Python counter.

Em muitos algoritmos computacionais, a utilização de contadores é muito usada.

Existem várias ferramentas Python para trabalhar com contadores, mas o counter é uma das mais eficientes.

Geralmente para trabalhar com contadores, criamos um loop de zero até o total de itens.

Com counter não precisamos adicionar nenhuma lógica com loop para realizar a contagem dos itens.

A única desvantagem é que o counter só consegue fazer a contagem de objetos simples.

Acesse o tutorial completo em: https://nakatech.herokuapp.com/article/2021/pyCounter.html.

Python namedTuple.

Python oferece uma função chamada namedTuple para trabalhar com tuplas de forma organizada.

Com a função, podemos criar tuplas imutáveis que garantem ainda mais a segurança do código.

Trabalhar com tuplas, dicionários e listas pode se tornar algo complexo quando o número de itens aumentam.

O namedTuple vem para deixar mais legível o código, em vez de utilização de índices, podemos nomear os campos.

Além de deixar mais limpo o código, a manutenção se torna algo fácil de se manter.

Acesse o tutorial completo em : https://nakatech.herokuapp.com/article/2021/pyNamedTuple.html.

Python Arrow.

O Arrow é uma biblioteca terceira para Python que simplifica a manipulação de data e hora.

Uma das tarefas complexas na programação é trabalhar com data e hora e o Arrow facilita essa tarefa.

Comparado com as libs built-in do Python, o Arrow é mais fácil de utilizar.

A biblioteca é baseada no Moment.js, uma biblioteca Javascript de implementação de data e hora.

Pela sua eficiência, existem várias razões para utilizar o arrow.

Acesse o tutorial completo em: https://nakatech.herokuapp.com/article/2021/pyArrow.html.

Python filter.

A função filter do Python permite que no processo de iteração seja possível filtrar elementos através de condicionais.

O filter evita a criação de métodos complexos para filtrar uma lista de dados, fazendo isso de forma simples.

Apesar da programação funcional não ser o forte do Python, o filter traz essa capacidade de forma eficiente.

Funções em Python são objetos de primeira classe, ou seja, podem ser utilizadas dentro de outras classes.

O interessante em trabalhar com funções é a possibilidade de passar funções como argumentos, retornar funções ou ambos.

Acesse o tutorial completo em: https://nakatech.herokuapp.com/article/2021/pyFilter.html.

Python with.

O método with é uma ferramenta útil para facilitar a manipulação de arquivos externos.

Para manipular arquivos, precisamos nos atentar em abrir I/O e o mais importante, fechar o I/O.

Utilizando o método with não precisamos nos preocupar com o processo de fechamento de I/O.

O maior problema quando trabalhamos com I/O é o esquecer de fechar a conexão e ai começam os problemas de consumo de memória e erros relacionados a conexões abertas.

Apesar do foco ser na Stack Python, isso acontece com a maioria das linguagens de programação.

Acesse o tutorial completo em: https://nakatech.herokuapp.com/article/2021/pyWith.html.

Python Luigi.

O Luigi é um framework utilizado para implementações de batch ou rotinas programadas.

Existem formas de implantação de batches sem uso de framework, mas para que “inventar a roda” se já existem soluções prontas?

Acredito que o Luigi seja uma das melhores frameworks para batch para Python.

De uma forma simples, a ferramenta disponibiliza uma interface simples e funcional.

Com algumas features adicionais que podem ajudar o desenvolvimento de processos mais complexos.

Acesse o tutorial completo em: https://nakatech.herokuapp.com/article/2021/pyLuigi.html.

Python venv.

Trabalhar com Python hoje em dia é algo tão importante que programadores de outras stacks utilizam Python para criar ferramentas auxiliares devido a facilidade de criação das mesmas.

Mas muitas vezes, começamos a criar várias ferramentas e algumas não utilizamos mais e aquelas bibliotecas que baixamos para essas ferramentas começam a ocupar espaço em disco, podendo até conflitar com outras.

Para evitar isso, o ambiente Python possibilita criar ambientes virtuais que ficam isolados do ambiente externo.

Essa capacidade é chamada de venv, onde podemos criar um ambiente virtual sem comprometer o sistema externo.

Outra vantagem é que se ocorrer algum tipo de problema relacionado a bibliotecas mal instaladas, podemos desfazer o ambiente virtual e criar outro.

Instalando e testando venv.

Primeiro precisamos instalar o venv via apt-get:
$ sudo apt-get install python3-venv

Agora podemos criar nosso ambiente virtual:
$ python3 -m venv sidney-env

Podemos agora ativar:
. sidney-env/bin/activate

Se foi o ambiente foi criado, vai ser apresentado o prompt:
(sidney-env) sidney@sidney-Aspire-4745:/tmp$

Pronto, agora podemos trabalhar com um ambiente virtual totalmente isolado.

Para apagar esse ambiente virtual é só executar o comando:
$ deactivate
$ rm -r sidney-env

Conclusão.

Assim como o Docker possibilita criar ambientes conteinerizados facilitando o escalonamento e remoção, o venv possibilita criação de ambientes isolados onde pode se trabalhar sem medo de afetar o sistema externo.