Python tricks | Хитрости Питона

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 tricks

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 tricks

Владельца эскорт агентства чуть не закрыли, после того как он купил рекламу на Бурж Халифе, введя правительство Дубая в заблуждение 😂 www.escort.agency (Real.top)

NumPy: Срезы Срезы (slicing) — это способ выбора подмножества элементов из массива. Ты можешь использовать срезы для доступа к определенным элементам массива или для изменения значений в массиве. Результат включает начальный индекс, но исключает конечный индекс. 🔗 Python tricks

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 tricks

🤑 10.000 NOT = 200$? Только что заметили, как Notcoin на бирже Bybit начал набирать обороты. Объем уже $367.900, а цена чуть выше 2 центов. Полагаю, если данная стоимость сохранится, то 10.000 NOT можно будет оценить в 200 баксов. 1️⃣ Срочно регаемся на Bybit — https://partner.bybit.com/b/81065 2️⃣ Переводим свои Notcoin из приложения на биржу. 3️⃣ На листинге играем в Скруджа Макдака со своим золотом. Либо продаем, либо удерживаем. Очевидно, что новый гем от команды ТГ 🚀

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 tricks

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 tricks

Обзор Bespalephone rugged 0.4 Евгений Ивченков 🌐 Смотреть обзор [19:09] К нам в руки попала актуальная модель BespalePhone. Это пятая версия телефона и четвертая версия прошивки от команды Bespale. Все, что вам нужно знать о телефоне, можно выразить в одном предложении: «Защита от досмотра, влаги и пыли». Однако такого набора возможностей прошивки вы не встретите в One+ или Pixel. 📦 Вторая хорошая новость: вы можете стать обладателем такого смартфона бесплатно. С 13 по 23 мая пройдет розыгрыш BespalePhone (как в обзоре) и нескольких дополнительных призов. Все, что вам нужно будет сделать, — быть подписанным на наш канал и на канал BespalePhone. Подробности завтра 😉

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 tricks

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 tricks

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 tricks

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 tricks

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 tricks

🤑 10.000 NOT = 200$? Только что заметили, как Notcoin на бирже Bybit начал набирать обороты. Объем уже $367.900, а цена чуть выше 2 центов. Полагаю, если данная стоимость сохранится, то 10.000 NOT можно будет оценить в 200 баксов. 1️⃣ Срочно регаемся на Bybit — https://partner.bybit.com/b/81065 2️⃣ Переводим свои Notcoin из приложения на биржу. 3️⃣ На листинге играем в Скруджа Макдака со своим золотом. Либо продаем, либо удерживаем. Очевидно, что новый гем от команды ТГ 🚀

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 tricks

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 tricks

Мир на пороге третьей мировой: это лето изменит облик нашей страны и всего мироустройства. Доллар около 100 - стал новой реальностью. А осенью грядут выборы Президента США И сейчас лучше сохранять трезвую голову и читать тех, кто опирается только на факты. Хороший пример - канал Дмитрия Ладесова. Он никуда не уезжал и еще год назад объяснял, почему дефолт РФ - это чушь. Давал точные прогнозы по ситуации с рублем и долларом. Говорил, почему биткоин улетит выше 70 тысяч и заранее предупреждал о падении. А сейчас подробно объясняет, к чему готовиться в 2024, что делать с рублём и недвижкой и чем для нас закончатся военные конфликты. Стоит подписаться на этот ценный канал, чтобы знать о событиях, еще ДО их наступления и быть готовым!

Dask Dask — это гибкая библиотека для параллельных вычислений. Dask состоит из двух частей: динамического планирования задач, оптимизированного для вычислений, и коллекций "больших данных", таких как параллельные массивы, фреймы данных и списки, которые расширяют общие интерфейсы, такие как NumPy, Pandas или итераторы Python, до сред больше памяти или распределенных сред. В этом примере мы создаем массив Dask x размером 10000x10000 с чанками размером 1000x1000. Затем мы выполняем несколько операций над массивом x, включая транспонирование, срез и вычисление среднего значения. Наконец, мы вызываем метод compute() для вычисления результата. Результат работы кода - массив NumPy со средними значениями по строкам для каждой второй строки в срезе y[::2, 5000:]. 🔗 Python tricks

dict.items Метод items() возвращает объект представления, который отображает список пар кортежей словаря (ключ, значение). Если список обновляется в любое время, изменения отражаются на самом объекте представления, как показано в приведенном выше примере. 🔗 Python tricks