- 本书赞誉
- 前言
- 目标读者
- 不适合阅读本书的读者
- 本书结构
- 什么是数据处理
- 遇到困难怎么办
- 排版约定
- 使用代码示例
- 致谢
- 第 1 章 Python 简介
- 第 2 章 Python 基础
- 第 3 章 供机器读取的数据
- 第 4 章 处理 Excel 文件
- 第 5 章 处理 PDF 文件 以及用 Python 解决问题
- 第 6 章 数据获取与存储
- 第 7 章 数据清洗:研究、匹配与格式化
- 第 8 章 数据清洗:标准化和脚本化
- 第 9 章 数据探索和分析
- 第 10 章 展示数据
- 第 11 章 网页抓取:获取并存储网络数据
- 第 12 章 高级网页抓取:屏幕抓取器与爬虫
- 第 13 章 应用编程接口
- 第 14 章 自动化和规模化
- 第 15 章 结论
- 附录 A 编程语言对比
- 附录 B 初学者的 Python 学习资源
- 附录 C 学习命令行
- 附录 D 高级 Python 设置
- 附录 E Python 陷阱
- 附录 F IPython 指南
- 附录 G 使用亚马逊网络服务
- 关于作者
- 关于封面
文章来源于网络收集而来,版权归原创者所有,如有侵权请及时联系!
14.9 没有万无一失的系统
正如本章讨论的那样,完全依赖于任何系统都是鲁莽的,应该避免。无论你的脚本或系统看起来多么完美无缺,都会在一些时间点失败。如果你的脚本依赖于其他的系统,它们可能在任何时间点失败。如果你的脚本包含来自 API、服务或网站的数据,有可能 API 或网站会改变或崩溃,以致需要维修,或者可能会发生任意数量的其他事件,导致自动化失败。
如果一个任务是绝对的关键任务,就不应该自动化。你可以自动化其中的一部分或绝大部分,但是它总是需要高度的监督和工作人员来确保它没有失败。如果这很重要,但不是最重要的部分,对这一部分的监控和警报应该反映出它的重要程度。
随着深入数据处理和自动化,你会花费越来越少的时间构建高质量的任务和脚本,更多的时间会花费在解决问题、关键问题的思考以及应用分析领域的方法论和领域知识到工作中。自动化可以帮助你做这些事情,但是对于自动化什么重要任务以及如何自动化,持谨慎的态度总是好的。
随着自动化程序的成熟和发展,你不仅改进了自动化程序,让它有更好的伸缩性,同时增加了对代码库、Python 以及数据与报告的理解。
如果你对这篇内容有疑问,欢迎到本站社区发帖提问 参与讨论,获取更多帮助,或者扫码二维码加入 Web 技术交流群。
绑定邮箱获取回复消息
由于您还没有绑定你的真实邮箱,如果其他用户或者作者回复了您的评论,将不能在第一时间通知您!
发布评论