Pythoner

Совет на 2025 год - учите Data Science и Machine learning Все нейросети, базы данных компаний, выявление болезней и многое другое - не обходятся без DS и ML. А чтобы освоиться за несколько месяцев, а не лет, читайте канал Data Science. В нём на пальцах рассказывается, что и как учить, чтобы стать специалистом. Начните 2025 год с освоения новой профессии - devsp

Разработка Telegram Mini Apps для бизнеса Telegram Mini Apps - новое слово во взаимодействии клиента и бизнеса. 📊 Невероятно стимулируют как первые, так и повторные продажи. ✨ Кратно дешевле и быстрее в разработке, чем классические мобильные приложения. 📱 Не требуют установки, регистрации, и выдачи разрешений на PUSH уведомления. А с нашей командой этот процесс пройдет гладко и предсказуемо от "А" и до релиза. Посмотрите наше демонстрационное приложение? 😊 Узнать больше #реклама О рекламодателе

✈️collections.Mapping — это абстрактный базовый класс, который представляет отображение ключ-значение. Он наследуется встроенными типами словарей, такими как dict, а также другими типами, которые реализуют схожее поведение, например OrderedDict. ➡️Класс Mapping определяет интерфейс, общий для всех отображений ключ-значение, включая такие методы как keys(), values(), items() и другие. Это позволяет писать универсальный код, который будет работать с любым типом, реализующим этот интерфейс. 💡Например, Mapping часто используется вместе с isinstance или issubclass для проверки, является ли объект словарем. Также он полезен при написании функций, которым нужно принимать на вход отображения, но без привязки к конкретному типу как dict. Mapping гарантирует наличие основных методов словаря у переданного объекта. 🐍 Pythoner

Ну не умею я красиво одеваться! Давай научу, выбирай свой возраст: Мне 18-25 лет - t.me/+4NY1TJqQdhliNTky Мне 26-35 лет - t.me/+htZoXcEKUPZkYzUy Мне 36-45 лет - t.me/+1tbgEpqHjc8xMTRi Мне 46-60 лет - t.me/+ESk2x6L4Up0wMzNi Мне 61-70 лет - t.me/+sHR13L_v58pjNzZi Тут нет моего возраста - t.me/+hcfabSAYZWlmYzU6 Узнать больше #реклама О рекламодателе

✈️Комплексные числа представлены типом данных complex. ➡️Комплексные числа можно создавать разными способами: — Используя конструктор complex(a, b), где a — действительная часть, b — мнимая. — Из вещественного числа, добавив к нему мнимую часть. Например, a + bj. — Из строкового представления с помощью complex(string). ➡️С комплексными числами можно выполнять стандартные математические операции. Для доступа к частям комплексного числа используются атрибуты real и imag. 💡Встроенные функции abs(), conjugate(), polar() позволяют получить модуль, сопряженное число и представление в тригонометрической форме. 🐍 Pythoner

Ищете готовые скрипты 💾 на Python❓ На канале Python_Scripts всегда огромный выбор🚀🧑🏻‍💻 - боты 🛠 - парсеры📁 - чекеры🔍 - автоматизация🔧 - многое другое💻 Подписывайтесь и пользуйтесь! Ссылка на канал : 👇👇👇👇👇 📌https://t.me/Py_Script

Офисы от 360 000 ₽/м² в БЦ TALLER м. Павелецкая! TALLER - Новая высота вашего бизнеса! Офисы А класса. Павелецкий деловой район. 1 км до Садового кольца. Высокая стадия готовности. Помещения под любой тип бизнеса площадью от 64 до 1840 м² в шаговой доступности от набережной. Рассрочка 0% от застройщика. Продажа по ДДУ. От 360 000 ₽/м². Выгода до 25% на офисы площадью от 300 м²! Перейти на сайт Проектная декларация на сайте https://наш.дом.рф/. Застройщик: ООО "Специализированный застройщик "ТАЛЛЕР" #реклама tr-8.ru О рекламодателе

Senior-разработчики и Тимлиды из яндекса, сбера и майл.ру теперь бесплатно дают информацию которой нет даже не платных курсах❗️ Группа из самых опытных программистов в РФ создали каналы в telegram, где делятся своим опытом: 🐍 Python — Реальный код и секреты Python. 🖥 Java — Как писать на Java, и не ошибаться, как настоящие эксперты из Яндекса. 📚 Library — Слив платных курсов, статьи, книги и лучшая теория по всем ЯП. 🐧 Linux — Все новинки, сливы и секреты Linux. 🖥 Memes — Эксклюзивные мемы, которых нет нигде. 🖥 IT Hub — Самые актуальные новости в мире IT. Их инфа будет полезна не только новичкам, но и опытным прогерам.

Колледж + ВУЗ дистанционно в рассрочку от 40 000 в год Поступи в Колледж «Синергия»! — Учись в московском колледже, не выходя из дома. — Полностью дистанционный онлайн-формат. — Обучайся дома, на работе, в путешествии. — Поступление круглый год. — Диплом государственного образца. — Программа «колледж + вуз» без ЕГЭ. Рассрочка 0% на весь срок обучения. Перейти на сайт #реклама 16+ synergy.ru О рекламодателе

✈️Vibora - это быстрый и мощный асинхронный веб-фреймворк для Python, который предназначен для разработки высокопроизводительных веб-приложений. Он основан на асинхронном сервере uvloop и является оптимизированным для работы с асинхронным вводом-выводом, что позволяет обрабатывать тысячи запросов в секунду. ➡️Основные особенности Vibora: ➡️Высокая производительность: благодаря использованию асинхронного ввода-вывода и оптимизированному серверу uvloop, Vibora обеспечивает высокую скорость обработки запросов. ➡️Минимализм и простота: Vibora имеет минималистичный и простой в использовании синтаксис, что упрощает разработку веб-приложений. ➡️Поддержка HTTP/1.1 и HTTP/2: Vibora поддерживает как HTTP/1.1, так и HTTP/2, что позволяет использовать передачу данных через множество потоков для улучшения производительности веб-приложений. ➡️Встроенная поддержка маршрутизации: Vibora предоставляет мощные средства для определения и обработки URL-адресов и запросов. ➡️Поддержка плагинов: Vibora позволяет расширить функциональность фреймворка за счет использования плагинов. 🐍 Pythoner

Дарим подписку на Яндекс Музыку Ответьте на 1 вопрос и Яндекс Музыка для вас и 3-х ваших близких 30 дней бесплатно. Кинопоиск и Яндекс Книги тоже в подписке. Попробуйте сейчас❤️ Попробовать #реклама 18+ music.yandex.ru О рекламодателе Реклама на Яндексе

✈️ В Python peewee — это легковесная и простая в использовании ORM (Object-Relational Mapper) библиотека. Она предоставляет удобный интерфейс для работы с базами данных, позволяя взаимодействовать с ними с помощью объектов Python вместо написания SQL-запросов. ➡️ Применение peewee упрощает разработку приложений, работающих с базами данных, делая код более чистым, понятным и легко поддерживаемым. Она поддерживает SQLite, MySQL, PostgreSQL и другие популярные СУБД. ➡️ Вот пример использования peewee для работы с базой данных SQLite:

from peewee import *

# Создаем подключение к базе данных SQLite (или подключаемся к существующей)
db = SqliteDatabase('my_database.db')

# Определяем модель данных (таблицу)
class User(Model):
    username = CharField(unique=True)
    password = CharField()
    email = CharField()
    active = BooleanField(default=True)
    joined_date = DateTimeField()

    class Meta:
        database = db  # Связываем модель с базой данных


# Создаем таблицу в базе данных (если она не существует)
db.connect()
db.create_tables([User])

# Создаем нового пользователя
user = User(username='testuser', password='password', email='test@example.com', joined_date='2024-07-26 10:00:00')
user.save() # Сохраняем пользователя в базу данных


# Получаем пользователя по имени пользователя
retrieved_user = User.get(User.username == 'testuser')
print(retrieved_user.email) # Вывод: test@example.com

#  Обновляем данные пользователя
retrieved_user.active = False
retrieved_user.save()

#  Удаляем пользователя
retrieved_user.delete_instance()

#  Запрос с фильтрацией
active_users = User.select().where(User.active == True)
for user in active_users:
    print(user.username)



db.close()

⬆️ В этом примере демонстрируется создание модели данных User, подключение к базе данных SQLite, создание таблицы, добавление, получение, обновление и удаление записей. Также показан пример простого запроса с фильтрацией. peewee предоставляет интуитивно понятный интерфейс для работы с базами данных, делая код более читаемым и легким в поддержке, чем при использовании сырых SQL-запросов. 🐍 Pythoner

Надежная IT-инфраструктура для бизнеса от Selectel. Комплексные IaaS-решения для всех уровней бизнеса. - Выделенные серверы - Облачные серверы - Объектное хранилище - Мобильная ферма - DBaaS и Managed Kubernetes - 1С в облаке Перейти на сайт #реклама 16+ selectel.ru О рекламодателе

➡️1. 🏆 Google Colab https://colab.research.google.com • Бесплатный доступ к GPU и TPU для машинного обучения • Полная интеграция с экосистемой Google (Drive, Sheets, Gmail) • Поддержка Jupyter notebooks с возможностью совместного редактирования • Предустановленные популярные библиотеки (TensorFlow, PyTorch, OpenCV) • Возможность сохранения и загрузки моделей • Выполнение долгих вычислений в фоновом режиме • Бесплатное облачное хранилище до 15 ГБ ➡️2. 🎯 Replit https://replit.com • Мощный встроенный терминал с полным доступом • Совместная работа в реальном времени с функцией pair programming • Встроенный хостинг проектов с публичным URL • Система контроля версий с интеграцией GitHub • Автоматическое управление зависимостями • Встроенный отладчик кода • Поддержка кастомных конфигураций и переменных окружения ➡️3. 🚀 Jupyter Lab https://jupyter.org • Интерактивные ноутбуки с поддержкой markdown • Продвинутая визуализация данных и графиков • Поддержка множества форматов (Python, R, Julia) • Расширяемость через систему плагинов • Встроенный просмотрщик CSV, JSON, изображений • Интерактивные виджеты для данных • Возможность создания презентаций ➡️4. ⚡️ Python Anywhere https://www.pythonanywhere.com • Полноценный хостинг веб-приложений Python • Консоль Python с доступом через браузер • Поддержка популярных фреймворков (Django, Flask) • Встроенная поддержка MySQL и PostgreSQL • Бесплатный тариф с базовым функционалом • Автоматическое обновление сертификатов SSL • Планировщик задач для автоматизации 🐍 Pythoner

✈️ В Python boltons — это набор полезных утилит и инструментов, расширяющих стандартную библиотеку Python. Он предоставляет решения для работы с коллекциями данных, итераторами, функциями, строками, файлами и другими распространенными задачами. boltons помогает писать более чистый, лаконичный и эффективный код. ➡️ Применение boltons повышает производительность разработки, предоставляя готовые решения для часто встречающихся задач. Библиотека хорошо документирована и легко интегрируется в существующие проекты. ➡️ Вот пример использования некоторых модулей boltons:

from boltons.iterutils import chunked

data = list(range(20))
chunks = list(chunked(data, 4)) #  Разделение данных на чанки размером 4
print(chunks)
# Вывод: [[0, 1, 2, 3], [4, 5, 6, 7], [8, 9, 10, 11], [12, 13, 14, 15], [16, 17, 18, 19]]


from boltons.dictutils import OMD
# Ordered Multi Dict, сохраняет порядок добавления ключей и позволяет иметь несколько значений для одного ключа

omd = OMD()
omd[1] = "a"
omd[2] = "b"
omd[1] = "c"

print(omd)
# Вывод: OMD([(1, 'a'), (2, 'b'), (1, 'c')])
print(omd.getlist(1)) # Получение всех значений для ключа 1
# Вывод: ['a', 'c']



from boltons.funcutils import wraps

def my_decorator(f):
    @wraps(f) #  Сохраняет метаданные оригинальной функции
    def wrapper(*args, **kwargs):
        print("Before function call")
        result = f(*args, **kwargs)
        print("After function call")
        return result
    return wrapper

@my_decorator
def my_function(a, b):
    """
    This is my function.
    """
    return a + b

print(my_function(1, 2))
# Вывод:
# Before function call
# After function call
# 3
print(my_function.__doc__) #  Метаданные сохраняются благодаря wraps
# Вывод: This is my function.

⬆️ В этом примере демонстрируется использование chunked для разделения списка на чанки, OMD (Ordered Multi Dict) для работы со словарем, сохраняющим порядок и позволяющим иметь несколько значений для одного ключа, и wraps для создания декораторов, сохраняющих метаданные декорируемых функций. Эти примеры показывают лишь небольшую часть функциональности, предоставляемой boltons. Библиотека содержит множество других полезных инструментов для различных задач. 🐍 Pythoner

✈️ В Python Modin — это крутая библиотека, которая позволяет ускорить работу с Pandas DataFrames, распараллеливая вычисления на все доступные ядра процессора. Она практически полностью совместима с API Pandas, что делает переход на Modin очень простым. ➡️ Применение Modin особенно актуально при работе с большими датасетами, которые не помещаются в оперативную память или обрабатываются слишком медленно с помощью стандартного Pandas. Просто заменив import pandas as pd на import modin.pandas as pd, можно значительно ускорить выполнение многих операций, таких как чтение данных, фильтрация, агрегация и другие. ➡️ Вот пример использования Modin:

# !pip install modin[ray] # или modin[dask], если предпочитаете Dask
import time
import modin.pandas as pd #  Замена import pandas as pd

start_time = time.time()

#  Загрузка большого датасета (замените на свой путь к файлу)
df = pd.read_csv("large_dataset.csv")

#  Выполнение некоторых операций с DataFrame
# ... (например, фильтрация, агрегация и т.д.) ...
df = df[df['column_name'] > 100]
df = df.groupby(['column_name1','column_name2'])['column_name3'].sum()


end_time = time.time()

print(f"Время выполнения с Modin: {end_time - start_time} секунд")



# Для сравнения, выполните тот же код с обычным Pandas:
import time
import pandas as pd

start_time = time.time()

#  Загрузка большого датасета (замените на свой путь к файлу)
df = pd.read_csv("large_dataset.csv")

#  Выполнение некоторых операций с DataFrame
# ... (например, фильтрация, агрегация и т.д.) ...
df = df[df['column_name'] > 100]
df = df.groupby(['column_name1','column_name2'])['column_name3'].sum()


end_time = time.time()

print(f"Время выполнения с Pandas: {end_time - start_time} секунд")

⬆️ В этом примере демонстрируется, как легко перейти с Pandas на Modin. Запустите код сначала с modin.pandas, а затем с обычным pandas, чтобы сравнить время выполнения. Для больших датасетов Modin может значительно сократить время обработки, автоматически распараллеливая вычисления. Убедитесь, что у вас установлен Ray или Dask (в зависимости от выбранного движка для Modin) и замените "large_dataset.csv" на путь к вашему большому CSV-файлу. 🐍 Pythoner

✈️Сегодня поговорим о том, как превратить ваши навыки Python в настоящие игровые шедевры. ➡️Начнём с того, что Python – это не просто язык для веб-разработки или data science. Благодаря множеству специализированных библиотек, мы можем творить настоящие чудеса. И нет, я не шучу – на Python создано немало крутых инди-игр! ➡️Самое крутое в разработке игр на Python – низкий порог входа. Если вы уже знаете основы языка, то буквально за пару дней сможете создать свой первый платформер или "змейку". А дальше – только ваша фантазия и упорство! ➡️Основные библиотеки для геймдева 🎮 Pygame - самая популярная библиотека: —Простой и понятный синтаксис —Огромное комьюнити —Отличная документация —Ограниченные возможности для 3D —Не самая высокая производительность 🎮Arcade - современная альтернатива: —Современный и чистый API —Встроенная физика —Хорошая производительность —Меньше обучающих материалов —Относительно молодая библиотека 🎮Kivy - для кроссплатформенной разработки: —Работает на всех платформах, включая мобильные —Поддержка мультитач —Сложнее в освоении —Больше подходит для приложений ➡️Из личного опыта могу сказать – начните с Pygame. Эта библиотека как конструктор LEGO: простая, понятная и при этом мощная. Вот что можно сделать уже на старте: —2D-платформеры —Аркады —Головоломки —Карточные игры —Шутеры с видом сверху 💡Но есть и подводные камни (куда же без них?). Python не самый быстрый язык, поэтому для создания масштабных 3D-игр лучше выбрать что-то другое. Зато для прототипирования или создания небольших игр – самое то! 🐍 Pythoner

✈️JPype — это библиотека для Python, которая позволяет взаимодействовать с Java-кодом непосредственно из Python. Она создает мост между обеими языками, позволяя вызывать Java-классы и методы так, как если бы они были написаны на Python. Это особенно полезно, если требуется использовать существующий Java-код в проектах на Python. ➡️Пример использования JPyp: Ниже показан простой пример, который демонстрирует, как использовать JPype для вызова метода Java. 1. Предположим, у вас есть Java-класс HelloWorld, который выглядит следующим образом:

public class HelloWorld {
    public static String greeting() {
        return "Hello from Java!";
    }
}

2. Компилируйте этот класс и убедитесь, что .class файл доступен. 3. Затем вы можете использовать следующий код на Python для вызова метода greeting:

import jpype

# Запуск виртуальной машины Java
jpype.startJVM(jpype.getDefaultJVMPath())

# Загрузка класса
HelloWorld = jpype.JClass("HelloWorld")

# Вызов метода
result = HelloWorld.greeting()
print(result)  # Вывод: Hello from Java!

# Остановка виртуальной машины Java
jpype.shutdownJVM()

💡Не забудьте, что нужно корректно настроить пути к вашим Java классам, если они находятся в отдельных пакетах или библиотеках. ➡️Основные области применения JPype: — Доступ к библиотекам Java из Python. — Интеграция с существующим Java кодом. — Использование JVM из Python. 🐍 Pythoner

✈️В мире Python-разработки часто возникает путаница между методами и функциями. Давайте детально разберем эти важные концепции и научимся их правильно использовать. ➡️Что такое функция? Функция в Python — это самостоятельный блок кода, который выполняет определенную задачу. Представьте её как отдельный инструмент, который можно использовать где угодно в программе. Функции создаются с помощью ключевого слова def и могут принимать аргументы для обработки.

def calculate_area(length, width):
    return length * width

# Использование функции
room_area = calculate_area(5, 4)
print(f"Площадь комнаты: {room_area} кв.м.")

➡️Что такое метод? Метод — это функция, которая принадлежит определённому классу или объекту. Он имеет доступ к данным объекта и может изменять его состояние. Методы всегда определяются внутри классов и вызываются через экземпляр класса или сам класс.

class BankAccount:
    def __init__(self, balance):
        self.balance = balance
    
    def deposit(self, amount):
        self.balance += amount
        return f"Новый баланс: {self.balance}"

# Использование метода
account = BankAccount(1000)
account.deposit(500)  # Вызов метода через объект

🔎Ключевые различия 1. Область видимости: - Функции работают с переданными им аргументами - Методы имеют доступ к данным объекта через self 2. Способ вызова: - Функции вызываются напрямую: function_name() - Методы вызываются через объект: object.method() 3. Контекст выполнения: - Функции независимы от контекста - Методы всегда работают в контексте своего класса 💡Практические примеры использования ➡️Когда использовать функции: • Для операций, не требующих доступа к состоянию объекта • При работе с независимыми данными • Для создания утилитарных операций ➡️Когда использовать методы: • При работе с данными объекта • Когда логика тесно связана с классом • Для реализации поведения объекта 🐍 Pythoner

Откройте подписку на Кинопоиск и Музыку за 1₽ Ответьте на 1 вопрос и получите в подарок доступ к Кинопоиску, Музыке и Книгам на 30 дней за 1 рубль. ✨ Сервисы будут доступны не только для Вас, но и для трёх ваших близких Попробовать #реклама 18+ kinopoisk.ru О рекламодателе Реклама на Яндексе