Python Education
Closed channel
Обучаем Python как маленьких, так и взрослых Ссылка: @Portal_v_IT Сотрудничество: @oleginc
Show more8 406
Subscribers
-524 hours
-187 days
-8530 days
Posts Archive
8 406
Методы сравнения объектов между собой (ч.2)
Метод le(self, other) позволяет определить, каким образом объект вашего класса должен вести себя, когда сравнивается с другим объектом с помощью оператора "<=". Например, если вы хотите сравнивать объекты вашего класса по каким-то определенным критериям (например, по их атрибутам), вы можете переопределить метод le(self, other) таким образом, чтобы он возвращал True, если объект self меньше или равен объекту other в соответствии с этими критериями, и False в противном случае.
Python Education | ChatGPT
8 406
Началось. Убирают всех неугодных. Смерть президента Ирана — лишь верхушка айсберга.
The Economist назвал трёх президентов, которых Мировое Правительство уберёт в течение года.
Читать: t.me/TheEconomist/299
8 406
Конструктор
Метод, который вызывается при создании объектов, в ООП зовётся конструктором. Он нужен для объектов, которые изначально должны иметь какие-то значение. Например, пустые экземпляры класса "Студент" бессмысленны, и желательно иметь хотя бы минимальный обозначенный набор вроде имени, фамилии и группы.
В качестве Питоновского конструктора выступает метод init()
Python Education | ChatGPT
8 406
Методы сравнения объектов между собой (ч.1)
Метод lt(self, other) в Python позволяет определить порядок сортировки объектов при использовании встроенных функций сортировки, таких как sorted(). При реализации этого метода в классе можно указать, какие атрибуты объекта должны учитываться при сравнении с другими объектами для определения их относительного порядка.
Например, предположим, что у нас есть класс Point, который представляет собой точку на плоскости и имеет атрибуты x и y. Мы можем определить метод lt(self, other) в классе Point, чтобы при сравнении двух точек учитывался их порядок по оси x, а в случае равенства координат по оси x - по оси y.
Python Education | ChatGPT
8 406
Создание и удаление объектов
Любое описание объекта в объектно-ориентированном программировании начинается с создания объекта и его удаления.
new(cls[, ...]) — метод создания типа класса. Он принимает первым аргументом тип класса, в котором он вызывается, и, как правило, возвращает этот же тип. В основном используется, чтобы настраивать создание экземпляра класса тех объектов, которые наследуются от неизменяемых типов (например, int, str, или tuple).
init(self[, ...]) — конструктор класса. Используется при определении объектов.
init_subclass(cls) — позволяет переопределить создание подклассов объекта.
Python Education | ChatGPT
8 406
В связи с переездом семья отдаст даром следующие вещи:
⭐️ Холодильник б/у
⭐️ Стиральную машину б/у
⭐️ Книги
⭐️ Вещи на мальчика и на девочку
⭐️ Инструменты
⭐️ Телевизор б/у
⭐️ Микровлоновку б/у
⭐️ Два дивана и одну детскую кровать
⭐️ Ноутбук б/у (старый)
«Отдам даром» в твоем городе:
Москва
Санкт-Петербург
Казань
Чебоксары
Владивосток
Воронеж
Екатеринбург
Ижевск
Калининград
Краснодар
Красноярск
Нижний Новгород
Новосибирск
Омск
Самара
Сочи
Уфа
Челябинск
Чита
Хабаровск
Сургут и ХМАО
Архангельск
Астрахань
Барнаул
Белгород
Брянск
Владимир
Волгоград
Великий Новгород
Вологда
Иваново
Иркутск
Йошкар-Ола
Калуга
Кемерово
Киров
Кострома
Курган
Курск
Липецк
Мурманск
Нальчик
Оренбург
Орел
Пенза
Пермь
Псков
Ростов-на-Дону
Рязань
Саратов
Саранск
Ставрополь
Смоленск
Тамбов
Тверь
Томск
Тула
Тюмень
Улан-Удэ
Ульяновск
Якутск
Ярославль
8 406
Генераторные фунции (generator functions)
Если предикатов фильтрации или обработчиков элементов списка много, то удобнее использовать генераторы. Они могут не дать прироста скорости, но помогут сэкономить память.
Генераторной фунцией в python называется функция, которая ведет себя как итератор. Для определения генераторной функции нужно использовать ключевое слово yield.
Python Education | ChatGPT
8 406
В каких ситуациях возникает исключение NotImplementedError
Исключение NotImplementedError возникает, когда метод или функция должны быть реализованы в подклассе, но не были. Это может произойти, когда родительский класс определяет метод, но не реализует его сам, а оставляет это для подклассов. В этом случае, если подкласс не реализует метод, он будет вызывать исключение NotImplementedError. Это может быть полезно для отладки, чтобы убедиться, что все необходимые методы реализованы в подклассах. Это также может возникнуть в других ситуациях, например, если вы пытаетесь использовать неопределенную функцию или метод.
Python Education | ChatGPT
8 406
Как начать отладку при утечке памяти в рабочем приложении
Для отладки утечек памяти в Python можно использовать инструменты, такие как Memory Profiler или objgraph.
Запустите вашу программу с помощью команды python -m memory_profiler my_script.py. Будет выведен подробный отчет о том, сколько памяти используется в каждой строке программы, а также общее использование памяти и любые утечки.
Этот код создаст изображение my_list.png, на котором будут показаны все объекты, на которые ссылается my_list, а также все объекты, которые ссылается на них. Это может помочь вам понять, какие объекты держат ссылки на ваши объекты и могут вызывать утечки памяти.
Python Education | ChatGPT
8 406
Linux как секс!
Если зубрить его по книжкам, то кроме теории и деградации, ты ничему не научишься.
В канале BashDays ты найдешь лучшие Linux и Bash практики. Действующий девопс-инженер, самобытно и с долей юмора, травит темы:
- Рекавери файлов через grep
- Почему коты гадят в макбуки
- Как отключить логирование
- Неочевидные трюки на Bash
- Сниффер SSH на strace
И это только цветочки. А если заскучал, поиграй с друзьями в piu-piu и надери им бэкенд. Рекомендую!
В BashDays даже джуны становятся сеньорами.
Подписывайся, это самый простой способ прокачать свои хард-скиллы: — @bashdays
8 406
Перечисление
Функция enumerate() добавляет счетчик к итерируемому объекту и возвращает его в виде объекта перечисления.
Этот перечисляемый объект затем может быть использован непосредственно для циклов или преобразован в список кортежей с помощью функции list().
Python Education | ChatGPT
8 406
Реклама для бизнеса любого уровня в Яндекс Директе
Создайте эффективную рекламную кампанию с алгоритмами Яндекс Директа 👌
Начните прямо сейчас ⚡
Зарегистрироваться
#реклама
direct.yandex.ru
О рекламодателе
8 406
Что такое магические методы dunder
Магические методы, также известные как «dunder» (double underscore) методы в Python, это специальные методы, которые начинаются и заканчиваются двойным подчеркиванием. Они позволяют определить, как объекты этого класса будут вести себя в различных контекстах, например, при использовании операторов Python, таких как +, -, *, / и т.д., при вызове функций и методов, при сериализации и многое другое.
Python Education | ChatGPT
8 406
SHAP
SHAP (SHapley Additive exPlanations) — это игровой подход к объяснению вывода любой модели машинного обучения. Он соединяет оптимальное распределение кредитов с локальными объяснениями, используя классические значения Шэпли из теории игр и связанные с ними расширения.
В этом примере мы загружаем модель бостон и разделяем ее на тренировочные и тестовые. Затем мы обучаем модель градиентного бустинга
xgboost на тренировочных данных. Далее мы создаем объект Explainer из библиотеки shap, который используется для интерпретации предсказаний модели. Вызываем метод __call__ у объекта explainer с тестовыми данными в качестве аргумента для получения значений SHAP для этих данных.
Python Education | ChatGPT8 406
Объясните, почему такое возможно
Это возможно из-за того, что Python имеет функцию под названием «name mangling», которая изменяет имена атрибутов класса или методов путем добавления двойного подчеркивания «__» в начале их имен. Это сделано для того, чтобы предотвратить случайное переименование атрибутов в подклассах, которые будут унаследованы суперклассом.
Python Education | ChatGPT
8 406
Ответ на вопрос и музыка ваша 90 дней бесплатно
Яндекс Музыка для вас и 3-х ваших близких 90 дней бесплатно. Попробуйте сейчас!
Попробовать
#реклама 16+
music.yandex.ru
О рекламодателе
8 406
H2Oai
H2O.ai предоставляет модуль Python, который дает доступ к H2O JVM, а также к его расширениям, объектам, алгоритмам машинного обучения и возможностям поддержки моделирования, таким как базовое преобразование данных и генерация признаков.
H2O JVM предоставляет веб-сервер, чтобы все общение происходило через сокет (указанный IP-адресом и портом) с помощью серии вызовов REST.
В этом примере мы импортируем H2OGradientBoostingEstimator из библиотеки h2o и инициализируем H2O с помощью init. Затем загружаем данные и разделяем их на тренировочные и тестовые. Далее мы определяем признаки и целевую переменную для обучения модели.
Затем мы создаем экземпляр H2OGradientBoostingEstimator и обучаем его на тренировочных данных с помощью метода train. После обучения мы можем использовать метод model_performance для оценки качества модели на тестовых данных.
Python Education | ChatGPT8 406
LIME
LIME (Local Interpretable Model-agnostic Explanations) - это проект, который объясняет, что делают модели машинного обучения.
lime поддерживает объяснения для табличных моделей, текстовых классификаторов и классификаторов изображений.
В этом примере мы загружаем данные о качестве вина и разделяем их на тренировочные и тестовые. Затем мы обучаем модель RandomForestClassifier на тренировочных данных. Далее мы создаем объект LimeTabularExplainer из библиотеки lime, который используется для интерпретации предсказаний модели. Мы выбираем индекс объекта из тестовых данных и используем метод explain_instance для получения объяснения предсказания модели для этого объекта.
Python Education | ChatGPT8 406
Крипта в картинках — просто, наглядно и понятно. Разберется даже ребенок. Подпишись, чтобы быть в теме: @crypto
8 406
Catboost
CatBoost это быстрая, масштабируемая и высокопроизводительная библиотека градиентного бустинга на деревьях решений, используемая для ранжирования, классификации, регрессии и других задач машинного обучения для Python, R, Java, C++. Поддерживает вычисления на CPU и GPU.
В этом примере мы импортируем CatBoostClassifier из catboost и создаем экземпляр классификатора с определенными параметрами. Затем мы обучаем модель на тренировочных данных и метках с помощью метода fit. После обучения мы можем использовать методы predict и predict_proba для получения предсказаний классов и вероятностей соответственно.
Результат работы кода будет зависеть от входных данных. В этом примере используются случайные данные для обучения и тестирования. В реальных ситуациях данные будут отличаться.
Python Education | ChatGPT