2021-07-12 읽을거리

python

1. python에서 유용하게 쓰이는 vscode extension들

vscode에서 python 코딩할 때 많이 쓰이는 extension들에 대한 글을 두 가지 소개한다.

이전과도 중복되는 것도 있고, 두 글들 간에 중복되는 것도 있지만 해당 기능들에 익숙해지면 편하게 코딩할 수 있을 것이다.

https://medium.com/pythoneers/5-vs-code-extensions-for-python-developers-8f3c9efec019

5 VS Code Extensions For Python Developers

https://betterprogramming.pub/the-best-vs-code-extensions-for-python-developers-for-2021-748b2ce16eee

The Best VS Code Extensions for Python Developers for 2021

 

2. built-in 함수들 4가지

이번에도 이전에 소개했던 built-in 함수 4가지를 설명하는 글이다.

해당 글의 포인트는 코드의 효율성을 높이는 방법들로 많이 쓰이는 코드 대신 쓸 수 있는 built-in 함수들을 소개하고 있다.

https://betterprogramming.pub/4-ways-to-level-up-your-python-code-f148a50efeea

4 Ways To Level Up Your Python Code

 

3. python 코드를 exe 실행 파일로 변환하는 라이브러리 : auto-py-to-exe 라이브러리

GUI로 제공하며, python 코드를 exe 파일로 변환해준다.

다만, 다른 python -> exe 라이브러리인 pyinstaller의 경우 몇가지 호환이 안되는 라이브러리와 코드들이 있는데

해당 라이브러리도 동일하게 제한 조건이 있는지 확인이 필요하다.

https://python.plainenglish.io/convert-a-python-project-to-an-executable-exe-file-175080da4485

Convert a Python Project to an Executable (.exe) File

 

4. f-sting 를 사용하는 방법

이전에도 두어번 정도 f-string에 대해 설명하는 글을 공유한 적이 있지만, 복기하는 겸 다른 글 2가지로 한 번 더 공유한다.

https://betterprogramming.pub/5-powerful-python-f-strings-use-cases-acfb6070a8dd

5 Powerful Python f-strings Use Cases

https://towardsdatascience.com/4-tricks-to-use-python-f-strings-more-efficiently-4f389e890514

4 Tricks to Use Python F-strings More Efficiently

 

5. 강력한 json 탐색 라이브러리 : JMESPath 라이브러리

JMESPath는 json에서 간단한 구문으로 데이터를 탐색하는 기능을 제공하는 라이브러리이다.

기존에는 json을 타고타고 넘어가야 했는데 JMESPath를 사용하면 더 심플하고 단순한 코드로 탐색이 가능해 보인다.

https://medium.com/pythonland/6-tricks-to-effectively-use-json-in-python-3d66381a71ea

6 Tricks to Effectively Use JSON in Python

 

6. dataclass decorator를 더 강력하게 사용하는 방법

이전에 dataclass, marshmallow, desert를 연동하여 더욱 안전하고 validation한 방법을 사용하는 글을 공유했었다.

해당 글은 dataclass만을 사용하여 코드를 유용하고 전체적으로 integration할 수 있는 pipeline을 구성하는 방법을 공유한다.

이전에 공유했던 글도 다시 공유한다.

https://dalyag.medium.com/parameters-one-class-to-rule-them-all-34342042291a

Parameters: One Class to Rule Them All

https://python.plainenglish.io/taming-your-python-dictionaries-with-dataclasses-marshmallow-and-desert-388dbffedaec

Tame your Python dictionaries with dataclasses, marshmallow and desert

 

7. string 과 시간을 convert 하는 함수 : strftime, strptime 함수

시간과 문자열 간에 서로 변환을 해주는 두 함수의 사용법에 대해 소개하고 있다.

https://velog.io/@hyelimchoi1223/Python-strptime-vs-strftime

[Python] strptime vs strftime

 

8. python closure를 잘 사용하는 법

python의 inner function을 사용한 closure 기능을 언제 써야하는지에 대해 예제를 포함하여 설명하고 있다.

function 만으로 class 처럼 쓸 수 있다는 점에서 유용하다고 생각된다.

https://medium.com/python-features/introduction-to-closures-in-python-8d697ff9e44d

Introduction to Closures in Python

 

9. import 동작 원리

import 가 어떻게 동작하는지에 대해 그림으로 설명하고 있다.

custom code로 import가 어떻게 동작하는지 알고 싶으면 해당 글을 추천

https://betterprogramming.pub/how-imports-work-in-python-59c2943d87dc

How Imports Work in Python

 

---

 

ML / DL

1. sklearn 학습을 빠르게 하는 방법

해당 글에서는 sklearn을 사용하여 하이퍼파라미터 최적화 및 병렬 처리에 대해 소개하고 있다.

다만, 이러한 방법과 알고리즘, 라이브러리가 있다는 정도지, 최적화하는 코드 자체를 소개하지 않으므로 예제는 직접 찾아야한다.

https://medium.com/distributed-computing-with-ray/how-to-speed-up-scikit-learn-model-training-aaf17e2d1e1

How to Speed up Scikit-Learn Model Training

 

2. 2021년에 데이터 사이언티스트들이 읽어야하는 책 5가지

이전에도 한번 책을 소개하는 글을 공유한 적이 있지만, 다른 글로 한 번 더 공유한다.

마찬가지로 여기에 소개되어 있는 책은 영문 서적이지만, 번역판도 존재하기 때문에 찾아서 읽어보는 걸 추천한다.

https://medium.com/curious/5-books-every-data-scientist-should-read-in-2021-206609d8593b

5 Books Every Data Scientist Should Read in 2021

 

3. facebook의 time series forecasting 라이브러리 : kats 라이브러리

facebook에서 공개한 시계열 데이터 예측 관련한 라이브러리이다.

모델 뿐만 아니라 시계열 데이터 FE, 데이터 분해, 시뮬레이션까지 관련한 기능들을 모두 모아놓았기 때문에

시계열 데이터를 다뤄야한다면 해당 라이브러리를 사용해보는 것을 추천

https://github.com/facebookresearch/Kats

facebookresearch/Kats

 

4. github으로 AutoML 구성하기

해당 글은 Pycaret 라이브러리와 github으로 AutoML 을 구성하는 튜토리얼을 제공해준다.

low-coding 이라 직접 구성해야하는 코드는 많지 않다.

https://towardsdatascience.com/github-is-the-best-automl-you-will-ever-need-5331f671f105

GitHub is the best AutoML you will ever need

 

5. pandas 를 대체할 수 있는 빠른 라이브러리 3가지

이 글에서는 기존에 소개했던 dask와 vaex 라이브러리에 추가로 pyspark도 소개하고 있다.

두번째에 기존에 공유했던 dask, vaex 라이브러리 소개 글을 다시 올린다.

https://medium.com/chifi-media/3-killer-alternatives-to-pandas-for-pythonic-dataframes-80e5a3affc6d

3 Killer Alternatives To Pandas For Pythonic DataFrames

https://towardsdatascience.com/are-you-still-using-pandas-to-process-big-data-in-2021-850ab26ad919

Are You Still Using Pandas to Process Big Data in 2021?

 

6. pandas dataframe을 GUI로 제공하는 extension : Bamboolib extension

Bamboolib 는 이전에 소개했던 pandasGUI 와 비슷한 기능들을 제공하는 것으로 보인다.

다만, 해당 extension는 유료지만, pandasGUI보다 사용자 친화적 인터페이스를 제공하는 것으로 보인다.

이런 기능들을 굳이 돈내고 써야 싶으면 pandasGUI를 추천

https://towardsdatascience.com/introducing-bamboolib-a-gui-for-pandas-4f6c091089e3

Introducing Bamboolib — a GUI for Pandas

 

---

 

UI / UX

1. jupyter에서 프로토타입을 제작하는 라이브러리 : streamlit 라이브러리

streamlit은 jupyter 상에서 차트, interactive 도구 등을 사용하여 시각화해주는 라이브러리이다.

해당 라이브러리는 변성윤 님 블로그에서도 소개되었기 때문에 해당 글을 같이 공유한다.

https://medium.com/dataman-in-ai/monitor-your-model-performance-with-python-streamlit-e0db20f09023

Monitor Your Model Performance with Python Streamlit

https://zzsza.github.io/mlops/2021/02/07/python-streamlit-dashboard/

Python Streamlit 사용법 - 프로토타입 만들기

 

2. waterfall 형태로 차트를 그리는 라이브러리 : waterfallcharts 라이브러리

주식 그래프와 같이 이전 데이터와 비교하여 등락을 표현하는 waterfall 차트를 그려주는 라이브러리이다.

금융 데이터를 다룰 때 해당 그래프를 사용하면 좋아보인다.

https://medium.com/geekculture/creating-a-waterfall-chart-in-python-dc7bcddecb45 

Creating a Waterfall Chart in Python

 

3. 독특한 11가지 plot

다양한 일반적으로 쓰이는 plot 들이 아닌 많이 보진 않았지만 '이걸 어떻게 그렸지'라는 plot들에 대해 소개하고 있다.

위 waterfall 그래프도 같이 소개하고 있지만 예제만 봤을 때는 2번 waterfallcharts 라이브러리가 더 쓰기 편해보인다.

(아직 제대로 안써봐서 그렇게 느낄 수 있다.)

https://medium.com/sfu-cspmp/getting-familiar-with-unique-visualizations-a9bbbd9c9be

Getting Familiar with Unique Visualizations!