Разъяснивший Python

В Москве утверждены адреса домов, попавших под снос! Финальные списки домов, которые снесут до 2032 года уже сформированы. Выбирай свой район из списка, чтобы проверить ваш дом: 👇 ЦАО: @CAO24 Патрики: @patriki Таганский: @taganskiy Якиманка: @yakimanka Басманный: @basmanny Хамовники: @khamovniki Пресненский: @presnenskiy Тверской и Арбат: @tverskoi Мещанский: @meshchanskiy Замоскворечье: @zamoskvoi Красносельский: @krasnoselsky СВАО: @SVAO24 Бибирево: @bibirevo Ярославский: @uarik Отрадное: @otradnoe Бутырский: @butyrskiy Бабушкинский: @babushk Медведково: @medvedkovo Алексеевский: @alexeevskiy Марьина роща: @marinaroshcha Свиблово и Ростокино: @sviblovo Останкино и Марфино: @ostankino Лианозово и Алтуфьево: @lianozov САО: @SAO24 Дегунино: @degunino Сокол и Аэропорт: @sokol Дмитровский: @dmitrovskiy Хорошёво и Беговой: @horoshov Коптево и Войковский: @koptevo Ховрино и Головинский: @hovrino СЗАО: @SZAO24 Митино: @mitino Тушино: @tushino Строгино: @strogino Хорошёво-Мнёвники: @mnevnik Стрешнево и Щукино: @pokrovsk ЗАО: @ZAO24 Раменки: @ramenki Очаково: @ochakovo Тропарёво: @troparev Солнцево: @solntsevo Можайский: @mojaiskiy Дорогомилово и Фили: @fili Кунцево и Крылатское: @kunzevo Ново-Переделкино: @novoperedel Проспект Вернадского: @vernadsk ЮЗАО: @UZAO24 Зюзино: @zuzino Бутово: @butovo Коньково: @konkovo Ясенево: @yasenevo Тёплый Стан: @teplystan Академический: @akadem Черёмушки: @cheremushki ЮАО: @UAO24 Бирюлёво: @birulevo Чертаново: @chertanovo Орехово-Борисово: @orexboris Донской и Даниловский: @donsk Нагатино и Нагорный: @nagarino Царицыно и Москворечье: @tsari Братеево и Зябликово: @brateevo ЮВАО: @UVAO24 Лефортово: @lefor Марьино: @marino Люблино: @lublino Кузьминки: @kuzminki Рязанский: @razanskiy Некрасовка: @nekrasov Южнопортовый: @uznoport Выхино-Жулебино: @vihzhel Текстильщики, Печатники: @teksti ВАО: @VAO24 Гольяново: @galianovo Измайлово: @izmailovo Сокольники: @sokolniki Ивановское: @ivanovskoe Косино и Вешняки: @kosino Богородское: @bogorodskoe Перово и Новогиреево: @perovo Преображенское: @preobrazhensk ТиНАО: @TiNAO24 ЗеЛАО: @ZeLAO24 Вся Москва и область: @moscow

Полезные библиотеки Python pdf-extract-api — крутой Python инструмент для конвертации любого изображения или PDF документа в текст Markdown или структурированный документ JSON с очень высокой точностью, включая табличные данные, числа или математические формулы. API создан с помощью FastAPI и использует Celery для асинхронной обработки задач. Redis используется для кэширования результатов OCR. GitHub/Инструкция Разъяснивший Python

Использование транзакций для безопасного обновления базы данных Когда выполняются несколько операций с базой данных, важно убедиться, что все изменения применяются только если каждая операция прошла успешно. В этом случае на помощь приходят транзакции, которые позволяют группировать операции и откатывать изменения, если произошла ошибка. Транзакции особенно важны в критичных системах, где любое некорректное изменение может привести к потерям данных. Разъяснивший Python

round() В Python функция round() округляет число до заданного количества знаков после запятой. Это полезно для форматирования чисел и работы с математическими расчётами. Разъяснивший Python

Pandas: Основные операции с DataFrame Фильтрация позволяет выбрать строки, которые соответствуют определенным условиям. В этом примере мы создали новый DataFrame, содержащий только те строки, в которых значение столбца Age больше 30. Ты можешь легко добавлять новые столбцы и удалять ненужные. axis=1 указывает, что мы работаем со столбцами. Параметр inplace=True позволяет сразу сохранить изменения в DataFrame. Разъяснивший Python

Станьте BI-аналитиком с нуля, обучаясь на кейсах из реального бизнеса. Получите первый оффер уже через 5 месяцев 🐈 Основная проблема обучений в IT — оторванность от практики. На курсе учат складывать 2+2, а на работе — сразу отправляют считать интегралы. Курс-симулятор «BI-аналитик» от Simulative сразу погружает в настоящую работу. Вы сделаете множество заготовок, которые пригодятся и для портфолио, и в практике: 🟡 SQL-скрипты для проведения типовых анализов 🟡 Чекап-дашборды для руководителя 🟡 Финансовый отчет с разбивкой по месяцам и кварталам 🟡 Дашборды и скрипты из e-com, банкинга, офлайн-торговли, телекома, доставки и других сфер За 5 месяцев вы разберетесь в продуктовых метриках, научитесь строить понятные и красивые дашборды в Power BI и Superset, работать с PostgreSQL и Clickhouse. А также подготовитесь к любому собеседованию: в курс включены тестовые задания и пробные интервью — обычные и технические. С трудоустройством помогут: 87% студентов находят работу в течение 2-х месяцев с момента начала поиска. А на VIP-тарифе преподаватели и HR спроектируют вам персональный трек обучения и за руку доведут до оффера: часть стоимости курса вы оплачиваете только когда найдете работу. Успейте записаться на курс до 30 ноября по специальным условиям 🛍 🔗 Оставляйте заявку на сайте Simulative.

Использование контекстного менеджера with с соединениями и курсорами в SQLite Часто при работе с базами данных, особенно с SQLite, нужно вручную открывать и закрывать соединения и курсоры. Использование контекстного менеджера with помогает автоматизировать это и делает код чище. Разъяснивший Python

Использование ORM SQLAlchemy для работы с базами данных вместо "чистого" SQL SQLAlchemy позволяет вам взаимодействовать с базами данных на уровне объектов Python, что упрощает работу и делает код более читабельным и безопасным. SQLAlchemy делает работу с базами данных более интуитивной и удобной, что помогает избежать многих ошибок и ускорить разработку. Разъяснивший Python

🌍 От съемной квартиры до мировой корпорации Когда-то 1win начинали с мини-офиса и рекламного бюджета в 1 миллион рублей. 🤩Сегодня — это международный холдинг с ежемесячными расходами на маркетинг более $40 млн. Что привело к такому росту?

💡 Взвешенные и смелые решения 📊 Проработанная и эффективная стратегия 💪 Грамотно собранная команда

Владельцу компании есть чем поделиться. На своем канале @owner1w рассказывает: ✅ Как развивать бизнес с нуля ✅ Какие стратегии приводят к успеху в iGaming ✅ Каких ошибок он не повторил бы Подпишитесь: 🔜https://t.me/+VdfNBWCupPAyZDAy

str.startswith() и str.endswith() В Python методы str.startswith() и str.endswith() проверяют, начинается или заканчивается строка на указанную подстроку. Это удобно для работы с текстом, например, валидации данных. Разъяснивший Python

Использование транзакций для повышения надежности и эффективности работы с базой данных Когда вы выполняете несколько операций с базой данных, важно, чтобы они все завершились успешно или все отменились в случае ошибки. Это можно сделать с помощью транзакций. Этот подход помогает сделать работу с базой данных более надежной и устойчивой к ошибкам. Разъяснивший Python

collections.defaultdict В Python класс collections.defaultdict автоматически создаёт значения для отсутствующих ключей. Это удобно для работы со словарями, где нужно избегать ошибок при доступе к несуществующим ключам. Разъяснивший Python

Станьте BI-аналитиком с нуля, обучаясь на кейсах из реального бизнеса. Получите первый оффер уже через 5 месяцев 🐈 Основная проблема обучений в IT — оторванность от практики. На курсе учат складывать 2+2, а на работе — сразу отправляют считать интегралы. Курс-симулятор «BI-аналитик» от Simulative сразу погружает в настоящую работу. Вы сделаете множество заготовок, которые пригодятся и для портфолио, и в практике: 🟡 SQL-скрипты для проведения типовых анализов 🟡 Чекап-дашборды для руководителя 🟡 Финансовый отчет с разбивкой по месяцам и кварталам 🟡 Дашборды и скрипты из e-com, банкинга, офлайн-торговли, телекома, доставки и других сфер За 5 месяцев вы разберетесь в продуктовых метриках, научитесь строить понятные и красивые дашборды в Power BI и Superset, работать с PostgreSQL и Clickhouse. А также подготовитесь к любому собеседованию: в курс включены тестовые задания и пробные интервью — обычные и технические. С трудоустройством помогут: 87% студентов находят работу в течение 2-х месяцев с момента начала поиска. А на VIP-тарифе преподаватели и HR спроектируют вам персональный трек обучения и за руку доведут до оффера: часть стоимости курса вы оплачиваете только когда найдете работу. Успейте записаться на курс до 30 ноября по специальным условиям 🛍 🔗 Оставляйте заявку на сайте Simulative.

Использование пакетной обработки запросов (batch processing) для ускорения вставки данных в базу При работе с базами данных, когда нужно вставить много данных, использование циклов с выполнением одиночных запросов может сильно замедлить процесс. Вместо этого можно воспользоваться функцией пакетной вставки данных с помощью метода executemany. Использование пакетной обработки помогает существенно повысить производительность работы с базой данных, экономя время и ресурсы. Разъяснивший Python

reversed() В Python встроенная функция reversed() возвращает итератор, который перебирает элементы последовательности в обратном порядке. Это удобно для работы с последовательностями, когда нужен обратный порядок. Разъяснивший Python

Использование контекстного менеджера для автоматического управления соединением с базой данных Часто при работе с базами данных требуется правильно открывать и закрывать соединения. Использование контекстного менеджера с конструкцией with позволяет автоматически закрывать соединение после завершения операций, даже если произошла ошибка. Этот лайфхак помогает гарантировать, что соединение всегда корректно закрывается, улучшая безопасность и надежность кода. Разъяснивший Python

Год назад в это же время автор каналa На волнах профита дал сигнал на 4 фундаментальные монеты своим подписчикам и вложил вместе с ними по 1000$ в каждую, а теперь пришло время подводить итоги. Максим ведет свою публичную деятельность уже больше 10 лет. Apex 1000$ - 14.000$ SUI 1000$ - 4.200$ PEPE 1000$ - 12.828$ BONK 1000$ - 100.560$ И это всего лишь 4 монеты из огромного количества, которые автор разбирал у себя в канале. Пруфы В октябре на крипторынке появится ДЕСЯТКИ монет, которые через месяц вырастут в 15-20 раз. Ваши $1000 за пару месяцев могут превратиться в в солидный капитал. Завтра он выложит новый список монет на 2024 год. Поспеши узнать и закупиться пока монеты не дали иксы! Максим планирует публично увеличить торговый капитал в несколько раз. Пора посмотреть на рынок крипты под другим углом и зафиксировать неприличные иксы: На волнах профита

Полезные библиотеки Python Supervision — крутой Python инструмент компьютерного зрения для трекинга объектов. Установка:

$ pip install supervision[desktop]

Пример определения объектов:

import supervision as sv
model = YOLO('yolov8s.pt')
result = model(IMAGE)[0]
detections = sv.Detections.from_ultralytics(result)
len(detections)
5

Документация: https://roboflow.github.io/supervision/ GitHub/Инструкция Разъяснивший Python

Логирование Модуль logging в Python — это набор функций и классов, которые позволяют регистрировать события, происходящие во время работы кода. Модуль входит в стандартную библиотеку. Пример использования:

import logging

logging.basicConfig(filename='app.log', level=logging.INFO)

Для модуля используем стандартные методы логирования сообщений: debug() — отображается подробная информация, обычно представляющая интерес только при диагностике проблем в приложении. info() — отображается общая информация о приложении. warning() — отображается информация, указывающая на то, что произошло нечто непредвиденное или существует вероятность возникновения проблем в будущем. error() — показывает ошибку или невозможность выполнения некоторой задачи или функций (регистрация ошибок для отслеживания ошибок базы данных или сбоев HTTP-запросов). critical() — ошибки, которые являются очень серьезными и требуют срочного решения. Разъяснивший Python

Использование executemany для массовых вставок данных При работе с базами данных часто возникает необходимость вставить большое количество данных за один раз. Вместо того чтобы вызывать execute для каждой строки, можно использовать метод executemany, который позволит вставить несколько записей в одну операцию, что значительно ускорит процесс. Использование executemany — это простой, но мощный способ ускорить взаимодействие с базой данных при работе с множеством записей! Разъяснивший Python