Collecte sur le web (2eme article)

 Apres un premier article listant mes découvertes sur le web (du python mais pas seulement) ,voici la seconde édition plus structurée.

Sujets : pour le manager.

• Visualiser l'innovation: map de wardley https://blog.revolve.team/2020/05/19/outil-transformation-cartographie-simon-wardley/

Simon Wardley  est un chercheur britannique et ancien PDG surtout connu pour la création de la cartographie permettant de visualiser dynamiquement la maturité d'une innovation ou d'une transformation.

• Les présentations de type  pechakucha https://fr.wikipedia.org/wiki/Pecha_Kucha et  https://www.pechakucha.com/

L'objectif est de faire une presentation de 20 slides de 20 secondes chacun. Pour un total de 6min 40.

Ce mode permet d'aller à l'essentiel et de ne pas assommer l'auditoire.

Python:

• python objetgraph https://mg.pov.lt/objgraph/ Ce module permet de visualiser les liens entre les objets python.
• python stopit https://pypi.org/project/stopit/. Ce module pose des timers sur des opérations asynchrones
• python perfectionnement https://github.com/pro1code1hack/Senior-Dev-Roadmap : cours python pour se perfectionner en Python.
• python librairies https://github.com/vinta/awesome-python  une liste de librairie Python à connaitre
• python dictionnaires https://github.com/fabiocaccamo/python-benedict un dictionnaire python assurant une persistance.
• création de carte avec  python et google maps https://morioh.com/p/a9bdee14b0d2  module gmaps

Sujets datasciences.

• machine learning by reenforcement http://incompleteideas.net/book/RLbook2020.pdf  (livre gratuit)
• datascience preparation des données https://machinelearningmastery.com/calculate-feature-importance-with-python/  (livre mais payant)
• manip pandas et numpy https://betterprogramming.pub/pandas-illustrated-the-definitive-visual-guide-to-pandas-c31fa921a43 (differences entre pandas et numpy) 
• wes McKinney, créateur de Pandas , donne sa vision de Pandas2 et arrow https://wesmckinney.com/blog/apache-arrow-pandas-internals/
• Projet polar : librairie comme pandas mais ecrite en Rust https://www.pola.rs/

Sujets pour les administrateurs systèmes.

• Les tunnels SSH illustrés: https://iximiuz.com/en/posts/ssh-tunnels/
• python dans le navigateur https://github.com/IvanCampos/pyScript  faire tourner des scripts python dans son navigateur
• windows xp dans le navigateur https://github.com/ducbao414/win32.run   un windows XP dans son navigateur

Sujets architectures.

• architecture https://bytebytego.com/courses/system-design-interview/foreword
• micro front end https://martinfowler.com/articles/micro-frontends.html
• event driven :https://serverlessland.com/event-driven-architecture/visuals

5 choses à savoir sur les dataclasses Python

La souplesse et les facilités qu'apportent les dataclasses, me font penser qu'un jour les dataclasses se retrouveront mises en  avant dans Python et soient dans le futur, le moyen natif de créer des classes.

(le notebook ci-dessous se retrouve sur mon github)

1) Comment savoir quel sera le comportement du constructeur de la classe ?

Le constructeur de la classe est généré par la dataclasse et il n'est pas visible en l'état.

Pour comprendre ce qui va se passer, on utilisera le module 'dis' qui permet de désassembler le code Python. Un source Python est traduit en bycode qui sera exécuté par la VM Python. Le module 'dis' montre la traduction qui sera faite de ce bytecode.

Exemple: Soit une classe dont le constructeur attend deux paramètres ident et nom.

L'utilisation du module dis donnera: 

Sur le listing, on  retrouve sans trop de difficulté les deux opérations d'initialisation du constructeur.

Il y  toujours la possibilité de modifier l'instanciation d'un nouvel objet en implémentant la méthode :__post_init__(). 

Cette méthode est appelée après le constructeur.

2) Dans le cadre de l'héritage, Dataclasse prend en charge pour vous l'appel du constructeur de la classe mère.

Dans le cadre de l'héritage, il est parfois nécessaire de faire appel à super().__init__(...)  pour initialiser les attributs de la classe mère.

Dans la classe fille:

Avec les dataclasses c'est plus simple:

En reprenant la dataclasse Exemple, on voit que le constructeur prend en charge les paramètres pour la classe mère et la classe fille

Attention: si la classe mère propose des valeurs par défaut,  les attributs de la classe fille doivent aussi en fournir. On retrouve ici la règle des paramètres  sans valeur par défaut en premier. C'est pour cela que l'attribut prénom est prévu avec une valeur par défaut.

3) Comment déclarer une variable de classe.

On va devoir utiliser le module  typing 

Avec l'initialisation de la variable de classe

4) Utilisation d'un attribut mutable (exemple: une liste ) dans le constructeur.

Dans cet exemple : l'attribut mail ne sera pas initialisé par le constructeur. Par contre ma_liste va poser un problème et provoquera l'erreur suivante:

Il faudra passer par une fabrique :

5) Il est possible d'adapter le comportement général de la classe en passant des paramètres au décorateur.

Exemple 

@dataclass(init=True, repr=True, eq=True, order=False, unsafe_hash=False, frozen=False,
           match_args=True, kw_only=False, slots=False, weakref_slot=False)

Génération du constructeur, de la méthode __repr__  etc.

Ne pas hésiter à consulter la documentation du module par la commande help('dataclasses')  ou directement dans une console pydoc dataclasses