Python 🇺🇦

Автоматизація збору цін Автор цієї статті розповідає, як автоматизував збір цін з супермаркетів АТБ та Metro за допомогою Kaggle, Scrapy (популярного фреймворка Python) і Scrapy-Splash — у вигляді короткого огляду здійснених кроків. Мова: 🇺🇦 #Scrapy // #theory // Python

Один із способів роботи з порожніми комірками — вставити замість них нове значення. Так вам не доведеться видаляти цілі рядки через порожні комірки. Метод fillna() дозволяє замінити порожні комірки значенням.

import pandas as pd

# Замінюємо всі комірки
df = pd.read_csv('data.csv')
df.fillna(130, inplace = True)

# Замінюємо тільки в Calories
df = pd.read_csv ('data.csv')
df["Calories"].fillna(130, inplace = True)

У першому прикладі замінюються всі порожні комірки у всьому фреймі даних. Щоб замінити порожні значення лише для одного стовпця, вкажіть ім'я стовпця для DataFrame. #Pandas // #practice // Python

Мистецтво управління пам’яттю Якщо ви прагнете опанувати мистецтво ефективного використання об’єктів у Python, обирати найкращі підходи для конкретних завдань і загалом глибше розуміти цю мову, слід розібратися з тим, як працює пам’ять у Python і яку роль в цьому процесі відіграє garbage collector. Мова: 🇺🇦 #Python // #theory // Архів книг

Ви можете оновити існуючі записи в таблиці за допомогою UPDATE. Зверніть увагу на оператор mydb.commit() для внесення змін. Команда WHERE вказує, який запис чи записи слід оновити. Якщо ви не використовуєте WHERE, всі записи будуть оновлені.

import mysql.connector

mydb = mysql.connector.connect(
   host="localhost",
   user="yourusername",
   password="yourpassword",
   database="mydatabase"
)

mycursor = mydb.cursor()

sql = "UPDATE customers SET address = 'Canyon 123' WHERE address = 'Valley 345'"

mycursor.execute(sql)

mydb.commit()

print(mycursor.rowcount, "record(s) affected")

#MySQL // #practice // Python

Interpretable Machine Learning with Python, 2nd Edition Друге видання цього посібника розкриває ключові поняття інтерпретації моделей машинного навчання на основі аналізу реальних даних за допомогою Python, надаючи широкий спектр навичок та інструментів. Рік: 2023 Мова: 🇬🇧 Автор: Serg Masis #Python // #books // Вакансії IT

import numpy as np
>>> np.array(0., 1, 2)
???

👉 Відповідь #Python // #practice // Архів книг

Вакансія: Python Engineer IT-рекрутингова агенція EvoTalents шукає на офісну роботу в Києві розробника з досвідом на Python від 5 років і досвідом роботи з бібліотеками. 📝 Відкрити анкету #Python // #jobs // Вакансії IT

Функція unique() використовується для пошуку унікальних елементів масиву. Вона повертає відсортовані унікальні елементи масиву. Крім унікальних елементів, є три додаткові висновки: 🔴індекси вхідного масиву, які дають унікальні значення 🔴індекси унікального масиву, що відновлюють вхідний масив 🔴скільки разів кожне унікальне значення з'являється у вхідному масиві

import numpy as np
x = np.array([0, 1, 2, 5, 2, 6, 5, 2, 3, 1])
u, indices = np.unique(x, return_inverse=True)
print(u)
# [0, 1, 2, 3, 5, 6]

#Python // #practice // Архів книг

Які знання допоможуть робити глибинний аналіз даних та розвиватися в Data Science? Усе необхідне robot_dreams зібрали на курсі «Математика та статистика для Data Science» — комплексна програма містить 18 занять та розробку фінального проєкту. Після курсу ви: 🔹 вмієте обробляти, аналізувати та візуалізувати дані за допомогою програмування Python і бібліотек Pandas, NumPy, MatPlotLib, Seaborn 🔹 маєте базові знання з вищої математики, необхідні для вирішення реальних завдань Data Science 🔹 володієте необхідними методами та теоріями для аналізу та обробки даних 🔹 розумієте, як інтерпретувати результати обробки даних, знаходити та коригувати помилки в аналізі 🔹 можете описувати реальні процеси та завдання математичною мовою 🔹 вмієте будувати і перевіряти статистичні гіпотези Лекторка — Наталія Кеес, Data Scientist в Airbus Старт: 18 листопада ⚡️Приємний бонус — Black Friday у robot_dreams вже розпочалась: придбавши курс, обирайте ще один у подарунок — для себе чи друзів 🎓 Детальніше

Scrapy: швидко збираємо дані з сайту Scrapy — це фреймворк Python, розроблений спеціально для збору даних. Він надає структурований та ефективний спосіб створення "павуків", які ходять по сайту і витягують потрібні дані.

У цій статті автор розповідає, як можна розв’язувати прості задачі з парсингу сайтів навіть не технічним спеціалістам.

Мова: 🇺🇦 #Scrapy // #theory // Python

Складні перевірки На 5-му уроці відео-курсу по вирішенню задач на Python з порталу CheckIO автор розглядає задачу, в якій треба перевірити, чи ввів користувач пароль в очікуваному форматі. Мова: 🇺🇦 Тривалість: 14 хв #Python // #lessons // Архів книг

Вийшла найкраща нейронка для кодингу Нейромережа Qwen2.5-Coder-32B-Instruct перевершує навіть ChatGPT-4о!Найкрутіше те, що модель виклали у відкритий доступ, тож вона доступна всім безкоштовно.

Модель навчали на 5,2 трильйони токенів. Для порівняння, ChatGPT-4o — тільки на сотнях мільярдів.

👉 Спробувати #Python // #news // Вакансії IT

GAN — це нейронні мережі, які генерують матеріали, такі як зображення, музику, мовлення чи текст. Вони схожі на те, що роблять люди.

class Generator(nn.Module):

   def __init__(self):
      super().__init__()
      self.model = nn.Sequential(
         nn.Linear(2, 16),
         nn.ReLU(),
         nn.Linear(16, 32),
         nn.ReLU(),
         nn.Linear(32, 2),
      )

   def forward(self, x):
      output = self.model(x)
      return output

generator = Generator()

#Python // #practice // Архів книг

import numpy as np
>>> np.array([0., 1, 2])
???

👉 Відповідь #Python // #practice // Архів книг

Аналіз ковзаючого зрізу клементів На 4-му уроці відео-курсу по вирішенню задач на Python з порталу CheckIO автор розглядає задачу, в якій треба визначити, чи є в даному реченні хоча б три слова підряд, які б не були числами. Мова: 🇺🇦 Тривалість: 14 хв #Python // #lessons // Архів книг

Не можна гарантувати, що штучний інтелект не захопить світ Проте можна зробити так, щоб він працював на вас та ваш продукт, перш ніж мріяти про світове панування. 🤖 Вдоскональте свої знання та опануйте нові інструменти на курсі «Побудова моделей Generative AI» від robot_dreams За 18 занять ви навчитеся: 🦾 розробляти та впроваджувати моделі генеративного ШІ в реальних проєктах 🦾 розуміти вразливості та стратегії захисту генеративного штучного інтелекту 🦾 навчитеся створювати та налаштовувати різні генеративні моделі (GAN, VAE і LLM) 🦾 використовувати різні методи й метрики для оцінювання якості згенерованих даних 🦾 впроваджувати моделі GenAI в готові продукти Наприкінці курсу розробите фінальний проєкт — власну модель генеративного ШІ, що створюватиме контент на основі заданих даних Лектори: Володимир Поворозник — Senior ML Engineer в UniData Lab, PhD в галузі Computer Science Юрій Хома — Co-founder&CEO UniData Lab, PhD у галузі ШІ Старт: 19 листопада Деталі, програма та реєстрація ⬅️

Python став найпопулярнішою мовою на 📱 GitHub Відбулось це тому, що глобальна активність з відкритим кодом виходить за межі традиційної розробки ПЗ — Python широко використовується у сферах машинного навчання, науки про дані, наукових обчислень, хобі та домашньої автоматизації, серед іншого.

Зростання використання Python корелює з тим, що великі спільноти людей з наукових і технічних галузей приєднуються до спільноти відкритого коду, відмінної від традиційної спільноти розробників програмного забезпечення.

👆 Решту статистики зі свіжого звіту GitHub можна побачити на картинці. #GitHub // #news // Python

У NumPy існує п'ять основних способів округлення десяткових чисел: 🔴trunc() і fix() видаляють десяткові дроби і повертають число з плаваючою комою 🔴функція around() округлює число до заданої кількості знаків після коми 🔴функція floor() округляє десяткове число в менший бік 🔴функція ceil() округляє десяткове число в більший бік

import numpy as np

arr = np.trunc([-3.1666, 3.6667])
print(arr) # [-3. 3.]

arr1 = np.fix([-3.1666, 3.6667])
print(arrl) # [-3. 3.]

arr2 = np.around(3.1666, 2)
print(arr2) # 3.17

arr3 = np.floor([-3.1666, 3.6667])
print(arr3) # [-4. 3.]

arr4 = np.ceil([-3.1666, 3.6667])
print(arr4) # [-3. 4.]

#NumPy // #practice // Python

👆 Що таке синхронний код? Якщо у вас є функція, яка займає багато часу на виконання, і ви викликаєте її в основній програмі, виконання програми заблокується до завершення цієї функції.

items = [1, 2, 3, 4, 5]
for item in items:
   print(item)

#Python // #theory // Вакансії IT

Порожні осередки потенційно можуть дати невірний результат під час аналізу даних. Один зі способів впоратися з порожніми осередками — видалити рядки, що містять порожні осередки.

import pandas as pd

df = pd.read_csv('data.csv')
new_df = df.dropna()
df.dropna(inplace = True)

print(df.to_string())

Для цього можна використовувати метод dropna(), який за замовчуванням повертає новий DataFrame і змінює вихідний. Якщо бажаєте змінити вихідний DataFrame, використовуйте аргумент inplace = True. #Python // #practice // Архів книг