Добро пожаловать в мир Python

Делаем Python в 100 раз быстрее, используя менее 100 строк Rust Некоторое время назад в $work у нас возникла проблема с производительностью одной из наших основных библиотек Python. Именно эта библиотека составляет основу нашего конвейера 3D-обработки. Это довольно большая и сложная библиотека, которая использует NumPy и другие научные пакеты Python для выполнения широкого спектра математических и геометрических операций. Нашей системе также приходится работать в режиме реального времени с ограниченными ресурсами процессора, и хотя поначалу она работала хорошо, по мере роста числа одновременных физических пользователей мы начали сталкиваться с проблемами, и наша система с трудом справлялась с нагрузкой. Мы пришли к выводу, что нам необходимо сделать нашу систему как минимум в 50 раз быстрее, чтобы справляться с возросшей рабочей нагрузкой, и мы решили, что Rust может помочь нам достичь этого. Поскольку проблемы с производительностью, с которыми мы столкнулись, довольно распространены, мы можем воссоздать и решить их прямо здесь, в (не такой уж короткой) статье. Итак, выпейте чашечку чая (или кофе), и я расскажу вам (а) об основной проблеме и (б) о нескольких вариантах оптимизации, которые мы можем применить для решения этой проблемы. https://ohadravid.github.io/posts/2023-03-rusty-python/

Создайте свой собственный язык программирования с помощью Python Представьте, что вы можете создать свой собственный язык программирования с нуля. Способность спроектировать и создать язык, адаптированный к вашему собственному видению и спецификациям, является невероятным достижением для любого программиста. https://www.freecodecamp.org/news/create-your-own-programming-language-using-python/

Руководство по NumPy: очень простой способ выучить его за 10 минут Во-первых, вы узнаете, что такое NumPy и почему это важно. Затем мы покажем вам, как установить его с помощью pip. Далее вы узнаете, как создавать массивы и получать доступ к их атрибутам . Мы также рассмотрим основные операции с массивами , индексирование и нарезку . Но это еще не все — вы также узнаете о передовых методах работы с массивами , а также о том , как генерировать случайные числа и выполнять основные статистические функции . Короче говоря, это руководство охватывает все, что вам нужно знать, чтобы начать работу с NumPy. А если вы заинтересованы в изучении более продвинутых функций, мы предоставляем ссылки на официальную документацию по NumPy и другие ресурсы . Итак, не пора ли вам добавить NumPy в свой набор инструментов для обработки данных ? С этим руководством вы можете сделать это всего за 10 минут! https://pub.towardsai.net/numpy-guide-super-simple-way-to-learn-it-in-10-minutes-d382ff45e215

Полное руководство по тестированию приложений Django Это пошаговое руководство будет практическим, будет включать примеры, фрагменты кода, распространенные варианты использования и придерживаться лучших практик, заложенных в Django Foundation и Python. https://atharvashah.netlify.app/posts/tech/django-testing-guide/?utm_campaign=Software%2BTesting%2BWeekly&utm_medium=web&utm_source=Software_Testing_Weekly_175

20 встроенных библиотек Underdog Python, которые заслуживают гораздо большего внимания Большинство людей думают, что массовое доминирование Python связано с его мощными пакетами, такими как NumPy, Pandas, Sklearn, XGBoost и т. д. Это сторонние пакеты, написанные профессиональными разработчиками, часто с помощью других более быстрых языков программирования, таких как C, Java или C++. . Таким образом, один из слабых аргументов, которые ненавистники могут привести против Python, заключается в том, что он не станет таким популярным, как только вы избавитесь от всей славы, которую приносят эти сторонние пакеты. Я здесь, чтобы сказать обратное и показать, что стандартный Python уже достаточно мощен, чтобы составить серьезную конкуренцию любому языку. Я предлагаю вашему вниманию 20 легковесных пакетов, которые встроены в вашу установку Python и находятся всего в одной строке от того, чтобы быть выпущенными. https://pub.towardsai.net/20-underdog-python-built-in-libraries-that-deserve-much-more-attention-6ff35baeb06c

Шесть удивительных неизвестных библиотек Python Последние два года я активно использую Python. В результате я всегда ищу замечательные библиотеки, которые могут улучшить мою работу в проектах Data Engineering и Business Intelligence. https://medium.com/@Divithraju/six-amazing-unknown-python-libraries-c7bdad6b4472

Устали тратить часы на утомительные офисные задачи? В этом видео мы покажем вам, как использовать ChatGPT и Python для автоматизации некоторых из этих скучных задач. Мы рассмотрим автоматизацию Outlook, создание презентаций PowerPoint, создание диаграмм на основе данных Excel и работу с PDF-файлами. https://www.youtube.com/watch?v=mCk4Rabkmjc&t=182s Код и файлы можно найти здесь: https://github.com/Sven-Bo/automate-office-tasks-using-chatgpt-python Сайт со ссылками на все подсказки ChatGPT: https://automate-office-chatgpt.streamlit.app/

Messaging для чайников. Утилизируем все возможности RabbitMQ на Python. Всем привет! Так уж получилось, что совсем недавно, в процессе написания документации для проекта, мне пришлось перерыть всю официальную документацию RabbitMQ и тонну статей разного качества на тему разных видов маршрутизации в этом брокере. Оказалось, что материала на эту тему много, но он либо объясняет совсем базовые случаи, либо уходит в такие дебри, которые крайне далеки и тяжелы для человека, который хочет "просто разобраться". Простых и понятных примеров на Python тоже мало, так как они заставляют вас вникать не только в особенности различных вариантов маршрутизации RabbitMQ, но и в особенности используемых библиотек. Для человека, который видит что-то pika-подобное первый раз, это может быть испытанием. Поэтому я и решил написать эту статью: она нацелена на "чайников" - вы легко можете показать ее вашим джунам, и этого уже должно быть достаточно для начала работы с RabbitMQ. Примеры в статье будут приведены с использованием фреймворка Propan, чтобы не утруждать джуновский мозг лишними деталями установления соединения, канала и тд. Поехали https://habr.com/ru/articles/743192/

Как создать индикатор выполнения в Python Индикаторы выполнения считаются важными элементами разработки программного обеспечения, поскольку они обеспечивают обратную связь относительно хода выполнения операций и задач. Поэтому в этом посте мы рассмотрели несколько техник создания индикаторов выполнения в Python . Мы рассмотрим несколько методов, от традиционных подходов на основе текста до использования сторонних библиотек и реализации пользовательских подходов. Следуя рекомендациям и добавляя расширенные функции, вы можете создавать интерактивные и информативные индикаторы выполнения, которые также могут улучшить взаимодействие с пользователем. https://www.geeksveda.com/python-progress-bar/

Терминология Python Неофициальная версия глоссария Python ( официальный глоссарий ), предназначенная для обычных пользователей Python. Определения в приведенном ниже глоссарии являются разговорными, и некоторые из этих терминов никогда не появляются в официальной документации Python. https://www.pythonmorsels.com/terms/

116 историй, которые нужно узнать о парсинге веб-страниц Давайте узнаем о парсинге веб-страниц с помощью этих 116 бесплатных историй. Они упорядочены по наибольшему времени чтения, созданного на HackerNoon. https://hackernoon.com/116-stories-to-learn-about-web-scraping?source=rss

Написание приложения чата в Django 4.2 с использованием асинхронного StreamingHttpResponse, Server-Sent Events и PostgreSQL LISTEN/NOTIFY https://valberg.dk/django-sse-postgresql-listen-notify.html

Вам не нужно 20 графических процессоров для точной настройки большой языковой модели. Lit-Parrot — это библиотека Python, которая позволяет точно настроить последнюю модель 7B Falcon с помощью 1 gpu https://github.com/Lightning-AI/lit-parrot

Zehef — это инструмент osint для отслеживания электронной почты. https://github.com/N0rz3/Zehef

Подсказка типов в Python: Совместимость типов Duck и Consistent-With Вам не нужно указывать int, когда вы указываете float, или namedtuple, когда вы указываете tuple. Почему? https://towardsdatascience.com/python-type-hinting-duck-type-compatibility-and-consistent-with-72e8b348d8ac

v3 — делаем OpenCV питоничным. cv3 - это более питоничный интерфейс к OpenCV. Он упрощает работу с этой библиотекой, расширяет его синтаксические возможности, а также ускоряет исследования в области компьютерного зрения и выполнение задач по обработке изображений, при этом сохраняя гибкость и функциональность OpenCV. Читать далее https://habr.com/ru/articles/741296/