Python RU

Приглашаем на митап по Pytup в Новосибирске 19 августа проведем уютный митап по Python! Регистрация уже открыта! Мы решили познакомиться с сообществом разработчиков Новосибирска, поэтому проведем мероприятие для максимально широкой аудитории: от джунов до сеньоров и техлидов. Обсудим последние новости языка, поделимся кейсами и практическими решениями, поговорим про ML и науку. В программе: 🔸Сергей Яхницкий, разработчик, Яндекс Такси Новости из мира Python: PEP, которые изменят ваш мир 🔸Кузьма Лешаков, архитектор платформы данных, Yandex Cloud Решаем задачу триггера в событийно-ориентированной архитектуре 🔸Кристина Климовских, разработчик, 2GIS Про тестирование зоопарка парсеров 🔸Михаил Иванов, Python-разработчик, Контур Python на производстве: опыт, проблемы и решения 🔼 Для вашего удобства подготовили карточки с классными спикерами, которые выступят с докладами на нашем митапе. 19 августа встречаемся в Новосибирске и на онлайн-трансляции. Узнать подробности и зарегистрироваться можно тут. ℹ️ Подписывайтесь на чат митапа: @Pytup

Универсальный рецепт по написанию и аннотированию декораторов Python. https://www.youtube.com/watch?v=2n2zdpr1F-I @pro_python_code

🖥 Руководство по модулю Python itertools Что такое itertools? Itertools  — это Python-модуль, который предоставляет набор функций для работы с итерируемыми объектами. Итерируемый объект — это любой объект, предоставляющий возможность пройти по своим элементам, например список, кортеж и словарь. Itertools позволяет выполнять стандартные операции с итерируемыми объектами, такие как фильтрация, группировка и объединение. Модуль Itertools предоставляет несколько функций, позволяющих манипулировать итерируемыми объектами. Рассмотрим подробнее наиболее полезные функции itertools. 1. permutations(): эта функция возвращает все возможные перестановки итерируемого объекта с уникальным расположением элементов в итераторе. Ввод: import itertools letters = ['a', 'b', 'c'] perms = itertools.permutations(letters) for perm in perms: print(perm) Вывод: ('a', 'b', 'c') ('a', 'c', 'b') ('b', 'a', 'c') ('b', 'c', 'a') ('c', 'a', 'b') ('c', 'b', 'a') 2. combinations(): эта функция возвращает все возможные комбинации элементов в итерируемом объекте, не повторяя в итераторе ни одной из комбинаций. Если указан опциональный аргумент r, будут возвращены только комбинации длины r. Ввод: import itertools numbers = [1, 2, 3, 4] combs = itertools.combinations(numbers, 2) for comb in combs: print(comb) Вывод: (1, 2) (1, 3) (1, 4) (2, 3) (2, 4) (3, 4) 3. product(): эта функция возвращает декартово произведение итерируемых объектов. Получаемый итератор содержит кортежи, каждый из которых формируется путем отбора по одному элементу из каждого итерируемого объекта. Если указан опциональный аргумент repeat, то входные итерируемые объекты повторяются указанное количество раз. Ввод: import itertools colors = ['red', 'green', 'blue'] sizes = ['small', 'medium', 'large'] combos = itertools.product(colors, sizes) for combo in combos: print(combo) Вывод: ('red', 'small') ('red', 'medium') ('red', 'large') ('green', 'small') ('green', 'medium') ('green', 'large') ('blue', 'small') ('blue', 'medium') ('blue', 'large') 4. groupby(): эта функция группирует элементы в конкретном итерируемом объекте на основе значения, возвращаемого функцией key. Получаемый в результате итератор содержит кортежи, в каждом из которых первый элемент — ключ группировки, а второй — итератор по элементам в группе. Ввод: import itertools fruits = [{'name': 'apple', 'color': 'red'}, {'name': 'banana', 'color': 'yellow'}, {'name': 'orange', 'color': 'orange'}, {'name': 'pear', 'color': 'green'}, {'name': 'strawberry', 'color': 'red'}] fruits.sort(key=lambda x: x['color']) for color, group in itertools.groupby(fruits, lambda x: x['color']): print(color) for fruit in group: print(fruit['name']) Вывод: green pear orange orange red apple strawberry yellow banana 5. chain(): эта функция объединяет указанные итерируемые объекты в один итерируемый объект. Она возвращает итератор, в котором последовательно выполняется перебор элементов каждого итерируемого объекта. Ввод: import itertools colors = ['red', 'green', 'blue'] sizes = ['small', 'medium', 'large'] for item in itertools.chain(colors, sizes): print(item) Вывод: red green blue small medium large 6. count(): эта функция возвращает итератор, который производит бесконечную последовательность чисел, начиная с заданного начального значения и увеличивая на заданное значение шага. Ввод: import itertools for i in itertools.count(5, 2): print(i) if i > 15: break Вывод: 5 7 9 11 13 15 17 7. cycle(): эта функция возвращает итератор, который производит элементы конкретного итерируемого объекта многократно и бесконечно. Ввод: import itertools colors = ['red', 'green', 'blue'] for color in itertools.cycle(colors): print(color) Вывод: red green blue red green blue red ... 8. dropwhile(): эта функция возвращает итератор, который производит элементы конкретного итерируемого объекта после того, как функция-предикат в первый раз вернет False. 📌Читать дальше @pro_python_code

Привет! На связи команда исследователей Яндекс Практикума. Сейчас мы проводим исследование сценариев применения языка Python и их востребованность в индустрии. Цель исследования — оценить популярность определённых сценариев и профессиональные задачи, связанные с ними. Приглашаем принять участие в интервью, если вы ещё в процессе изучения или уже используете Python для: 🟢 Разработки ботов/чат-ботов; 🟢 Разработки/внедрения искусственного интеллекта; 🟢 Создания нейронных сетей. Будем рады пообщаться. 🙂 Встреча пройдёт в Зуме онлайн и займёт примерно 35-40 минут. Оставить свои контакты можно в форме по ссылке: https://forms.yandex.ru/surveys/13477270.ee5ef96186809e5464e3985668f1e1c2a328124b

🖥 Хакаем декоратоы на Python. Часть 1 🎞 Video @pro_python_code

🟡 This week's digest of useful content from the world of Python Дайджест полезных материалов из мира Python за неделю. Почитать: — Разработка событийно-ориентированных микросервисов с помощью Python — Бережем время, деньги, нервы: наш опыт улучшения справочника факторов для ML-моделей оценки риска. Часть 2 — Я люблю питон, и вот почему он меня бесит — Список популярных утечек с GitHub: Анализ репозиториев компаний — PyCon Russia 2023. Зона Python. Краткий обзор докладов — Менеджеры контекста в Python — Что происходит, когда запускаешь «Hello World» в Linux — Ускорение кода с помощью многопроцессорной обработки в Python — Руководство по созданию бота YouTube с помощью LangChain и Pinecone Vectorstore — Перехват FTP-пароля с помощью Python — Как Python использует сборку мусора для эффективного управления памятью — Converting An Image File Into PDF Using Python — Introducing Kids to Coding Through Tkinter: A Fun Path to Python's Graphical User Interfaces Посмотреть: 🌐 Методы сокращения и улучшения кода на Python 🌐 Продвинутые методы улучшения кода на Python 🌐 Создаем продвинутый интерфейс на Python 🌐 Harvard CS50’s Artificial Intelligence with Python – Full University Course Хорошего дня! @pythonl

🧑‍💻 Как стать инженером Python в 2023 году Требования к младшему Python-инженеру Вот общие требования, которые сегодня часто указывают в вакансиях для Python-инженеров. 1. Степень бакалавра в области компьютерных наук или смежной сфере. 2. 1–2 года опыта работы с Python и соответствующими библиотеками (такими как Django и Flask). 3. Знание технологий веб-разработки (HTML, CSS, JavaScript и т. д.). 4. Знание баз данных (SQL, MySQL, MongoDB и т. д.). 5. Владение ведущими практиками разработки программного обеспечения (контроль версий, тестирование, отладка и т. д.). 6. Высокий уровень навыков решения задач и критического мышления. 7. Умение работать в команде. 8. Развитые навыки письменной и устной коммуникации. Обсудим подробно самые важные требования. Глубокое знание Python Конечно, вы должны освоить Python. Но вопрос в том, насколько глубоко? Когда-то было достаточно изучить основные понятия и, возможно, один фреймворк, но все изменилось — теперь важно знать язык досконально. К примеру, вы должны быть готовы ответить на подобные вопросы: • На какой структуре данных основаны словари Python? • Как в Python решается проблема ромба? • В каком порядке будут выполняться несколько декораторов, примененные к одной функции? Вам следует знать Python как свои пять пальцев. Но дело не только в написании кода, а в написании оптимизированного кода. Вы должны профессионально оперировать генераторами списков и словарей, декораторами, прочими генераторами и т.д. Не забудьте и об алгоритмах — можете потренироваться на задачах Leetcode, чтобы отточить свои навыки. 📌 Продолжение

🐍5 удивительных скрытых возможностей Python. Часть 2 Скрытая функция 1: List Stepping Эта функция помогает выбирать с необходимым шаговым интервалом элементы из списка. Синтаксис здесь такой: list[start:end:step] • start: индекс первого контролируемого элемента в списке; • end: индекс первого элемента вне зоны контроля; • step: шаг сортировки. Предположим, есть список с числами от 0 до 9, необходимо выбрать только четные числа. Сделать это можно так: my_list: list = [0, 1, 2, 3, 4, 5, 6, 7, 8, 9] even_numbers: list = my_list[::2] # [0, 2, 4, 6, 8] Здесь мы не указываем начальный и конечный индексы. Поэтому Python считает стартовым первый элемент, а конечным — последний (т. е. весь список). Затем указываем шаг — 2. Поэтому Python начнет с первого элемента и вернет его (т. е. 0). Затем переместится на 2 шага (перейдет к 1, а затем к 2) и вернет результат (т. е. 2). Этот процесс повторяется до конца списка. ☝️Еще один мощный трюк с пошаговым списком — инвертированный список через отрицательную индексацию. my_list: list = [1, 2, 3, 4, 5] reversed_list: list = my_list[::-1] # [5, 4, 3, 2, 1] Скрытая функция 2: связывание операторов сравнения В программировании часто приходится выполнять множественные сравнения как часть логического потока. Предположим, есть переменная x, и мы хотим убедиться, что x больше 1, но меньше 10. Обычно делают что-то вроде: x: int = 5 condition1: bool = x > 1 # проверить, что х больше 1 condition2: bool = x < 10 # проверить, что х меньше 10 print(condition1 and condition2) # True Python позволяет объединить сравнения: x: int = 5 print(1 < x < 10) # True print(10 < x < 20) # False Также можно сделать что-то вроде: x: int = 5 print(5 == x > 4) # True print(x < 10 < x*10 < 100) # True Скрытая функция 3: комплексные/мнимые числа Всем, кто изучал математику, знакомо понятие комплексных чисел. Интересная особенность Python, о которой многие не подозревают, заключается в том, что он полностью поддерживает комплексные числа. В математике для представления комплексного числа обычно используют символ i. В Python мы используем j или вызываем функцию complex(). # Создание комплексных чисел z1 = 2 + 3j z2 = complex(4, -2) # (4 -2j) # Доступ к действительным и мнимым частям print(z1.real) # 2.0 print(z1.imag) # 3.0 # Арифметика с комплексными числа z3 = z1 + z2 # (6+1j) z4 = z1 * z2 # (14+8j) z5 = z1 / z2 # (0.1+0.8j) # Сопряжение комплексного числа z6 = z1.conjugate() # (2-3j) Скрытая функция 4: доступ к последнему результату по символу “_” Возможно, вы замечали, что многие программисты резервируют символ _ в качестве заполнителя некоторых переменных, которые не используются или не нужны в процессе выполнения программы. Между тем (и многие об этом не знают), по умолчанию Python присваивает результат последнего выполнения переменной этому символу _. x: int = 5 y: int = 99 x + y # 104 print(_) # 104 Скрытая функция 5: распаковка аргумента Предположим, есть некоторая произвольная функция: def my_sum(a, b, c): return a + b + c Есть список из 3 чисел, которые нужно передать функции. Обычно пишут: my_list = [1, 2, 3] result = my_sum(my_list[0], my_list[1], my_list[2]) print(result) # 6 Вместо этого в Python можно сделать так: result = my_sum(*my_list) print(result) # 6 Символ * распаковывает весь список и передает каждый элемент в качестве параметра функции. Далее также можно распаковать словарь с помощью **. # Пример распаковки аргумента словаря def my_func(a, b, c): print(f"a={a}, b={b}, c={c}") my_dict = {'a': 1, 'b': 2, 'c': 3} my_func(**my_dict)

🖥 Методы сокращения и улучшения кода на Python https://www.youtube.com/watch?v=3Glmlpe3dsg @pro_python_code

😎Самый модный в мире инженер — Data-инженер в толстовке от Слёрм. Именно такую мы дарим первым 10 студентам, которые поступят на курс «Data-инженер» ⚡️ Какая же она мягкая, стильная, как приятно будет начать работу по новой профессии. И такая другая будет только лишь у 9 других людей — настоящая лимитированная коллекция. Мы ведем за руку от азов профессии до уровня начинающего специалиста. На пути становления вам помогут: 👤Три senior-инженера. Если посчитать их общий рабочий стаж в IT, то получается 37 лет! 👨🏼‍💻Видеолекции. Спикеры рассматривают каждую тему в коротких видеоуроках. После каждого занятия будут идти практические задания и тесты — пройти теорию и сразу закрепить её. 💭Работа в групповом чате. Вы будете проходить материал не в гордом одиночестве, а вместе с другими студентами. Всех вас мы соберем в одном чате в Telegram: здесь можно будет поделиться инсайтом, задать вопрос кураторам и спикерам курса. 🤝Встречи со спикерами. После каждого тематического блока спикеры курса готовы будут встретиться с вами и обсудить возникшие сложности. 🗒Практические задания. Они будут идти после каждого модуля. Это небольшие задачки, с которыми можно закрепить теорию. 📎Учебный проект от спикеров. Это задания, которые будут идти по нарастающей — после каждого учебного блока будет добавляться новый пункт, который вам необходимо будет добавить в проект. 📈Финальный проект. Его вы можете выполнить как на своих данных, так и на информации из открытых источников. По финальному проекту наши спикеры дадут вам подробную обратную связь. Подробную программу курса можно увидеть на нашем сайте ✨

🖥 pdlist. A passive subdomain finder Сборщик поддоменов, написанный на python. Этот инструмент можно эффективно использовать для сбора информации о домене, не посылая ни одного пакета ни на один из узлов сайта. git clone https://github.com/gnebbia/pdlist cd pdlist pip install -r requirements.txt python setup.py install ▪Github #infosec #pentesting #bugbounty @pro_python_code

⚡️Маст-хэв список для программистов, каналы с последними книжными новинками, библиотеками, разбором кода и актуальной информацией, связанной с вашим языком программирования. Лучший способ получать свежие обновлении и следить за трендами в разработке. Машинное обучение: t.me/ai_machinelearning_big_data Python: t.me/pythonl C#: t.me/csharp_ci C/C++/ t.me/cpluspluc Data Science: t.me/data_analysis_ml Devops: t.me/devOPSitsec Go: t.me/Golang_google Базы данных: t.me/sqlhub Rust: t.me/rust_code Javascript: t.me/javascriptv React: t.me/react_tg PHP: t.me/phpshka Android: t.me/android_its Мобильная разработка: t.me/mobdevelop Linux: t.me/+A8jY79rcyKJlYWY6 Big Data: t.me/bigdatai Хакинг: t.me/linuxkalii Тестирование: https://t.me/+F9jPLmMFqq1kNTMy Java: t.me/javatg 💼 Папка с вакансиями: t.me/addlist/_zyy_jQ_QUsyM2Vi Папка Go разработчика: t.me/addlist/MUtJEeJSxeY2YTFi Папка Python разработчика: t.me/addlist/eEPya-HF6mkxMGIy Папка машинное обучение: https://t.me/addlist/_FjtIq8qMhU0NTYy 📕 Бесплатные Книги для программистов: https://t.me/addlist/YZ0EI8Ya4OJjYzEy 🎞 YouTube канал: https://www.youtube.com/@uproger 😆ИТ-Мемы: t.me/memes_prog 🇬🇧Английский: t.me/english_forprogrammers

⚡️ Тест-драйв Solara для разработки веб-приложений на Python Solara Не так давно был представлен фреймворк Solara, предназначенный для создания веб-приложений на чистом Python. В его документации содержатся интересные улучшения Streamlit. К ним относятся вложенные переиспользуемые компоненты с собственными состояниями, не требующие повторного выполнения без необходимости, а также простая интеграция с Jupyter Notebook. Протестируем данный фреймворк. • Для этого создадим что-нибудь одновременно простое, но при этом достаточно сложное, чтобы проверить его возможности, а именно приложение-планировщик задач todo app. Я уже проводил подобный эксперимент с Shiny для Python, теперь настала очередь Solara. *В изображении итог. Написание кода в Solara Во-первых, фреймворк является совершенно новым, и сложно предсказать возможные изменения по мере его развития. Кроме того, я не претендую на звание эксперта Solara. Начнем с определения глобальных переменных: import solara text_input = solara.reactive("") todos = solara.reactive([ { "text": solara.reactive("Learn Solara"), "done": solara.reactive(False) }, { "text": solara.reactive("Build a Solara app"), "done": solara.reactive(False) } ]) Page() Затем определяем основной компонент с именем Page: @solara.component def Page(): # добавление css solara.Style(""" .add-button { margin-right: 10px; } """) # центрирование карты with solara.Column(align="center"): with solara.Card(title="Todo App"): for todo in todos.value: Todo(todo) if len(todos.value) == 0: solara.Text("No todos yet.") solara.InputText(label="Add a todo", value=text_input), solara.Button("Add", on_click=on_add_todo, classes=["primary", "add-button"]), solara.Button("Remove finished tasks", classes=["secondary"], on_click=clear_finished_todos), Page() Рассмотрим код шаг за шагом. 👇 Читать

⌨️Выбор правильного фреймворка Python: Django vs. Flask vs. FastAPI vs. AIOHTTP Сравним четыре популярных веб-фреймворка на Python: Django, Flask, FastAPI и AIOHTTP. Django: Полнофункциональный веб-фреймворк Django – это высокоуровневый, полнофункциональный веб-фреймворк, придерживающийся философии “батарейки в комплекте”. Его надежная экосистема и следование принципу “не повторяйся” (DRY) делают его идеальным решением для сложных приложений и масштабных проектов. Примеры использования • Системы управления контентом (CMS): встроенный интерфейс администратора и ORM (Object-Relational Mapping) делают Django отличным выбором для создания многофункциональных CMS-платформ. • Приложения для социальных сетей: Система аутентификации и управление пользователями Django упрощают разработку платформ для социальных сетей. • Веб-сайты электронной коммерции: Поддержка Django для миграции баз данных и такие функции безопасности, как защита от CSRF и clickjacking, хорошо подходят для приложений электронной коммерции. Instagram – это платформа для обмена фотографиями, созданная на основе Django. Она продемонстрировала способность работать с большими базами пользователей и сложными функциональными возможностями. Образец кода Следующий код определяет простую функцию представления hello_view, которая возвращает JsonResponse при обращении к ней по URL. Чтобы использовать эту функцию в проекте Django, необходимо зарегистрировать URL, как показано во втором блоке кода. # File: views.py from django.http import JsonResponse def hello_view(request): return JsonResponse({"message": "Hello, Django!"}) # File: myproject/urls.py from django.urls import path from myapp.views import hello_view urlpatterns = [ path('hello/', hello_view, name='hello'), ] Flask: легкий микрофреймворк Flask – это микрофреймворк, в котором приоритет отдается простоте и гибкости, а не встроенной функциональности. Это означает, что разработчики могут выбирать инструменты и расширения по мере необходимости, что делает его идеальным для малых и средних проектов. Примеры использования • Прототипирование: Минимальный объем кодового кода Flask делает его отличным выбором для быстрого создания прототипов и разработки пробных версий. • RESTful API: Легкий дизайн Flask и широкая поддержка таких расширений, как Flask-RESTful, позволяют разработчикам создавать эффективные REST API. • Одностраничные приложения (SPA): Flask может выступать в качестве бэкенда для SPA, используя преимущества своей простоты и легкой интеграции с фреймворками фронтенда. Pinterest, популярная платформа для поиска контента, использует Flask для эффективной работы с бэкэнд-операциями, демонстрируя способность к масштабированию и оптимизации производительности. Образец кода Приведенный ниже код на языке Python является примером веб-приложения, созданного с использованием Flask. В нем создается экземпляр класса Flask и определяется маршрут с именем “hello”. При обращении к маршруту “hello” с помощью GET-запроса приложение возвращает JSON-ответ с парой ключ-значение “message” и “Hello, Flask!”. # File: app.py from flask import Flask, jsonify app = Flask(__name__) @app.route('/hello', methods=['GET']) def hello(): return jsonify({"message": "Hello, Flask!"}) Читать про остальные

🖥 Продвинутые методы улучшения кода на Python Видео @pro_python_code

😮 5 удивительных скрытых возможностей Python Секрет 1. ELSE в циклах FOR и WHILE Когда мы начинаем программировать, одним из первых знакомств являются условные операторы (if-else). Они позволяют изменять поток кода в зависимости от значения определенной переменной. В блоке if проверяется логическое условие, и если оно не выполняется, выполняется код, определенный в блоке else. 🟠Но также можно использовать ключевое слово else в циклах for и while. В этом случае, функциональность else сводится к выполнению кода только при успешном завершении цикла без оператора break. Это может быть полезно, например, если у нас есть список чисел и мы хотим написать логику, которая определяет, является ли любое из чисел в списке четным: # определяем список чисел numbers: list = [1, 2, 3, 4, 5, 6, 7, 8, 9, 10] # также определяем переменную-флаг, которая укажет, было ли найдено четное число found_even: bool = False for num in numbers: # если остаток после деления на 2 равен 0, то число четное if num % 2 == 0: print(f"{num} is even") # устанавливаем флаг в True, потому что нашли четное число found_even = True # мы можем остановить выполнение, потому что нашли четное число break # если значение флага False, то четных чисел не найдено if not found_even: print("No even numbers found") 🟠Эта логика относительно проста. Применяем флаг (в данном случае переменная found_even) для обозначения того, найдено ли четное число или нет. Если в процессе итерации находится четное число, используем ключевое слово break, чтобы остановить выполнение цикла. Вышеприведенное можно записать следующим образом: numbers = [1, 2, 3, 4, 5, 6, 7, 8, 9, 10] for num in numbers: if num % 2 == 0: print(f"{num} is even") break else: print("No even numbers found") 🟠Теперь переменная-флаг found_even больше не требуется. Мы можем использовать ключевое слово else, чтобы вывести “Четные числа не найдены” только в том случае, если ключевое слово break так и не будет задействовано в процессе итерации цикла. Секрет 2. Оператор walrus 🟠Оператор walrus (:=) был введен в версию Python 3.8. Он используется для назначения переменных со значениями в качестве выражений. Рассмотрим следующий пример. Нам необходимо реализовать логику, которая генерирует последовательность случайных чисел до тех пор, пока не будет сгенерировано определенное число. 🟠Предположим, нам нужно получить 10. Обычно пишем что-то вроде: import random rand = None while True: # генерация случайного числа от 1 до 100 rand = random.randint(1, 100) # если случайное число равно 10, прервать выполнение if rand != 10: print(rand) else: break # это будет выполнено только в том случае, если мы получим 10 и прервем цикл print("We got a 10!") Генерируем в цикле случайное число и сохраняем его в переменной rand. Количество итераций зависит от значения переменной rand. Чем быстрее rand станет равным 10, тем быстрее прервем цикл. 🟠Теперь с помощью оператора walrus получим ту же функциональность, используя приведенный ниже код: import random while (rand := random.randint(1, 100)) != 10: print(rand) print("We got a 10!") Здесь сообщаем Python, что хотим, чтобы цикл while выполнялся до тех пор, пока значение rand не станет равно 10. Кроме того, сообщаем ему, что rand будет получать свое значение из random.randint(1, 100) с каждой новой итерацией. 📌 Секрет 3. Многоточие (и др. секреты)

🖥 Создаем продвинутый интерфейс на Python 🎞 Видео @pro_python_code

⚡️Маст-хэв список программистов, каналы с последними книжными новинками, библиотеками, разбором кода и актуальной информацией, связанной с вашим языком программирования. Лучший способ получать свежие обновлении и следить за трендами в разработке. Python: t.me/pythonl C#: t.me/csharp_ci C/C++/ t.me/cpluspluc Машинное обучение: t.me/ai_machinelearning_big_data Data Science: t.me/data_analysis_ml Devops: t.me/devOPSitsec Go: t.me/Golang_google Базы данных: t.me/sqlhub Rust: t.me/rust_code Javascript: t.me/javascriptv React: t.me/react_tg PHP: t.me/phpshka Android: t.me/android_its Мобильная разработка: t.me/mobdevelop Linux: t.me/+A8jY79rcyKJlYWY6 Big Data: t.me/bigdatai Хакинг: t.me/linuxkalii Java: t.me/javatg 💼 Папка с вакансиями: t.me/addlist/_zyy_jQ_QUsyM2Vi Папка Go разработчика: t.me/addlist/MUtJEeJSxeY2YTFi Папка Python разработчика: t.me/addlist/eEPya-HF6mkxMGIy 🎞 YouTube канал: https://www.youtube.com/@uproger 😆ИТ-Мемы: t.me/memes_prog 🇬🇧Английский: t.me/english_forprogrammers

🧰X-OSINT: инструмент OSINT “все в одном”. X-OSINT представляет собой систему разведки с открытым исходным кодом (OSINT), служащую ценным инструментом для сбора точной информации о телефонных номерах и адресах электронной почты пользователей. Требования и процесс установки 🟢Python 3 🟢модуль pip 🟢Стабильное подключение к Интернету 🟢Различные пакеты python (будут установлены автоматически в процессе установки) Процесс установки 1) Клонирование репозитория инструментов выполняется следующим образом git clone https://github.com/TermuxHackz/X-osint/tree/master 2) После клонирования репозитория перейдите в только что клонированный каталог и измените права доступа, предоставив полный доступ к инструменту. 3) После этого приступайте к запуску скрипта. cd X-osint chmod +x * bash setup.sh 4) После выполнения скрипта он предложит выбрать один из двух терминалов для установки различных других пакетов. (Для данного примера выбран Linux) ▪Продолжение ▪Github @pro_python_code

🌐Модуль прогнозирования погоды • Импорт необходимых библиотек import matplotlib.pyplot as plt import seaborn as sns import scipy import re import missingno as mso from scipy import stats from scipy.stats import ttest_ind from scipy.stats import pearsonr from sklearn.preprocessing import StandardScaler,LabelEncoder from sklearn.model_selection import train_test_split from sklearn.neighbors import KNeighborsClassifier from sklearn.svm import SVC from sklearn.ensemble import GradientBoostingClassifier from xgboost import XGBClassifier from sklearn.metrics import accuracy_score,confusion_matrix,classification_report import pandas as pd • Чтение CSV-файла data=pd.read_csv("/content/seattle-weather.csv") data.head() • Форма данных data.shape (1461, 6) import warnings warnings.filterwarnings('ignore') sns.countplot("weather",data=data,palette='hls') 📌Продолжение @pro_python_code