Python FastAPI構建數(shù)據(jù)科學應用Building Data Science Appl

第1章 快速入門:基礎知識 / 1
第一部分Python和FastAPI 概述
第1章Python開發(fā)環(huán)境設置3
1.1技術要求3
1.2使用pyenv安裝Python發(fā)行版3
1.3創(chuàng)建Python虛擬環(huán)境5
1.4使用pip安裝Python包7
1.5安裝HTTPie命令行實用程序7
1.6總結(jié)9
第2章Python 編程特性10
2.1技術要求10
2.2Python編程基礎10
2.2.1運行Python腳本11
2.2.2縮進問題12
2.2.3使用內(nèi)置的類型13
2.2.4使用數(shù)據(jù)結(jié)構：列表、元組、字典和集合13
2.2.5執(zhí)行布爾邏輯并檢查是否存在17
2.2.6程序控制流19
2.2.7定義函數(shù)21
2.2.8編寫及使用包和模塊23
2.3列表解析和生成器25
2.3.1列表解析25
2.3.2生成器27
2.4編寫面向?qū)ο蟮某绦?8
2.4.1定義類29
2.4.2實現(xiàn)魔法函數(shù)30
2.4.3重用邏輯并使用繼承避免重復33
2.5使用mypy進行類型提示和類型檢查36
2.5.1開始36
2.5.2typing模塊37
2.5.3可調(diào)用的類型函數(shù)簽名39
2.5.4Ang和cast40
2.6異步I/O41
2.7總結(jié)44
第3章使用FastAPI開發(fā)RESTful API45
3.1技術要求45
3.2創(chuàng)建第一個端點并在本地運行45
3.3處理請求參數(shù)48
3.3.1路徑參數(shù)48
3.3.2查詢參數(shù)53
3.3.3主體數(shù)據(jù)54
3.3.4表單數(shù)據(jù)和文件上傳58
3.3.5Header和Cookie62
3.3.6請求對象64
3.4自定義響應65
3.4.1路徑操作參數(shù)65
3.4.2響應參數(shù)69
3.4.3引發(fā)HTTP錯誤73
3.4.4構建自定義響應75
3.5使用多個路由器構建一個更大的項目78
3.6總結(jié)81
目錄Python FastAPI構建數(shù)據(jù)科學應用第4章在FastAPI中管理Pydantic數(shù)據(jù)模型82
4.1技術要求82
4.2使用Pydantic定義模型及字段類型82
4.2.1標準字段類型83
4.2.2可選字段和默認值87
4.2.3字段驗證88
4.2.4動態(tài)默認值89
4.2.5使用Pydantic類型驗證郵件地址和URL90
4.3使用類繼承創(chuàng)建模型變量92
4.4使用Pydantic添加自定義數(shù)據(jù)驗證94
4.4.1在字段級別上應用驗證94
4.4.2在對象級別上應用驗證95
4.4.3在Pydantic解析之前應用驗證96
4.5使用Pydantic對象96
4.5.1將對象轉(zhuǎn)換為字典97
4.5.2從子類對象創(chuàng)建實例98
4.5.3使用部分實例更新一個實例100
4.6總結(jié)101
第5章FastAPI中的依賴注入102
5.1技術要求102
5.2什么是依賴注入102
5.3創(chuàng)建和使用函數(shù)依賴項103
5.4創(chuàng)建和使用具有類的參數(shù)化依賴項107
5.5在路徑、路由器和全局級別使用依賴項110
5.5.1在路徑裝飾器上使用依賴項110
5.5.2在整個路由器上使用依賴項111
5.5.3對整個應用程序使用依賴項112
5.6總結(jié)114
第二部分使用FastAPI構建和部署完整的Web后端
第6章數(shù)據(jù)庫和異步ORM117
6.1技術要求117
6.2關系數(shù)據(jù)庫和NoSQL數(shù)據(jù)庫118
6.2.1關系數(shù)據(jù)庫118
6.2.2NoSQL數(shù)據(jù)庫119
6.2.3選擇最佳數(shù)據(jù)庫120
6.3使用SQLAlchemy與SQL數(shù)據(jù)庫通信121
6.3.1創(chuàng)建表架構122
6.3.2連接到數(shù)據(jù)庫123
6.3.3進行插入查詢124
6.3.4進行選擇查詢125
6.3.5進行更新和刪除查詢127
6.3.6添加關系128
6.3.7用Alembic建立數(shù)據(jù)庫遷移系統(tǒng)131
6.4使用Tortoise ORM與SQL數(shù)據(jù)庫通信135
6.4.1創(chuàng)建數(shù)據(jù)庫模型135
6.4.2設置Tortoise引擎137
6.4.3創(chuàng)建對象138
6.4.4獲取和過濾對象139
6.4.5更新和刪除對象140
6.4.6添加關系141
6.4.7用Aerich建立數(shù)據(jù)庫遷移系統(tǒng)144
6.5使用Motor與MongoDB數(shù)據(jù)庫通信146
6.5.1創(chuàng)建與MongoDB ID兼容的模型146
6.5.2連接到數(shù)據(jù)庫147
6.5.3插入文檔148
6.5.4獲取文件149
6.5.5更新和刪除文檔151
6.5.6嵌套文檔152
6.6總結(jié)153
第7章FastAPI中的管理認證與安全性154
7.1技術要求154
7.2FastAPI中的安全依賴關系154
7.3在數(shù)據(jù)庫中安全地存儲用戶及其密碼157
7.3.1創(chuàng)建模型和表158
7.3.2哈希密碼159
7.3.3實施注冊路線159
7.4檢索用戶并生成訪問令牌160
7.4.1實現(xiàn)數(shù)據(jù)庫訪問令牌(access token)160
7.4.2實現(xiàn)登錄端點161
7.5使用訪問令牌保護端點164
7.6配置CORS并防止CSRF攻擊165
7.6.1在FastAPI中進行配置CORS166
7.6.2實現(xiàn)doublesubmit Cookie以防止CSRF攻擊171
7.7總結(jié)175
第8章在FastAPI中為雙向交互通信定義WebSocket176
8.1技術要求176
8.2了解使用WebSocket進行雙向通信的原理177
8.3使用FastAPI創(chuàng)建WebSocket177
8.3.1處理并發(fā)性180
8.3.2使用依賴項182
8.4處理多個WebSocket連接和廣播消息184
8.5總結(jié)190
第9章使用pytest和HTTPX異步測試API191
9.1技術要求191
9.2使用pytest進行單元測試192
9.2.1使用參數(shù)生成測試194
9.2.2通過創(chuàng)建fixture重用測試邏輯195
9.3使用HTTPX為FastAPI設置測試工具198
9.4為REST API端點編寫測試201
9.4.1為POST端點編寫測試202
9.4.2使用數(shù)據(jù)庫進行測試203
9.5為WebSocket端點編寫測試209
9.6總結(jié)211
第10章部署FastAPI項目213
10.1技術要求213
10.2設置和使用環(huán)境變量213
10.3管理Python依賴項217
10.4在無服務器平臺上部署FastAPI應用程序220
10.5使用Docker部署FastAPI應用程序223
10.5.1編寫Dockerfile223
10.5.2構建Docker映像225
10.5.3在本地運行Docker映像225
10.5.4部署Docker映像226
10.6在傳統(tǒng)服務器上部署FastAPI應用程序227
10.7總結(jié)228
第三部分使用Python和FastAPI構建數(shù)據(jù)科學API
第11章NumPy和pandas簡介231
11.1技術要求231
11.2NumPy入門231
11.2.1創(chuàng)建數(shù)組232
11.2.2訪問元素和子數(shù)組234
11.3使用NumPy操作數(shù)組：計算、聚合、比較236
11.3.1數(shù)組的加法和乘法238
11.3.2聚合數(shù)組:總和、最小值、最大值、平均值等239
11.3.3數(shù)組比較239
11.4pandas入門240
11.4.1使用pandas Series獲取一維數(shù)據(jù)240
11.4.2使用pandas DataFrame獲取多維數(shù)據(jù)242
11.4.3導入和導出CSV數(shù)據(jù)244
11.5總結(jié)245
第12章使用scikitlearn訓練機器學習模型246
12.1技術要求246
12.2什么是機器學習246
12.2.1監(jiān)督學習與無監(jiān)督學習247
12.2.2模型驗證247
12.3scikitlearn的基礎知識249
12.3.1訓練模型和預測249
12.3.2使用pipeline鏈接預處理器和估計器251
12.3.3通過交叉驗證驗證模型255
12.4使用樸素貝葉斯模型對數(shù)據(jù)進行分類255
12.4.1原理256
12.4.2使用高斯樸素貝葉斯對數(shù)據(jù)進行分類256
12.4.3使用多項式樸素貝葉斯對數(shù)據(jù)進行分類259
12.5使用支持向量機對數(shù)據(jù)進行分類260
12.5.1原理260
12.5.2支持向量機在scikitlearn中的應用262
12.5.3查找最佳參數(shù)263
12.6總結(jié)265
第13章使用FastAPI創(chuàng)建高效的預測API端點266
13.1技術要求266
13.2使用Joblib持久化經(jīng)過訓練的模型266
13.2.1拋棄已訓練的模型267
13.2.2加載轉(zhuǎn)儲模型268
13.3實現(xiàn)高效的預測端點269
13.4使用Joblib緩存結(jié)果271
13.5總結(jié)275
第14章使用帶FastAPI和OpenCV的WebSockets實現(xiàn)人臉實時檢測系統(tǒng)277
14.1技術要求277
14.2OpenCV入門277
14.3實現(xiàn)HTTP端點以對單個圖像執(zhí)行人臉檢測280
14.4實現(xiàn)WebSocket以對圖像流執(zhí)行人臉檢測282
14.5在WebSocket中從瀏覽器發(fā)送圖像流284
14.6在瀏覽器中顯示人臉檢測結(jié)果287
14.7總結(jié)290