Épisode

Rationalisation de la préparation des données avec Pydantic : Guide de 25 minutes | Jour du Science des données Python

par Hasan Özdemir

Jour du Science des données Python

Commencez un voyage de 25 minutes en explorant la puissance de Pydantic dans propre ing et en préparant des données pour une intégration transparente dans vos projets Python. Nous allons examiner les fonctionnalités polyvalentes de Pydantic pour la validation des données, l’indicateur de type et le propre de données structurées. De la cohérence des données à la gestion des valeurs manquantes, Pydantic s’avère être un outil inestimable dans la boîte à outils du scientifique des données.

Chapitres

  • 00 :00 - Rationalisation de la préparation des données avec Pydantic
  • 00 :34 - Vue d’ensemble de Pydantic
  • 02 :21 - Pourquoi utiliser Pydantic
  • 05 :15 - Pydantic par les nombres
  • 06 :24 - Concepts fondamentaux de Pydantic
  • 10 :50 - Démonstration - GitHub Data Crawling ETL (Extraire, Transférer, Charger)
  • 12 :08 - Extraction de données avec l’API GitHub
  • 12 :56 - Référentiel &Gist Pydantic Model
  • 17 :16 - Follower & User Pydantic Model
  • 20 :26 - Initialisation de l’objet, sérialisation, dumping
  • 23 :39 - Charger dans SQLite
  • 25 :38 - En savoir plus et se connecter

Se connecter

Développeur
Python