Добро пожаловать в мир Python

Создание компилятора и интерпретатора Python Серия статей о реализации языка программирования Python с нуля на языке Python. Конечная цель этой серии - изучить и поиграть с концепциями и алгоритмами, необходимыми для реализации такого языка программирования, как Python. Для этого мы создадим язык программирования с некоторым набором возможностей, которыми обладает Python, и попутно поиграем с токенизаторами, парсерами, компиляторами и интерпретаторами! https://mathspp.com/blog/tag:bpci

101 упражнение Pandas для анализа данных 101 упражнение Python Pandas предназначены для того, чтобы бросить вызов вашим логическим мышцам и помочь усвоить манипулирование данными с помощью любимого пакета Python для анализа данных. https://www.machinelearningplus.com/python/101-pandas-exercises-python/

«Иногда лучше написать велосипед»: как тестировать кластеры Kubernetes с помощью Python. Сегодня Kubernetes — это основное средство для оркестрации контейнеров на рынке, поэтому их тестирование занимает особую позицию в перечне задач. Большинство тривиальных тестов можно запустить через команду kubectl, либо фреймворк Sonobuoy для тестирования сертификации версий. Однако для сложных интеграционных тестов, которые завязаны на Kubernetes API, необходимо реализовать что-то свое. Я воспользовался клиентской библиотекой Python для Kubernetes, которая позволяет работать со всеми прелестями его интерфейса, соединил ее с PyTest и API нашего продукта — Managed Kubernetes. Что из этого вышло, показываю в статье. Читать дальше →https://habr.com/ru/companies/selectel/articles/772316

pix2tex - это библиотека Python, позволяющая конвертировать изображения уравнений в код LaTeX. Это позволяет включать уравнение из документа в другой документ, не создавая уравнение заново. https://github.com/lukas-blecher/LaTeX-OCR

Анализ данных в 170 000 раз быстрее с помощью Python В этом посте мы пройдем путь профилирования и итеративного ускорения кода на Python. https://sidsite.com/posts/python-corrset-optimization/

Фундаментальные понятия статистики и строительные блоки #DataAnalytics и #MachineLearning. Набор Python matplotlib интерактивных приборных панелей, чтобы помочь вам понять эти фундаментальные концепции https://github.com/GeostatsGuy/PythonNumericalDemos/blob/master/Interactive_MarginalJointConditional.ipynb

Мой пользовательский опыт при переносе setup.py Я надеюсь, что, поделившись своим (к сожалению, болезненным) опытом конечных пользователей, я смогу привлечь внимание к сбивающим с толку аспектам упаковки Python, чтобы более информированные и уполномоченные люди могли улучшить ситуацию и помочь в принятии будущих решений по упаковке Python, чтобы помочь в таких сценариях, как Я собираюсь описать. https://gregoryszorc.com/blog/2023/10/30/my-user-experience-porting-off-setup.py/

Обзор и основы объектно-ориентированного программирования на Python ⭐️ https://dev.to/swirl/python-mastery-pythons-object-oriented-programming-overview-and-fundamentals-22m1

[Перевод] Как в 180,000 раз ускорить анализ данных с помощью Rust. В этой статье я опишу одно из последних своих дерзновений в сфере оптимизации производительности с помощью Rust. Надеюсь, что в ней вы откроете для себя какие-то новые приёмы для написания быстрого кода на Rust. Читать дальше →https://habr.com/ru/companies/ruvds/articles/769808

Visual Studio Code — один из самых популярных и настраиваемых редакторов кода. И в этом руководстве мы поможем вам настроить все это для разработки на Python . Он рассказывает о ключевых расширениях, которые вам понадобятся, и о том, как они сделают процесс кодирования интересным. https://www.freecodecamp.org/news/how-to-configure-visual-studio-code-for-python-development/

Что нового в Python 3.13 В этой статье объясняются новые возможности Python 3.13 по сравнению с версией 3.12. https://docs.python.org/3.13/whatsnew/3.13.html

Малоизвестные библиотеки Python для анализа данных, которые сделают вашу жизнь проще. В этой статье мы рассмотрим некоторые полезные библиотеки Python для задач обработки данных, с которыми, возможно, вы еще не знакомы. Хотя для задач машинного обучения на ум приходят такие библиотеки, как pandas, numpy, scikit-learn, keras, tensorflow, matplotlib и т.д., но всегда полезно знать о других предложениях Python, особенно если это поможет улучшить ваши проекты. Читать далее https://habr.com/ru/companies/otus/articles/769376

Работа с временными рядами в Python. Часть 1. Аналитика данных стала неотъемлемой частью современного бизнеса и научных исследований. И одним из ключевых аспектов анализа данных являются временные ряды. Эффективная работа с временными рядами играет критическую роль в прогнозировании, стратегическом планировании и принятии решений в различных отраслях. Временные ряды — это наборы данных, где каждая точка данных связана с определенным моментом времени. Это может быть что угодно, от ежедневных финансовых показателей до ежечасных кликов на веб-сайте или даже месячных показателей погоды. Зачем нам это нужно? Потому что временные ряды предоставляют нам ценную информацию о том, как меняются данные со временем. Читать дальше →https://habr.com/ru/companies/mvideo/articles/769190

Библиотека Python, которая добавляет в Pandas возможности генеративного искусственного интеллекта. 🔥 Представляя PandasAI, теперь вы можете анализировать сложные фреймы данных и строить визуализации, просто используя естественный язык https://github.com/gventuri/pandas-ai

Интересное использование ChatGPT: для преобразования уравнений в функции Python. Главное дать правильные подсказки

Python 3.11 против Python 3.12 – тестирование производительности. Всего был проведен 91 различный тест производительности на компьютерах с процессорами AMD Ryzen серии 7000 и процессорами Intel Core 13-го поколения для настольных компьютеров, ноутбуков и мини-ПК. https://en.lewoniewski.info/2023/python-3-11-vs-python-3-12-performance-testing/

[Перевод] Мне пожизненно забанили рекламу в Meta**. Потому что я преподаю Python. Я работаю штатным учителем по Python и Pandas, провожу очные курсы в компаниях по всему миру (например, Apple и Cisco) и работаю с постоянно растущим количеством онлайн-продуктов, включая видеокурсы и платная рассылка с еженедельными упражнениями по Pandas. Как и многие онлайн-предприниматели, я на протяжении многих лет экспериментировал с множеством различных продуктов, как бесплатных, так и платных. И, как и у многих других онлайн-предпринимателей, у меня были как хитовые, так и провальные продукты. Читать далее https://habr.com/ru/articles/768572

Qt для Python: все подробности последней версии 6.6 🐍 https://www.qt.io/blog/qt-for-python-6.6

[Перевод] Примитивы синхронизации в Python Asyncio: Исчерпывающее руководство. При написании многопоточного приложения нужно помнить о возможности состояния гонки при использовании неатомарных операций. Даже простая задача по увеличению целого числа на единицу в конкурентной программе может вызвать ошибки, с трудом поддающиеся воспроизведению. Но при использовании asyncio мы всегда работаем в одном потоке, а значит можно не беспокоиться о гонках, правда? На самом деле не всё так просто... Что было дальше? https://habr.com/ru/articles/767792