👨‍💻 Наглядно — 9 типов тестирования API

➡️ Smoke Testing
Делается после разработки API. Проверка того, что API работают и ничего не выходит из строя.

➡️ Functional Testing
Позволяет создать план тестирования на основе функциональных требований и сравнить его с фактическими результатами.

➡️ Integration Testing
Этот тест объединяет ряд вызовов API и выполняет сквозные тесты. Оцениваются коммуникации и передача данных в процессе эксплуатации.

➡️ Regression Testing
Этот тест гарантирует, что исправления ошибок или новые функции не нарушат текущее поведение API.

➡️ Load Testing
Измеряет производительность приложений при различных нагрузках. Мы можем определить емкость приложения.

➡️ Stress Testing
API специально перегружаются, чтобы проверить, могут ли они функционировать должным образом.

➡️ Security Testing
Этот тест сертифицирует API от всех потенциальных угроз извне.

➡️ UI Testing
Гарантирует, что пользовательский интерфейс может взаимодействовать с этими API и отображать данные по мере необходимости.

➡️ Fuzz Testing
Этот тест отправляет недействительные или неожиданные входные данные в API и пытается вызвать его сбой. Делается путем выявления уязвимостей API.

📂 Сохраняем

#doc #api

📣 Как сменить технологию и не закопаться в рефакторинге: опыт внедрения DDD в проект на FastAPI

В серии статей расскажу, что такое DDD (domain-driven design) и какие у него преимущества и недостатки. Разберемся, когда применять подход и как сочетать его с FastAPI, популярным ASGI фреймворком на Python.

В первой части рассмотрим паттерны проектирования Repository и Unit of Work, с их помощью мы работаем через интерфейсы.

Паттерны помогают в разделении кода на слои: основная логика приложения представляется внутренними слоями, а используемые технологии - внешними

🖥 Читать подробнее

▶️ Файлы и исключения

В видео узнаем как работать с текстовыми файлами и обрабатывать исключения в языке программирования Python

👀 Смотреть на YouTube

⚙️ TensorFlow Learn для глубокого обучения

ℹ️ TensorFlow – это библиотека с открытым исходным кодом, которая первоначально была разработана исследователями из Google.

🗣️ Ее специализация - дифференцируемое программирование, но основная цель ее создания – это машинное и глубокое обучение, а также другие рабочие нагрузки в прогнозной и статистической аналитике.

🔗 Ссылочка на доку

Функции и классы в Python

В этом видео автор подробно разбирает работу с функциями и классами в Python.

00:00 Введение в функции
01:00 Как объявить функцию
02:30 Аргументы функции
04:17 Передача нескольких аргументов
09:36 Область видимости переменных
16:17 Итог по функциям
16:54 Классы в Python
17:08 Как объявить класс
17:46 Как сделать экземпляр класса
18:17 Создание переменных
20:01 Создание функции
20:39 Что такое self в классах
21:53 Инициализация переменных
25:50 Когда лучше использовать классы вместо функций

Смотреть это видео на youtube: youtu.be/MgW6AD_y9Uc

#реклама

🔬 Искусственный интеллект уже здесь, и мы следим за каждым его шагом! @TodayAIRussia аккумулирует лучшие материалы о технологиях будущего, научных открытиях и практическом применении ИИ. Присоединяйтесь к тем, кто знает, куда движется мир! 🌐

Объединение нескольких CSV файлов в один

Когда у вас есть несколько файлов CSV с одинаковой структурой, часто нужно объединить их в один для дальнейшего анализа или обработки. Библиотека Pandas позволяет сделать это очень просто и быстро.

Этот метод позволяет быстро и эффективно объединять несколько CSV файлов в один, что значительно упрощает работу с большими наборами данных.

📣 11 полезных библиотек Python для управления данными Excel

Одна из его сильнейших сторон Python – его способность считывать данные из файлов различных форматов, например, из файлов JSON, CSV и Excel

В этой статье я расскажу о самых полезных библиотеках Python, с помощью которых вы сможете работать с данными, в частности с таблицами Excel

🖥 Читать подробнее

⚙️ Asyncio для работы с асинхронным кодом

ℹ️ Разработчики Python по всему миру используют библиотеку asyncio для написания параллельного кода с помощью синтаксиса async/await.

🗣️ Библиотека asyncio больше всего подходит для кода, который связан с вводом-выводом, а также для высокоуровневого структурированного сетевого кода.

🔗 Ссылочка на доку

Парсинг URL и получение компонентов

Когда вы работаете с веб-приложениями или анализируете веб-данные, часто нужно извлекать компоненты из URL, такие как протокол, домен, путь и параметры запроса. Библиотека urllib.parse позволяет сделать это легко.

Этот метод позволяет легко извлекать и анализировать компоненты URL, что упрощает обработку и анализ веб-данных.

▶️ Классы и объекты

В видео поговорим об объектно-ориентированном программировании, классах и экземплярах классов

Так же узнаем о методах класса и как реализуется наследование

👀 Смотреть на RuTube

⚙️ concurrent.futures для одновременного выполнения операций

ℹ️ Эта библиотека предназначена для одновременного выполнения операций, как в многопоточности.

➡️ Я отправляю 100 запросов GET на URL-адрес и получаю ответ. Процесс медленный и утомительный, так как интерпретатор ждёт, пока не вернется каждый запрос, и это то, что вы получаете, когда используете циклы.

✔️ Гораздо разумнее использовать параллелизм и задействовать все ядра на вашем компьютере. Библиотека concurrent.futures позволяет это сделать.

🔗 Ссылочка на доку

⚙️ SciKit-Learn для разработки алгоритмов машинного обучения

ℹ️ SciKit-Learn основан на Numpy и SciPy и прежде был известен как Sklearn. Это бесплатная библиотека Python, и она очень часто воспринимается как расширение библиотеки SciPy. SciKit-Learn была создана специально с целью разработки алгоритмов машинного обучения и моделирования данных.

🗣️ Для многих SciKit-Learn – это одна из лучших библиотек Python, а все из-за ее последовательного, простого и интуитивно понятного интерфейса.

🔗 Ссылочка на доку

▶️ Декораторы функций

Сегодня мы поговорим об одной из самых сложных тем для новичков – декораторы

Декораторы в Python – это функции, которые принимают другую функцию в качестве аргумента, добавляют к ней некоторую дополнительную функциональность и возвращают функцию с измененным поведением.

Декораторы используются, чтобы изменять работу существующих функций или классов, добавлять новые возможности и обеспечивать безопасность

👀 Смотреть на RuTube

Списки и операции над ними в Python

В этом видеоуроке автор подробно разбирает процесс работы со списками в Python. Вы рассмотрите следующие вопросы:
• Как определять длину списка
• Как выполнять конкатенацию списка
• Как дублировать список
• Как сравнивать списки
• Как находить сумму, максимальный и минимальный элементы списка

Смотреть это видео на youtube: youtu.be/CEQZYZMPJSU

➡️ clean-text для нормализации и очистки текста

Отличный однострочный код для нормализации и очистки текста — идеально для проектов по обработке естественного языка.

Контент, созданный пользователями в Интернете и в социальных сетях, часто бывает грязным. Предварительно обработайте свои данные с помощью clean-text, чтобы создать нормализованное текстовое представление. Например, преобразуйте этот испорченный ввод:

A bunch of \\u2018new\\u2019 references, including [Moana](https://en.wikipedia.org/wiki/Moana_%282016_film%29).
»Yóù àré     rïght <3!«

в этот чистый вывод:

A bunch of 'new' references, including [moana](<URL>).
"you are right <3!"

🔗 Ссылочка на доку

⚙️ glob для удобной работы с файлами

ℹ️ Для пользователей, которым нравится сопоставление шаблонов в стиле Unix, библиотека glob должна чувствовать себя как дома.

🗣️ glob содержит все необходимые функции для работы с несколькими файлами одновременно без головной боли.

🔗 Ссылочка на доку