Python RU

📃 Генерация отчетов графовой аналитики в формате PDF с помощью Python Создание отчетов графовой аналитики является важной частью работы многих проектов и бизнес-процессов. Однако, процесс создания и настройки таких отчетов может быть сложным и требовать больших усилий. Рассмотрим, как использование языка программирования Python и его библиотек может значительно упростить генерацию отчетов графовой аналитики в формате PDF. Для работы с PDF в Python есть множество библиотек, самые популярные из них: PyPDF2, ReportLab, FPDF. Сравнение основных библиотек: в изображении. По совокупным критериям для дальнейшего разбора мной была выбрана библиотека ReportLab. Одной из самых популярных библиотек для работы с графами в Python является NetworkX. Она предоставляет широкий набор инструментов для создания и анализа графов. Ее и буду использовать для создания графа и анализа данных. В посте приведен код, необходимый для воспроизведения. Полный код доступен по ссылке. Данные сгенерирую с помощью Python. Пусть будет 500 операций, где будет информация об отправителе, получателе, сумме операции и флаг подозрительности операции. df_dict = {} count_operation = 500 for i in range(count_operation): df_dict[i] = {'reciver' : random.randint(1, count_operation/2), 'sender': random.randint(1, count_operation/2), 'sum_oper': random.randint(1000, 1000000), 'suspisios_transaction': random.randint(0, 1)} Добавлю 100 переводов, где получателем будет клиент 1, а отправителем- любой другой клиент из основного датасета: for i in range(100): df_dict[i] = {'reciver' : 1, 'sender': random.randint(1, count_operation/2), 'sum_oper': random.randint(1000, 1000000), 'suspisios_transaction': random.randint(0, 1)} df = pd.DataFrame().from_dict(df_dict).T Получится вот такой датасет: Смотреть

🥰 В ближайшем будущем работодатели будут искать Data Scientist. Сыграйте на опережение — начните учиться со Слёрмом уже в ноябре! Не требуется заглядывать во временную воронку, достаточно проанализировали актуальное положение вещей: 🔥 Работа с данными требуется и в небольших IT-стартапах, и в финтехе, и в бизнесе, и фармацевтике — везде, где требуются наиболее точные прогнозы. ⭐ Спрос на специалистов растет. По данным Всемирного экономического форума, количество вакансий по направлению выросло на 433%. ➕ Средняя зарплата Data Scientist зарабатывает от 50 000 рублей на уровне junior и от 250 000 рублей, когда он станет senior-специалистом. На профессию Data Scientist учат в Слёрме! Курс стартует с 13 ноября, вам потребуется около 4 месяцев, чтобы доучиться до уровня junior-специалиста. Вам помогут мощные эксперты: — Иван Аникин, Team Lead Yandex.Edadeal; — Владимир Бугаевский, Team Lead СберМаркет. Посмотреть подробную программу вы можете на сайте Слёрм. Реклама. ООО «Слёрм» г. Лиски, ОГРН 1193668020545

🔵 Пишем телеграм бота для скачивания #yotube видео 📌Видео • Папка отборных каналов для Python разработчиков -https://t.me/addlist/8vDUwYRGujRmZjFi • Cсылка на бота: t.me/Youtubedtg_bot • Полный код бота https://github.com/Develp10/telegramyoutubebot @pro_python_code

🐍 Mastering Financial Engineering: От моделирования на Python к интерактивным приложениям Финансовый инжиниринг включает в себя сложные вычисления и моделирование для анализа и решения финансовых проблем. Независимо от того, являетесь ли вы студентом или начинающим специалистом в области финансов, очень важно не только понимать концепции, но и профессионально представлять свою работу. В этой статье мы рассмотрим, как с помощью Python превратить простой код моделирования цены опциона Монте-Карло в развернутое приложение. Это не только улучшит ваше понимание, но и поможет эффективно донести финансовые концепции с помощью визуализаций и пользовательских приложений. Предварительный вариант приложения, которое вы сможете создать к концу этого урока: в изображении. 1. Организуйте рабочее пространство Шаг 1.1: Создание выделенной папки Начните с создания специальной папки для вашего проекта по финансовой инженерии. Организация работы в структурированном виде необходима для эффективной разработки. Далее

🔥 Django гайд по формам https://www.youtube.com/watch?v=CwQx_s4jtpA @pro_python_code

🔥 Дайджест полезных материалов из мира Python за неделю Почитать: — RestApi от мала до велика. А ты правильно проектируешь методы? — Сравнение методов веб-скрепинга для данных Википедии: Beautiful Soup против WikipediaAPI — Как я проектирую и разрабатываю расширения Python на Rust — Построение ML-пайплайна для рекомендательной системы с помощью Google Cloud Platform — Как PaaS решил проблемы стандартизации разработки сервиса одной утилитой — Введение в библиотеку Diffusers и диффузионные модели — «Консервируем» данные: сравниваем модуль pickle и альтернативные способы сериализации — Сбер. Как некрасиво поступить на конкурсе красоты — Что я понял на первой работе программистом / Мои советы Junior-разработчикам — Swirl для анализа корпоративных данных: как мы использовали ИИ-поиск и что из этого вышло — MLOps на примере прогноза движений акций с помощью MLRun — Tuning Out Spotify: A Programmer’s Approach to Music Streaming — Automating Python Deployments with GitHub Actions, AWS ECR, and AWS Lambda — Weekly Dev Findings 9 — Infinite Scroll Pagination in Django with HTMX — Reflex: 10 Minute Docs Audit — Milvus Adventures | October 13, 2023 — Docker with Python for Dummies — CS61A: Projeto HOG (Parte 1) — Keep It Uplifting podcast. James “Uplifting” Edwards explores the intersection of lifestyle and success with Richard Blank. — Testando testes no Python - Parte 3: Pytest dentro do Pytest Посмотреть: 🌐 Chatgpt, Bard , Claude, Theb - используй API лучших нейросетей бесплатно и без ВПН на Python. (⏱ 05:23) 🌐 NLP практика. Определяем тональность текста при помощи NLTK и DL (⏱ 19:37) 🌐 Django шаблонизация и маршрутизация (⏱ 09:11) 🌐 Задача, которая очень часто встречается на собеседованиях #python (⏱ 00:59) 🌐 Решение непростой задачи с Leetcode, часто всплывает на собеседования #pythontutorial (⏱ 00:59) 🌐 Хитрая задача с собеседования #Python (⏱ 00:59) 🌐 Решаем вариант из сборника Л. Н. Евич | ЕГЭ-2024 по информатике (⏱ 01:48:21) 🌐 Задание 24 | ЕГЭ по информатике | ДЕМО-2024 (⏱ 06:35) 🌐 Задание 25 | ЕГЭ по информатике | ДЕМО-2024 (⏱ 03:44) 🌐 Linux для начинающих | Как загрузить файлы на или с сервера | Команда SCP (⏱ 04:35) Хорошего дня!

🖥 Chatgpt, Bard , Claude, Theb - используй API лучших нейросетей бесплатно и без ВПН на Python ▪Video @pro_python_code

🚀🧠**lru_cache**: отличная техника для эффективного кодинга!🚀🧠 В данном коде `lru_cache` используется в качестве декоратора для функции fibonacci. Поскольку последовательность Фибоначчи может быть вычислительно затратной для больших входных данных, кэширование результатов для каждого вызова может значительно ускорить последующие вызовы с теми же аргументами. Однако декоратор кэширования не следует использовать в каждом конкретном случае. Для функций, результаты которых меняются даже при одинаковых входных данных, или для функций, выходными данными которых являются изменяемые объекты, кэширования следует избегать. При первом вызове `fibonacci(35)` функция вычислит результат обычным способом, учитывая рекурсивный характер последовательности Фибоначчи. Это может занять много времени. Однако при втором вызове `fibonacci(35)` вместо повторного вычисления функция просто найдет значение в кэше и вернет его. В результате время выполнения второго вызова будет значительно меньше, что свидетельствует о пользе кэширования. Фактическое время выполнения на вашей машине будет зависеть от ее вычислительной мощности, но, скорее всего, вы увидите заметную разницу между двумя вызовами. Помните, что lru_cache может ускорить только последующие вызовы с теми же параметрами. Если вызвать fibonacci(36) после fibonacci(35), то все равно придется вычислять значение. Однако вычисление будет происходить быстрее, чем без кэша, так как fibonacci(35) уже закешировано, и ему нужно только добавить к нему fibonacci(34). @pro_python_code

Django шаблонизация и маршрутизация https://www.youtube.com/watch?v=KsYSu7ITkY8 @Django_pythonl

🔥 Дайджест полезных материалов из мира Python за неделю Почитать: — Тестовые серверы Telegram: инструкция по эксплуатации — Функциональное программирование в Python: ежедневные рецепты — Apache Spark и PySpark для аналитика. Учимся читать и понимать план запроса в SparkUI — Пишем АПИ автотесты на Python по шагам — Извлечение текста из файлов PDF при помощи Python — Детекция дефектов дорожного покрытия без размеченных данных: Хакатон, LiDAR, RANSAC, ICP и 44 бесcонных часов — Преобразование markdown в pdf на Python — Как «продать» OSS Framework? Propan -> FastStream — FIFO очередь asyncio в Python — Тестируем API в Таверне — Comment ajouter des hyperliens aux documents Word avec Python — EDA using Data Visualization techniques — Becoming an AWS All Builders Welcome Grant Alumni Mentor: Empowering the Next Generation of Innovators — New Features with Git Remotes — Trabaje con sus datos en tiempo real usando Langchain — TIL Remote in Git and TOMLLIB in Python — Exploratory Data Analysis using Data Visualization Techniques. — My First Pull Request in Hacktoberfest23 — documented: make docstrings in your exceptions work — MongoDB Quick Start Guide 🍃⚡️ Посмотреть: 🌐 Разбор задачи с собеседования Data Science. Подготовка на практике (⏱ 26:12) 🌐 Cобеседование #Python топовый банк Goldman Sachs Associate на 12000 $ #задача #программирование (⏱ 01:00) 🌐 Django создание модели. Вывод даных на страницу (⏱ 13:01) 🌐 Решаем задачу с leetcode на #Golang (⏱ 00:37) 🌐 Facebook задача с собеседования на #Python на 120000 рублей #программирование #задача #код (⏱ 00:59) 🌐 Разбора задачи с собеседования #Golang (⏱ 00:22) 🌐 Задание 22 | ЕГЭ по информатике | ДЕМО-2024 (⏱ 07:55) 🌐 Задание 23 | ЕГЭ по информатике | ДЕМО-2024 (⏱ 02:50) Хорошего дня!

Django создание модели. Вывод даных на страницу https://www.youtube.com/watch?v=hjoh29epXXA

❤️ Парсер телеграм каналов на Python. Гайд по написанию мощного бота. ▪Видео

🖥 Django начало работы ▪ Video @pro_python_code

🔥 Дайджест полезных материалов из мира Python за неделю Почитать: — Как сделать вашего телеграм-бота лучше? Конечно, добавить ему аналитику — Microsoft предлагает БЕСПЛАТНЫЕ онлайн курсы с сертификацией — 7 шагов по контейнеризации Python-приложений — MySQL в Google Colab: Бесшовная интеграция — Сделали по красоте: победители «Конкурса красоты кода» — Перелом в судьбе змеи: как Python менял версию с 2 на 3 — Как найти популярные NFT коллекции в блокчейне TON — ранжируем коллекции c помощью индексатора dton.io и Python — Летадло, предисловие — Python + PIL + Pyrogram = Кастомные эмодзи для Telegram — S.T.A.R.K. — первый фреймворк для создания голосового ассистента — Пишем компилятор C в 500 строках Python — Dragon Userbot — расширение возможностей Вашего Telegram-аккаунта до уровня, ограниченного лишь Вашей фантазией — Получаем список товаров из чека ИФНС (Raspberry + FreePBX + telegram + sheets) — Conquer MS-101: Dumpsarena Offers Reliable Study Materials — How to Easily Try Out boto3 Interactively in AWS CloudShell — Kafka Ease: Simplifying Kafka Topic and ACL Management — A Python script to see my most watched YouTube videos — No One Expects the self._spanish_inquisition (Because it’s protected) — My Experience learning Python and SQL — Lovely Silk — My first contribution to other open source project — Data Science Essentials: Your Path to Effective Dataframe Joins with Pandas — Customizing RAG Pipelines to Summarize Latest Hacker News Posts with Haystack 2.0 Preview Посмотреть: 🌐 Python Matplotlib. Визуализация данных на PRO уровне. (⏱ 24:43) 🌐 Устраиваемся на работу. Решаем тестовое задание на позицию Python Junior. (⏱ 20:28) 🌐 Уроки Golang с нуля /#29 - Дженерики/обобщения (⏱ 10:52) 🌐 Уроки Golang с нуля /#30 - Горутины (⏱ 08:09) 🌐 Революционный генератор музыки на основе искусственного интеллекта (⏱ 00:12) 🌐 Серьезные проблемы с безопасностью в телеграм! (⏱ 00:24) 🌐 Задание 14 | ЕГЭ по информатике | ДЕМО-2024 (⏱ 07:19) 🌐 Задание 16 | ЕГЭ по информатике | ДЕМО-2024 (⏱ 02:09) 🌐 Задание 15 | ЕГЭ по информатике | ДЕМО-2024 (⏱ 03:23) 🌐 Задание 17 | ЕГЭ по информатике | ДЕМО-2024 (⏱ 07:17) Хорошего дня!

«Библиотека программиста» запустила два новых канала для Python-разработчиков и тех, кто хочет ими стать👨‍🏫 В них мы: 🔸тренируемся на практических задачах 🔸отвечаем на популярные вопросы с собеседований 🔸проверяем свои знания Подписывайтесь: 👉Библиотека собеса по Python — тут мы готовимся к интервью 👉Библиотека задач по Python — тут решаем задачи, проходим тесты и изучаем код

⚡️ Развертывание приложений Python в Azure Будучи инженером облачных технологий, который увлекается разработкой приложений, я недавно задумался над тем, как превращать локальные прототипы/приложения в ценные инструменты, доступные другим членам организации и особенно полезные в корпоративных средах. Покажу, как легко можно запустить такие инструменты в облаке! Зачем это нужно? Часто бывает так, что талантливый программист или инженер натыкается на полезную библиотеку, фреймворк или инструмент, создает очень эффектную демо-версию, показывает ее своей команде — и на этом все заканчивается. Почему? Это может быть связано с целым рядом факторов, включая: ▪️неопределенность в отношении затрат; ▪️отсутствие идей по запуску инструмента в работу; ▪️неуверенность в учете всех ключевых моментов. Цель этой статьи — доказать, что выбрать фреймворк, создать с ним приложение и доставить его конечным пользователям можно довольно легко. В данном случае нашим выбором будет Streamlit — популярный фреймворк, помогающий создавать веб-приложения для визуализации данных. Смысл статьи заключается в том, чтобы предложить отличный способ создания приложений, который недостаточно используется. На самом деле большинство SaaS/PaaS-инструментов, таких как Power BI и Dynamics, подойдут вам в ряде случаев — будь то создание дашбордов, разработка приложения типа CRUD или чего-то еще. Однако если вы хотите использовать действительно крутые приложения (и при этом легко их создавать) и делать их доступными для других людей, читайте дальше! Что такое Streamlit и почему его стоит использовать? Лучшее описание этого инструмента дано на сайте Streamlit: это фантастическая библиотека для разработки веб-приложений, предназначенных для взаимодействия с данными. Лично мне Streamlit нравится по двум причинам. • Streamlit проще в использовании, чем многие другие инструменты. Это очень простая библиотека по созданию приложений для работы с данными. В нее можно очень легко включать компоненты, созданные в других библиотеках, таких как Seaborn и Altair. • Streamlit имеет презентабельный вид. Большинство пользователей библиотеки считают, что в ней есть je ne sais quoi (фр. — нечто, невыразимое словами, но моментально покоряющее, убеждающее в качестве). Streamlit легко использовать благодаря высокому качеству доступной документации. Следует подчеркнуть, что ни один инструмент, библиотека или фреймворк не является панацеей для решения всех проблем. Какую библиотеку выбрать и когда — это отдельный разговор, и мы не будем заострять на нем внимание. То, что будет продемонстрировано здесь, применимо и к другим фреймворкам на других языках. Как запустить приложение? 📌 Читать

Если Spark переводится как «искра», то наш хакатон по программированию с Apache Spark – это искра, буря, безумие! Он будет посвящён работе с данными и разработке ИИ – наиболее актуальным направлениям в IT. Это хорошая возможность не только прокачать свои навыки, но и заработать от 50 000 до 150 000 рублей. И даже найти работу по душе – да, такое бывает. Регистрация продлится до 29 сентября включительно, старт выполнения заданий – 2 октября в онлайн-формате, так что у вас как минимум на одну отговорку меньше. Вся нужна информация и, само собой, форма для регистрации по ссылке: https://vk.cc/cqJsjS.

🖥 Асинхронный парсер Хабра на Python • Видео • Код парсера @pro_python_code

📱 Как защитить телеграм бота от атак и перегрузок. Данный урок раскроет способы обеспечения безопасности телеграм-бота на Python. • Видео @pro_python_code