Прошлый урок свёл весь курс в одну точку: получился менеджер задач, который читатель спроектировал, написал и довёл до рабочего состояния своими руками. Это был двадцать пятый урок, финальный, и учебная программа на этом завершена. Но язык не заканчивается вместе с уроками, и у Python впереди куда больше дорог, чем успели пройти. Сейчас разберём, куда можно свернуть после основ, какие инструменты ждут начинающего разработчика во взрослом мире и с чего разумно начать первый самостоятельный шаг, чтобы выбор направления оказался осознанным, а не случайным.
Багаж знаний после двадцати пяти уроков
Сначала честный взгляд назад, потому что от отправной точки зависит весь маршрут. За время курса накопился набор умений, который без преувеличения называют уверенной базой. Путь прошёл от первой строки с print до собственного проекта с классами, файлами и виртуальным окружением, и каждая ступень досталась трудом, ошибками и маленькими открытиями.
Если собрать изученное в один перечень, он выглядит внушительно:
1. свободная работа с типами данных, от чисел и строк до булевых значений;
2. управление ходом программы через условия и циклы;
3. хранение и обработка информации в списках, словарях, кортежах и множествах;
4. оформление повторяющейся логики в функции с параметрами и возвращаемым результатом;
5. обработка ошибок через исключения, когда программа не падает молча, а объясняет проблему словами;
6. чтение и запись файлов, обмен сведениями в формате JSON;
7. построение собственных классов и связывание их в ясную структуру;
8. изоляция зависимостей проекта в виртуальном окружении.
Дороже синтаксиса оказались привычки: разбивать задачу на шаги, дочитывать сообщение об ошибке до конца, проверять код маленькими порциями, сверяться с документацией, прежде чем гадать. Менеджер задач показал и ещё одно свойство настоящих программ: проект живёт своей жизнью, его постоянно хочется расширять. Вот это желание доделать, улучшить и применить в повседневных делах и есть топливо для всего, о чём пойдёт речь дальше.
Веб-разработка на Flask и Django
Первое направление, куда чаще всего сворачивают после основ, это веб. Почти каждый сервис, открывающийся в браузере, начинается с серверного кода, и Python здесь на своём месте: язык читаемый, прототипы на нём собираются быстро, а готовых решений накопилось почти на любой случай. Внутри направления два полюса, и разницу полезно понимать сразу.
Flask называют микрофреймворком. Из коробки в нём минимум: маршруты, запросы, шаблоны. Несколько строк, и простейший сайт уже отвечает:
from flask import Flask
app = Flask(__name__)
@app.route("/")
def index():
return "Менеджер задач скоро переедет в браузер"
Такой лаконичный старт отлично подходит для первых сайтов, небольших интерфейсов и учебных экспериментов. Здесь всё видно: какой адрес обрабатывает какая функция, как запрос приходит от браузера и как формируется ответ. Шаблоны позволяют отделять оформление от логики, формы собирают сведения от пользователя, а дальше в дело идут уже знакомые списки, словари и условия.
Django устроен по-другому и похож на комбайн: там из коробки административная панель, работа с базой данных через ORM, авторизация пользователей, защита форм. Для большого проекта это экономит недели, для первой практики может оказаться избыточным. Разумная стратегия выглядит так: освоить Flask, чтобы понять механику веба, а когда проект обрастает пользователями, правами доступа и настоящей базой, смотреть в сторону Django. И кстати, менеджер задач из прошлого урока готов к переезду: добавить к нему веб-интерфейс несложно, и тогда получится личное приложение, которым действительно пользоваться каждый день. JSON из курса тоже пригодится, ведь интерфейсы сервисов часто обмениваются именно таким форматом.
Анализ данных с pandas и matplotlib
Второе направление привлекает тех, кто любит числа и выводы из них. Знакомые по курсу списки и словари здесь становятся первой ступенью, а вторую занимает библиотека pandas. Её главная сущность называется DataFrame, умная таблица: строки, столбцы, заголовки и целый набор операций над всем этим разом. Одна строка кода заменяет страницу с циклами:
import pandas as pd
data = pd.read_csv("sales.csv")
print(data.groupby("city")["revenue"].sum())
Здесь таблица читается из файла, группируется по городу и считает сумму выручки по каждой группе. Тот же результат циклами занял бы десятки строк и работал заметно медленнее. pandas умеет очищать сведения: заполнять пропуски, приводить типы, отбрасывать дубликаты. На практике это большая часть работы аналитика, потому что идеальных таблиц в природе почти не бывает: где-то пустая ячейка, где-то дата записана тремя разными способами.
Картину дополняет matplotlib, библиотека графиков. Линия тренда, столбцы по месяцам, круговая диаграмма расходов строятся в несколько строк, и сухие числа внезапно начинают рассказывать историю. Связка таблицы с графиком давно стала визитной карточкой профессий аналитика и инженера данных, обе входят в число востребованных на рынке. Хороший первый мини-проект на этом пути: выгрузить банковскую выписку в CSV и посчитать, на что уходит больше всего за месяц. Удивления гарантированы почти всегда.
Автоматизация рутины своими скриптами
Третье направление даёт самую быструю отдачу, и в этом его обаяние. Переименовать триста фотографий, разобрать папку с отчётами, собрать числа из двадцати таблиц в одну сводку, переформатировать логи: руками это вечер, скриптом это минута. Любой, кто однажды решит скучную задачу кодом, уже не возвращается к ручному способу.
Инструменты почти все стандартные, ставить ничего не нужно: pathlib работает с путями и файлами, shutil копирует и перемещает, csv разбирает таблицы, glob ищет файлы по маске. Небольшой пример, который приводит в порядок имена файлов в папке:
from pathlib import Path
for path in Path("reports").glob("*.txt"):
new_name = path.name.replace(" ", "_").lower()
path.rename(path.with_name(new_name))
Скрипт обходит все текстовые файлы, убирает пробелы из имён, приводит буквы к нижнему регистру и переименовывает. Тридцать секунд на написание, годы экономии при регулярном использовании. В такие утилиты стоит добавлять обработку ошибок из курса: файл может оказаться занят, папка пустой, имя слишком длинным, и try с except превратит возможный сбой в аккуратное предупреждение. Если скрипт должен работать по расписанию, его отдают планировщику операционной системы, и тот запускает его ежедневно без участия человека. Отдельная радость направления в социальном эффекте: в коллективе быстро появляются просьбы в духе "а можно это как-то автоматизировать", и это прекрасная позиция для роста, потому что настоящие задачи приходят именно так.
Тесты pytest и контроль качества кода
Четвёртое направление выглядит скромнее прочих, а пользу приносит колоссальную. В курсе уже встречался оператор assert, проверяющий, что выражение истинно. Библиотека pytest строит на нём целую систему: тестом становится обычная функция, а запуск сотен проверок занимает секунды.
def test_add():
assert add(2, 2) == 4
def test_add_negative():
assert add(-1, -1) == -2
Установка стандартная, через pip install pytest, запуск ещё проще: команда pytest в терминале находит все функции с приставкой test и прогоняет их. Зелёная строка в конце значит, что код ведёт себя, как ожидается, красная показывает место поломки с точностью до конкретной строки.
Смысл тестов глубже экономии времени. Они дают смелость переписывать код. Без проверок каждое изменение превращается в вопрос: работает ли ещё то, что работало вчера? С ними приходит спокойствие: сотня проверок пробежала, всё зелёное, можно двигаться дальше. pytest умеет и больше, например проверять, что функция выбрасывает ожидаемое исключение при неверных сведениях, для этого есть конструкция pytest.raises. Показательный момент: тесты случались и в этом курсе, просто тогда они назывались проверками и писались вручную. pytest лишь оформляет ту же идею по-взрослому. Привычка писать тесты отличает осторожного инженера от рискованного новичка и заметно экономит нервы при поддержке больших проектов, особенно когда над кодом работает несколько человек сразу.
Git, линтеры и удобная среда разработки
Пятый блок касается не языка, а инструментария вокруг него, и игнорировать его не стоит. Первым в перечне идёт git, система контроля версий, машина времени для кода. Каждое сохранение фиксируется вместе с комментарием, любое изменение откатывается, ветки позволяют пробовать идеи, не ломая основную рабочую версию. Базовый набор команд короткий: git init создаёт репозиторий, git add готовит файлы, git commit сохраняет состояние, git log показывает историю. Первые дни непривычно, через неделю это уже как дышать. Ещё два правила хорошего тона: писать понятные комментарии к сохранениям и держать в файле .gitignore перечень того, что в историю попадать не должно, вроде временных файлов и виртуального окружения.
Линтеры подхватывают эстафету чистоты. flake8 и ruff проверяют код до запуска и ругаются на лишние пробелы, слишком длинные строки, неиспользованные переменные. Форматтер black приводит стиль к единому виду автоматически, без споров о вкусах. Отдельный бонус в том, что одинаковый стиль легче читать, в том числе себе будущему через полгода.
И наконец среда разработки. PyCharm или VS Code дают подсветку, автодополнение, переход к определению функции одним кликом и встроенный отладчик, который исполняет код шаг за шагом и показывает значения всех переменных. Работа в обычном блокноте возможна, но похожа на копание огорода столовой ложкой: как ни старайся, долго. Инструменты не заменяют голову, зато берут на себя рутину вокруг кода и экономят часы каждую неделю.
Документация, чужой код и собственные проекты
Остался вопрос, который волнует каждого, дописавшего последний урок курса: как учиться дальше, когда рядом больше нет последовательных глав с заданиями. Опора здесь на три вещи, и все они доступны сразу.
Первая опора - это официальная документация. Она точная, свежая и полная примеров, а главное всегда под рукой. Поначалу справочный текст кажется сухим, но привычка сверяться с ним защищает от мифов и устаревших советов. Достаточно десяти минут чтения в день, например по тому модулю, который нужен для текущей задачи.
Вторая опора - это чужой код. Исходники открытых библиотек, которыми пользуешься, лежат в свободном доступе, и чтение их показывает устройство взрослых проектов: как организованы модули, как называются функции, как обрабатываются ошибки. Поначалу чужой код пугает объёмом, потом складывается общая картина, и собственные решения тоже начинают выглядеть аккуратнее.
Третья и главная опора - это собственные мини-проекты, настоящий двигатель прогресса. Идей вокруг много: трекер расходов, конвертер валют с запросами к открытому API, каталог книг на домашней полке, скрипт резервных копий, генератор графиков из личных таблиц. Работает простое правило: маленький законченный проект полезнее большого брошенного, потому что только финал приносит опыт доведения дела до конца. Хорошая форма старта: одна идея, одна неделя, одна рабочая версия, пусть даже кривоватая. А если вопрос упрётся в тупик, точная формулировка проблемы с минимальным примером обычно сама подсказывает решение, и это тоже навык, который тренируется.
Ещё один тихий помощник - записи по ходу учёбы. Короткий дневник в обычном текстовом файле, куда попадают найденные решения и неожиданные грабли, через пару месяцев превращается в личный справочник. Свои заметки читаются быстрее любых чужих, потому что написаны ровно тем языком, на котором думает сам автор. Да и прогресс в них заметнее: видно, что ещё в прошлом месяце тема казалась тёмным лесом, а сегодня по ней уже спокойно ходят.
На этом курс завершается. Двадцать пять уроков позади, и самое ценное в них даже не синтаксис, а подтверждение простого факта: программирование доступно каждому, кто готов пробовать, ошибаться и пробовать снова. Порог входа позади, дальше дорога раздваивается и ветвится, но теперь каждый поворот выбирается самостоятельно, и все они открыты.
Пусть первая полностью своя программа появится скоро: небольшая, чуть-чуть полезная, сделанная для себя или для близких. Из таких программ складывается профессия, а из профессии складывается путь. Удачи в коде, и пусть каждый следующий проект оказывается лучше предыдущего.