Just Python

builtins.exec exec выполняет переданный код в виде строки как Python-скрипт. Это полезно для генерации и исполнения динамического кода, создания DSL или запуска кода из внешних источников (например, конфигураций). #theory // Just Python

🧐 Ты когда-нибудь задумывался: - Почему одни люди годами работают за 50 000 ₽, а другие через 2-3 месяца учёбы получают офферы на 150 000+? - Как некоторые выходят на фриланс и выбирают проекты, а не ждут, пока их наймут? - Почему в IT даже новички могут позволить себе переезд в другую страну или ипотеку со льготной ставкой? Ответ прост: они выбрали правильное направление с самого начала. SkillFactory знает, как это сделать. Не гадайте на кофейной гуще — пройдите точный тест из 18 вопросов, который уже помог 10 000+ человек: ☑️ 5 минут — и алгоритм покажет, какая IT- или дизайн-специальность подходит именно вам. ☑️ Бесплатно — сразу после теста: карьерный гайд + разбор ваших сильных сторон. ☑️ Без воды — только актуальные профессии 2025 года с реальными зарплатами. 👉 "Но разве можно выбрать профессию за 5 минут?" Можно, если вопросов ровно столько, чтобы отсечь всё лишнее. Попробуйте — ссылка на тест. Реклама. Информация о рекламодателе по ссылкам в посте.

Полезная фишка в OpenCV. Для конвертации из условного BGR в RGB с формой [1, 1, 3] в разы быстрее работает нативная функция cv2.cvtColor. Нежели решейп через numpy.flip. И это не так явно, потому что кажется, что Numpy и его методы должны быть куда более производительными. Но это не так, а причина заключается в том, как OpenCV работает с многомерными массивами. Для него это не ndarray, а cv::Mat. Подробнее можете прочитать здесь. Так что на будущее — пользуйтесь решейпами и т.д. через OpenCV, а не через методы Numpy. #theory // Just Python

⚡️Уже через 5 ДНЕЙ мы подведём итоги масштабного розыгрыша среди наших подписчиков — победители получат сразу три новых iPhone 16! Самое время подписаться на @economica, @mosbusy и @ruble30 и нажать «Учавствую!» под этим постом, если вы ещё этого не сделали. Результаты уже 25 апреля в 18:00!

Как работать с кортежами? Почему когда мы создаем кортеж из одного элемента нам выводит строку? Все дело - в запятой. Сами по себе скобки ничего не значат, точнее, значат то, что внутри них находится одна инструкция, которая может быть отделена пробелами, переносом строк и прочим мусором. Но все же не увлекайтесь, и ставьте скобки, тем более, что бывают случаи, когда скобки необходимы. Еще можно создать кортеж из итерируемого объекта можно с помощью все той же пресловутой функции tuple()

Зачем нужны кортежи, если есть списки? На это есть несколько причин. Во первых, это защита от дурака. То есть кортеж защищен от изменений, как намеренных (что плохо), так и случайных (что хорошо). Во вторых, кортежи меньше размером чем списки. Это существенный плюс при работе с большими программами. В третьих, это возможность использовать кортежи в качестве ключей словаря. #theory // Just Python

Дерево решений: Часть 1 Дерево решений — это модель, которая принимает решения, двигаясь по ветвям дерева от корня к листьям. На каждом узле происходит проверка: например, «если возраст > 30 — идём направо, иначе налево». Так шаг за шагом дерево делит данные на подгруппы, пока не придёт к финальному решению: в регрессии — числовое значение, в классификации — метка класса. Модель выглядит почти как блок-схема, и ты можешь буквально прочитать, почему она приняла то или иное решение. В Python всё это делается через sklearn.tree.DecisionTreeClassifier или DecisionTreeRegressor. Параметр max_depth — это ограничение на глубину дерева. Без него дерево может продолжать делиться, пока не переобучится подчистую. Всегда важно следить за глубиной, количеством листьев (max_leaf_nodes) и минимальным числом объектов в узле (min_samples_split) — это всё способы контроля переобучения. Разъяснивший Python

Как присвоить несколько переменных в одну строку? Иногда нужно сразу задать значения нескольким переменным. Новички делают это в несколько строк, что выглядит громоздко. Но Python поддерживает удобную конструкцию множественного присваивания — коротко, читаемо и эффективно! С помощью этой фичи можно сразу задать значения, поменять переменные местами или распаковать кортеж — всё в одной строке. Итог: Множественное присваивание упрощает код. Позволяет присваивать значения сразу нескольким переменным. Удобно для обмена значениями и распаковки структур. #theory // Just Python

importlib.util.find_spec importlib.util.find_spec позволяет узнать, можно ли импортировать модуль, не загружая его. Это полезно для проверки наличия зависимостей, динамической загрузки и построения систем плагинов. #theory // Just Python

⚙️ importlib.util.find_spec importlib.util.find_spec позволяет узнать, можно ли импортировать модуль, не загружая его. Это полезно для проверки наличия зависимостей, динамической загрузки и построения систем плагинов. Python Learning 👩‍💻

itertools.starmap itertools.starmap применяет функцию к элементам итерируемого объекта, распаковывая аргументы из кортежей. Это полезно для операций с несколькими аргументами без лямбд и циклов. Разъяснивший Python

Нашли для вас крупную базу материалов по IT на любой вкус. Всё как мы любим — подробно, бесплатно и по полочкам: 🖥 Python: 1527+ материалов └ Фреймворки: 930+ материалов └ Библиотеки: 715+ материалов 🖥 Frontend: 1494+ материалов └ CSS: 855+ материалов └ JavaScript: 739+ материалов └ Фреймворки: 638+ материалов 🖥 Backend: 1650+ материалов └ Разработка: 1005+ материалов └ DevOps: 883+ материалов └ SQL и БД: 787+ материалов 🎨 Дизайн: 1120+ материалов └ Figma: 855+ материалов └ Photoshop: 725+ материалов 📖 Книги по IT: 1725+ материалов └ Курсы: 828+ материалов └ Программы: 539+ материалов Публикуем ссылки только на 48 часов — успейте ознакомиться, пока не снесли!⏲️

ElasticNet Минус Lasso в том, что если признаки сильно скоррелированы между собой, она может случайно “выбрать” только один из них и проигнорировать остальные, даже если они тоже информативны. В таких случаях часто используют ElasticNet — это гибрид L1 и L2. Параметр l1_ratio регулирует баланс между L1 и L2. 0.0 — чистый Ridge. 1.0 — чистый Lasso. 0.5 — пополам. #theory // Just Python

Bottle — это мини-фреймворк для Python, позволяющий писать веб-приложения с высокой скоростью, и он представлен в виде одного файла bottle.py, так что для его работы достаточно только этого файла. Мы все обожаем примеры, поэтому вот код для начала работы с Bottle:

from bottle import route, run, template

@route('/hello/<name>')
def index(name):
    return template('<b>Hello {{name}}</b>!', name=name)

run(host='localhost', port=8080)

Здесь мы создали веб сервер по адресу localhost с портом 8080. Вы можете изменить текст "Hello {{name}}" на любой другой текст. Чтобы проверить его работу, просто перейдите по ссылке http://localhost:8080/hello/world. После этого вы увидите на экране "Hello World". Повторюсь, Bottle распространяется в виде одного файла-модуля и не имеет никаких зависимостей, кроме стандартной библиотеки Python. Официальная документация только на английском Русская документация #theory // Just Python

Ловушка с аргументами *args и **kwargs без передачи дальше В Python *args и **kwargs часто используются для гибкости, но ошибка — принимать их и не передавать дальше в базовые классы или функции. Это «глотает» параметры и может ломать поведение программы. Всегда передавайте *args и **kwargs, если не уверены, что они вам не нужны. #theory // Just Python

⚡️ Разыгрываем сразу 3 новеньких iPhone 16! Отличный вариант получить свежайшие гаджеты просто за то, что читаете нас! Для участия нужно: 1. Быть подписанным на The Экономист, Москоубизнес и Доллар по тридцать. 2. Нажать «Участвую!» под этим постом. Итоги подведём 25 апреля в 18:00 случайным образом при помощи бота. Девайсы за свой счёт застрахуем и отправим победителям в любую точку мира. Всем удачи!

NumPy, часть 4: linalg Теперь же мы приступим к более серьёзным вещам, которые есть в NumPy. Первый на очереди у нас модуль numpy.linalg, позволяющий делать многие операции из линейной алгебры. Массивы большей размерности в большинстве функций linalg интерпретируются как набор из нескольких массивов нужной размерности. Таким образом, можно одним вызовом функции проделывать операции над несколькими объектами. #theory // Just Python

NumPy, часть 4: linalg Теперь же мы приступим к более серьёзным вещам, которые есть в NumPy. Первый на очереди у нас модуль numpy.linalg, позволяющий делать многие операции из линейной алгебры. Массивы большей размерности в большинстве функций linalg интерпретируются как набор из нескольких массивов нужной размерности. Таким образом, можно одним вызовом функции проделывать операции над несколькими объектами. #theory // Just Python

Как создать свой чат-бот и начать зарабатывать? На cайте университета Зерокодер открыли запись на бесплатный онлайн-практикум, где разберут процесс создания востребованных чат-ботов — от простых помощников до проектов, за которые готовы платить по ₽100 000. Главное: – Не нужен опыт в программировании; – Расскажут стратегию выхода на стабильный доход; – Дадут доступ к вакансиям для разработчиков чат-ботов; – Покажут конкретные кейсы и как их искать; – Обучат взаимодействию с нейросетями для упрощения работы. Чтобы освоить перспективную IT-профессию открываем ссылку и бронируем место на эфир. erid: 2W5zFGXmir4 ООО Зерокодер, ИНН 9715401631

NumPy, часть 3: random Есть несколько способов работы с случайными элементами в NumPy. Путь первый это создавать списки, используя встроенный модуль random, а затем преобразовывать их в numpy.array. Второй путь это создание массивов. Самый простой способ задать массив со случайными элементами - использовать функцию sample (или random, или random_sample, или ranf - это всё одна и та же функция). #theory // Just Python