Наивный datetime без таймзоны — источник смещений на несколько часов и дублей в отчётах. Разбираем, где именно ломается работа со временем в Python и как строить конвейер от UTC к локали.
Три способа превратить объект Python в байты и обратно. У каждого своя цена: pickle открывает дыру в безопасности, json теряет типы, msgpack требует зависимости. Разбираем, когда что.
Разбираем два способа сделать командную утилиту на Python: click с декораторами и typer на аннотациях типов. Что выигрываете и чем платите за каждый.
Как разделить настройки для dev и prod, не хранить пароли в git и не получить AttributeError на старте. Разбираем три подхода к конфигурации и цену каждого.
print() и logging.basicConfig не тянут прод: логи текстом невозможно фильтровать, ротация захлёбывается, а под многопоточностью строки перемешиваются. Разбираем, как настроить структурные логи, уровни и ротацию без сюрпризов.
CSV с датами в пяти форматах, дублями и NaN там, где ждёте ноль. Разбираем, чем чистить и валидировать данные на Python: голый pandas, Pydantic и pandera — с ценой каждого подхода.
Вы знаете Python, но ещё не работали с pandas. За час разберём загрузку данных, фильтрацию, группировку и сохранение результата — без лишней теории, только то, что нужно в реальной работе.
Файл на 8 ГБ и 40 миллионов строк, а на машине 16 ГБ памяти. pandas падает с MemoryError, чистый Python читает без проблем, но медленно. Разбираем, где ломается каждый подход и что мерить.
Файл на 8 ГБ не влезает в json.load — процесс убивает по OOM. Разбираем, как ijson читает такой JSON потоком, где он выигрывает у стандартной библиотеки и чем за это платит.
Coverage показал 95%, а прод падает на первом же граничном случае. Разбираем, что реально измеряет покрытие в Python, почему высокое покрытие может врать и какие цифры стоят вашего внимания.
Три инструмента pytest, из-за которых тесты либо читаются за минуту, либо превращаются в копипасту: разбираем, где каждый уместен и чем вы платите за удобство.
Один и тот же кеш ведёт себя по-разному в скрипте, в воркере Celery и под четырьмя процессами Gunicorn. Разбираем, где lru_cache спасает, где врёт, и когда пора выносить кеш в Redis.