​Pandas

Pandas – это библиотека с открытым исходным кодом на Python. Она предоставляет готовые к использованию высокопроизводительные структуры данных и инструменты анализа данных.

Чтобы эффективно работать с pandas, необходимо освоить самые главные структуры данных библиотеки: DataFrame и Series. Без понимания что они из себя представляют, невозможно в дальнейшем проводить качественный анализ.

Структура/объект Series представляет из себя объект, похожий на одномерный массив (питоновский список, например), но отличительной его чертой является наличие ассоциированных меток, т.н. индексов, вдоль каждого элемента из списка. Такая особенность превращает его в ассоциативный массив или словарь в Python.

#1(Series)

​DataFrame

Объект DataFrame лучше всего представлять себе в виде обычной таблицы и это правильно, ведь DataFrame является табличной структурой данных. В любой таблице всегда присутствуют строки и столбцы. Столбцами в объекте DataFrame выступают объекты Series, строки которых являются их непосредственными элементами.

#2(DataFrame)

​Модуль threading

Python включает в себя ряд разных параллельных конструкций, таких как как threading, queues и multiprocessing. Модуль threading использовался как главный способ достижения параллельности.

В нашем коде мы импортировали модули random и time, также мы импортировали класс Thread из модуля threading Python. Далее, мы наследуем класс Thread, и переопределили его метод init для принятия аргумента, под названием name. Для начала потока, вам нужно вызывать метод start().

После запуска потока, он автоматически вызовет метод run. Мы переопределили метод run таким образом, чтобы он выбирал случайный отсчет времени для «сна». Пример random.randint указывает Python выбрать случайное число от 3 до 15. После этого мы указываем потоку «спать» столько секунд, сколько было выбрано случайным способом, для симуляции его настоящей работы. Далее мы ввели имя потока, чтобы сказать пользователю, что он закончился. Функция create_threads создаст 5 потоков, дав каждому из них уникальное имя.

​Библиотека math

Библиотека Math в Python обеспечивает доступ к некоторым популярным математическим функциям и константам, которые можно использовать в коде для более сложных математических вычислений. Библиотека является встроенным модулем Python, поэтому никакой дополнительной установки через pip делать не нужно.

​​Декоратор cachedproperty

Декоратор cachedproperty модуля functools преобразует метод класса в свойство, значение которого вычисляется один раз, а затем кэшируется как обычный атрибут на время срока службы экземпляра класса.

Работает аналогично встроенной функции property() с добавлением кэширования. Полезно для дорогих вычисляемых свойств экземпляров, которые эффективно неизменяемы.

Этот декоратор требует, чтобы атрибут dict в каждом экземпляре был изменяемым словарем. Это означает, что он не будет работать с некоторыми типами, такими как метаклассы и теми, которые указывают slots без включения dict в качестве одного из определенных слотов.

​Datetime

Datetime — важный элемент любой программы, написанной на Python. Этот модуль позволяет управлять датами и временем, представляя их в таком виде, в котором пользователи смогут их понимать.

​Метод bin()

Метод bin() преобразует и возвращает двоичную эквивалентную строку заданного целого числа. Если параметр не является целым числом, он должен реализовать метод __index __(), чтобы вернуть целое число.

В нашем примере мы отправили объект класса Quantity методу bin().

bin() не вызывает ошибку, даже если объект Quantity не является целым числом. Это потому, что мы реализовали метод __index __(), который возвращает целое число (сумму количества фруктов).
Затем это целое число передается методу bin().