Шпаргалки по Python-библиотекам: команды под рукой

Создание массивов

• np.array([1, 2, 3])

  создаёт массив ndarray из списка

• np.zeros(4)

  массив из четырёх нулей

• np.arange(0, 10, 2)

  массив [0 2 4 6 8] с шагом 2

• np.linspace(0, 1, 5)

  пять равноудалённых точек от 0 до 1

Свойства массива

• arr.shape

  размеры массива (строки, столбцы)

• arr.ndim

  число измерений массива

• arr.dtype

  тип элементов массива (int64, float64...)

Математика

• arr * 2

  умножает каждый элемент на 2 без цикла

• np.sqrt(arr)

  квадратный корень каждого элемента

• np.mean(arr)

  среднее арифметическое элементов

• np.median(arr)

  медиана массива

• np.std(arr)

  стандартное отклонение

• arr.sum()

  сумма всех элементов

Индексация и срезы

• arr[1:4]

  срез — элементы с индекса 1 по 3

• arr[arr > 5]

  булева маска: только элементы больше 5

• m[0, 2]

  элемент первой строки и третьего столбца

• m[:, 0]

  весь первый столбец двумерного массива

Полезное

• arr.reshape(2, 3)

  меняет форму массива на 2 строки и 3 столбца

• np.unique(arr)

  отсортированные уникальные значения

• np.where(arr > 0, arr, 0)

  заменяет элементы по условию (неотрицательные)

Чтение данных

• pd.read_csv("data.csv")

  загружает CSV-файл в DataFrame

• pd.read_sql("SELECT ...", con)

  читает SQL-запрос из базы в DataFrame

• df.head()

  первые пять строк таблицы

• df.info()

  типы столбцов и число непустых значений

• df.describe()

  статистика по числовым столбцам (mean, std, min...)

Выборка

• df["price"]

  один столбец как Series

• df[["name", "price"]]

  несколько столбцов как новый DataFrame

• df.loc[3]

  строка по текстовой метке индекса

• df.iloc[0]

  строка по номеру позиции

• df[df["age"] > 30]

  фильтр строк по условию

Очистка

• df.dropna()

  удаляет строки с пропусками

• df.fillna(0)

  заменяет пропуски нулями

• df.drop_duplicates()

  удаляет повторяющиеся строки

• df["age"].astype(int)

  приводит столбец к целому типу

Анализ

• df.groupby("city")["sales"].sum()

  группирует по городу и суммирует продажи

• df.sort_values("price", ascending=False)

  сортировка по убыванию цены

• df["city"].value_counts()

  счётчик уникальных значений столбца

• df.merge(df2, on="id")

  присоединяет вторую таблицу по ключу id

• df.pivot_table(values="sales", index="month", aggfunc="mean")

  сводная таблица со средним по группам

Базовые графики

• plt.plot(x, y)

  линейный график

• plt.bar(cats, vals)

  столбчатая диаграмма

• plt.hist(data, bins=10)

  гистограмма распределения с 10 корзинами

• plt.scatter(x, y)

  точечная диаграмма (scatter)

• plt.pie(vals, labels=cats)

  круговая диаграмма с подписями

Оформление

• plt.title("Выручка по месяцам")

  заголовок графика

• plt.xlabel("Месяц")

  подпись оси X (ylabel — для Y)

• plt.legend()

  легенда линий и цветов

• plt.grid(True)

  сетка на поле графика

• plt.tight_layout()

  подгоняет отступы, чтобы подписи не обрезались

Вывод и сохранение

• plt.show()

  отображает график

• plt.savefig("chart.png", dpi=150)

  сохраняет график в PNG (до plt.show)

Seaborn

• sns.set_theme(style="whitegrid")

  единая аккуратная тема для всех графиков

• sns.boxplot(data=df, x="team", y="score")

  ящик с усами по группам

• sns.heatmap(df.corr(), annot=True)

  тепловая карта корреляций с числами

• sns.histplot(df["age"], kde=True)

  гистограмма с плавной кривой плотности

Создание парсера

• BeautifulSoup(html, "html.parser")

  разбирает HTML-строку в дерево тегов

Поиск тегов

• soup.find("h1")

  первый тег h1 на странице

• soup.find_all("a")

  все ссылки списком

• soup.find("a", class_="price")

  первая ссылка с классом price

• soup.select_one("div.item")

  первый элемент по CSS-селектору

• soup.select("table td")

  все элементы по CSS-селектору

Данные из тега

• a.get("href")

  значение атрибута href (None, если нет)

• a.get("class", "no-class")

  атрибут со значением по умолчанию

• a.text

  текст внутри тега без разметки

• a.get_text(strip=True)

  текст без внешних пробелов и переводов строк

Навигация и отладка

• tag.parent

  родительский тег

• tag.attrs

  словарь всех атрибутов тега

• soup.prettify()

  красиво отформатированный HTML для отладки

Каркас приложения

• app = FastAPI()

  создаёт приложение FastAPI

• uvicorn main:app --reload

  запускает сервер с автоперезагрузкой

Роуты

• @app.get("/items")

  GET-эндпоинт для списка объектов

• @app.post("/items", status_code=201)

  POST-эндпоинт с кодом ответа 201

• @app.get("/items/{item_id}")

  роут с параметром пути

• def f(q: str | None = None)

  необязательный query-параметр с типом

Pydantic-модели

• class Item(BaseModel): ...

  модель запроса: типы = автовалидация

• @app.post("/items") def create(item: Item): ...

  принимает JSON и сам превращает его в Item

Ошибки и ответы

• raise HTTPException(status_code=404, detail="Нет")

  ошибку 404 с понятным сообщением

• return {"ok": True}

  словарь автоматически сериализуется в JSON

Документация

• http://127.0.0.1:8000/docs

  Swagger UI генерируется сам по типам

Каркас приложения

• app = Flask(__name__)

  создаёт приложение Flask

• flask run

  запускает сервер разработки

Роуты

• @app.route("/")

  главная страница сайта

• @app.route("/user/<name>")

  динамический роут с переменной из URL

• @app.route("/form", methods=["POST"])

  роут, принимающий отправку формы

Шаблоны и ответы

• render_template("page.html", name=name)

  рендерит Jinja2-шаблон с переменными

• jsonify({"ok": True})

  JSON-ответ для API-ручки

• redirect(url_for("index"))

  перенаправляет на другой роут по имени функции

Запрос request

• request.args.get("q")

  параметр из строки запроса (?q=...)

• request.form.get("email")

  поле из отправленной формы

• request.method

  HTTP-метод запроса (GET, POST)

Отладка

• app.run(debug=True)

  локальный запуск с отладчиком