1. Basic GET Request

To fetch data from an API endpoint using a GET request:

import requests
response = requests.get('https://api.example.com/data')
data = response.json()  # Assuming the response is JSON
print(data)

2. GET Request with Query Parameters

To send a GET request with query parameters:

import requests
params = {'key1': 'value1', 'key2': 'value2'}
response = requests.get('https://api.example.com/search', params=params)
data = response.json()
print(data)

3. Handling HTTP Errors

To handle possible HTTP errors gracefully:

import requests
response = requests.get('https://api.example.com/data')
try:
    response.raise_for_status()  # Raises an HTTPError if the status is 4xx, 5xx
    data = response.json()
    print(data)
except requests.exceptions.HTTPError as err:
    print(f'HTTP Error: {err}')

4. Setting Timeout for Requests

To set a timeout for API requests to avoid hanging indefinitely:

import requests
try:
    response = requests.get('https://api.example.com/data', timeout=5)  # Timeout in seconds
    data = response.json()
    print(data)
except requests.exceptions.Timeout:
    print('The request timed out')

5. Using Headers in Requests

To include headers in your request (e.g., for authorization):

import requests
headers = {'Authorization': 'Bearer YOUR_ACCESS_TOKEN'}
response = requests.get('https://api.example.com/protected', headers=headers)
data = response.json()
print(data)

6. POST Request with JSON Payload

To send data to an API endpoint using a POST request with a JSON payload:

import requests
payload = {'key1': 'value1', 'key2': 'value2'}
headers = {'Content-Type': 'application/json'}
response = requests.post('https://api.example.com/submit', json=payload, headers=headers)
print(response.json())

7. Handling Response Encoding

To handle the response encoding properly:

import requests
response = requests.get('https://api.example.com/data')
response.encoding = 'utf-8'  # Set encoding to match the expected response format
data = response.text
print(data)

8. Using Sessions with Requests

To use a session object for making multiple requests to the same host, which can improve performance:

import requests
with requests.Session() as session:
    session.headers.update({'Authorization': 'Bearer YOUR_ACCESS_TOKEN'})
    response = session.get('https://api.example.com/data')
    print(response.json())

9. Handling Redirects

To handle or disable redirects in requests:

import requests
response = requests.get('https://api.example.com/data', allow_redirects=False)
print(response.status_code)

10. Streaming Large Responses

To stream a large response to process it in chunks, rather than loading it all into memory:

import requests
response = requests.get('https://api.example.com/large-data', stream=True)
for chunk in response.iter_content(chunk_size=1024):
    process(chunk)  # Replace 'process' with your actual processing function

https://blog.stackademic.com/ultimate-python-cheat-sheet-practical-python-for-everyday-tasks-c267c1394ee8

1. Reading a File

To read the entire content of a file:

with open('example.txt', 'r') as file:
    content = file.read()
    print(content)

2. Writing to a File

To write text to a file, overwriting existing content:

with open('example.txt', 'w') as file:
    file.write('Hello, Python!')

3. Appending to a File

To add text to the end of an existing file:

with open('example.txt', 'a') as file:
    file.write('\nAppend this line.')

4. Reading Lines into a List

To read a file line by line into a list:

with open('example.txt', 'r') as file:
    lines = file.readlines()
    print(lines)

5. Iterating Over Each Line in a File

To process each line in a file:

with open('example.txt', 'r') as file:
    for line in file:
        print(line.strip())

6. Checking If a File Exists

To check if a file exists before performing file operations:

import os
if os.path.exists('example.txt'):
    print('File exists.')
else:
    print('File does not exist.')

7. Writing Lists to a File

To write each element of a list to a new line in a file:

lines = ['First line', 'Second line', 'Third line']
with open('example.txt', 'w') as file:
    for line in lines:
        file.write(f'{line}\n')

8. Using With Blocks for Multiple Files

To work with multiple files simultaneously using with blocks:

with open('source.txt', 'r') as source, open('destination.txt', 'w') as destination:
    content = source.read()
    destination.write(content)

9. Deleting a File

To safely delete a file if it exists:

import os
if os.path.exists('example.txt'):
    os.remove('example.txt')
    print('File deleted.')
else:
    print('File does not exist.')

10. Reading and Writing Binary Files

To read from and write to a file in binary mode (useful for images, videos, etc.):

# Reading a binary file
with open('image.jpg', 'rb') as file:
    content = file.read()
# Writing to a binary file
with open('copy.jpg', 'wb') as file:
    file.write(content)

https://blog.stackademic.com/ultimate-python-cheat-sheet-practical-python-for-everyday-tasks-c267c1394ee8

https://www.itworld.co.kr/numbers/82001/344908

아틀라시안이 최근 발표한 2024년 개발자 경험 현황 보고서(State of Developer Experience Report 2024)에 따르면, 많은 기업이 개발자 생산성을 잘 이해하지도, 잘 활성화하지도 못하는 것으로 나타났다. DX(developer experience)에 대한 관심은 증가하고 있지만 개선하려는 노력은 그보다 뒤처지고 있는 것으로 조사됐다.
 

ⓒ Getty Images Bank
2024 개발자 경험 현황 보고서는 미국, 독일, 프랑스, 호주의 엔지니어링 리더 1,250명과 전 세계 개발자 900명을 대상으로 실시한 설문조사를 기반으로 작성됐다. 해당 설문조사는 오늘날 소프트웨어 개발 업무의 원활한 흐름을 유지하는 관행과 마찰을 유발하는 관행을 파악하기 위해 실시됐다. 

생성형 AI와 마이크로서비스 시대의 업무 환경에 대한 인식도 조사했다. 조사 결과, 기업이 개발자 경험을 우선시한다고 생각하는 개발자는 절반 미만이었으며, 개발자 3명 중 2명은 비효율적인 업무로 인해 주당 8시간 이상 손해를 본다고 답했다. 또한 AI 도구를 사용해도 생산성 향상을 크게 체감하지 못하는 개발자도 3명 중 2명꼴이었다. 

엔지니어 리더들이 꼽은 개발자 역할 복잡성의 상위 5가지 원인은 인력 부족, 개발자 역할 확장, 새로운 기술, 도구 간 컨텍스트 전환, 다른 팀과의 협업 등이다. 개발자의 시간 손실에 기여하는 상위 5가지 요인은 기술 부채, 불충분한 문서화, 빌드 프로세스, 심층 작업을 위한 시간 부족, 명확한 방향성 부재 등이 지적됐다. 설문조사에 참여한 거의 모든 엔지니어링 리더(99%)가 개발자 역할이 더 복잡해졌다는 사실을 인정했다. 리더들이 개발자 생산성과 만족도를 향상시킬 수 있다고 생각하는 상위 5가지 사례에는 AI 자동화, 새로운 협업 도구 제공, 위험 감수 및 실험, 의사 결정 간소화, 해커톤 개최가 포함된다. 

그 외 2024 개발자 경험 현황 보고서의 주요 조사 결과는 다음과 같다. 

• 응답자 12%는 향후 2년 내 AI 도구가 개발자의 생산성을 향상시키지 못할 것이라고 답했다.
• 개발자 생산성 측정에 집중하는 기업은 51%, 개발자 만족도에 집중하는 기업은 49%다.
• 엔지니어링 리더 41%는 개발자 생산성을 측정하는 도구를 사용해 개발팀 만족도를 평가한다.
• 38%의 기업이 근무 시간으로 개발자 생산성을 측정한다.

https://www.hani.co.kr/arti/economy/economy_general/1150014.html

크라우드스트라이크가 알려준 해법은 아래와 같습니다. 혹시 이상이 있다면, 아래 방법을 따라하시면 됩니다.
 

윈도우를 안전 모드로 부팅, 또는 외장 드라이브에 탑재한 윈도우로 부팅
C:\Windows\System32\drivers\CrowdStrike로 이동
C-00000291*.sys 파일 찾아서 삭제
정상적으로 재부팅

Pandas는 데이터 분석, 조작 및 시각화를 위한 인기 있는 Python 라이브러리입니다. 구조화된 데이터와 구조화되지 않은 데이터를 포함하여 다양한 형식의 데이터를 쉽고 효과적으로 작업할 수 있는 풍부한 도구와 기능을 제공합니다. 이 문서에서는 Python에서 빠르고 효율적으로 데이터 분석을 수행하는 데 사용할 수 있는 일반적인 pandas 작업과 함수에 대한 치트시트를 제공합니다.

import pandas as pd

Pandas 라이브러리를 가져온 후에는 다음 작업과 함수를 사용하여 일반적인 데이터 분석 작업을 수행할 수 있습니다.

• pd.read_csv(filename): CSV 파일에서 데이터를 로드합니다.
• data.head(): 데이터 프레임의 처음 몇 행을 봅니다.
• data.tail(): 데이터 프레임의 마지막 몇 행을 봅니다.
• data.describe(): 숫자 열에 대한 요약 통계를 계산합니다.
• data.info(): 데이터 프레임의 데이터 유형과 메모리 사용량을 확인합니다.
• data.columns: 데이터 프레임의 열을 봅니다.
• data['column']: 데이터 프레임의 열을 선택합니다.
• data.loc[row_index]: 인덱스를 기준으로 데이터 프레임의 행을 선택합니다.
• data.iloc[row_index]: 위치를 기준으로 데이터 프레임의 행을 선택합니다.
• data.dropna(): 값이 누락된 행을 삭제합니다.
• data.fillna(value): 누락된 값을 주어진 값으로 채웁니다.
• data.rename(columns={'old': 'new'}): 데이터 프레임의 열 이름을 바꿉니다.
• data.sort_values(by='column'): 열의 값을 기준으로 데이터 프레임을 정렬합니다.
• data.groupby('column')['column'].mean(): 열의 값으로 데이터 프레임을 그룹화하고 다른 열의 평균을 계산합니다.
• data.plot.hist(): 수치적 히스토그램을 그리다

LEGB Rule

• 파이썬 변수 scope 룰을 LEGB 룰이라고 불리기도 합니다.
• 변수가 값을 찾을 때, Local -> Enclosed -> Global -> Built-in
• local - 가장 가까운 함수안 범위 입니다.
• Enclosed - 파이썬은 함수 안에 함수가 정의 될수 있는데, 가장 가까운 함수가 아닌 두번째 이상의 함수 가까운 함수범위입니다.
• Global - 함수 바깥의 변수 또는 import된 module
• Built-in - 파이썬안에 내장되어 있는 함수 또는 속성들입니다.

>>> a = 5    # Global
>>> b = 10   # Global
>>> def outer():
...     a = 10  # outer함수의 local이며, inner함수의 Enclosed
...     def inner():
...             c=30 # inner 함수의 local
...             print(a, b, c)
...     inner()
...     a = 22  # outer함수의 local이며, inner함수의 Enclosed
...     inner()
... 
>>> outer()
10 10 30  
22 10 30