python_practics

plotly Если спросить питонистов, какую библиотеку использовать для визуализации данных, то большинство, несомненно, ответят: matplotlib. Ответят, правда, без особого удовольствия. Многое в matplotlib не так уж очевидно и требует не раз обратиться к StackOverflow. Касается это и таких распространенных ситуаций, как создание дополнительных осей или отображение на них дат. Нужно понимать, что matplotlib создавался задолго до бурного развития Data Science, и в большей мере ориентировался на отображение массивов NumPy и параметрических функций SciPy. В то же время в Data Science распространен обобщающий тип объектов – датасеты, крупные таблицы с данными. В этой статье мы нырнем в работу с альтернативной библиотекой – plotly – и научимся визуализировать множество самых необходимых вещей. Подробнее👇 #фреймворки_библиотеки @python_practics

20-дневный марафон для тех, кто хочет попасть в IT В цикле открытых эфиров с senior-разработчиками вы: ✅ Узнаете все о правилах IT-рынка в 2024 году ✅ Выберете IT-направление Из множества айтишных профессий выберете ту самую. И поймете, куда двигаться дальше. ✅ Поймете, как с нуля освоить профессию Получите подробную дорожную карту в профессии. Научитесь отличать псевдопользу от реально нужных технологий. ✅ Получите советы от senior-разработчиков Сможете перенять опыт специалистов с опытом от 10 лет. Они предостерегут от ошибок и подскажут, как проще пройти путь с нуля до первой работы. Марафон пройдет с 9 по 29 ноября. Присоединяйтесь! Участие бесплатно. Зарегистрироваться #реклама 16+ result.school О рекламодателе

Внимание! - Вопрос! Что такое диапазон? Диапазоны – неизменяемые последовательности чисел, которые задаются началом, концом и шагом. Представлены классом range (в Python 2 – xrange; range в Python 2 – это функция, которая возвращает список). Параметры конструктора должны быть целыми числами (либо экземпляры класса int, либо любой объект с методом __index__) Поддерживает все общие для последовательностей операции, кроме конкатенации и повторения, а также, в версиях Python до 3.2, срезов и отрицательных индексов. #вопросы_из_собеседований @python_practics

Ставь 👍 если было полезно #теория_python @python_practics

Обработка текста Выполнять задачи обработки текста. 👍 - если было полезно #полезные_сниппеты @python_practics

Задача: Обычно, когда вы что-то покупаете, вас спрашивают, верен ли номер вашей кредитной карты, номер телефона или ответ на ваш самый секретный вопрос. Однако, поскольку кто-то может заглянуть вам через плечо, вы не хотите, чтобы это отображалось на вашем экране. Вместо этого мы маскируем это. Ваша задача - написать функцию maskify, которая заменяет все символы, кроме последних четырех, на "#". Пример:

"4556364607935616" --> "############5616"
"64607935616" -->      "#######5616"

#задачник @python_practics

Таймер обратного отсчета на Python Полный код можно посмотреть по ссылке👇 #sandbox @python_practics

💻 10 лет в IT, и я публикую только то, что сам читаю или собираюсь прочитать. Это самые важные статьи и новости, которые действительно нужны разработчику. Решил поделиться тем, что помогает мне быть в курсе всего. Подписывайся на DevDrafts | RSS — здесь только то, что стоит твоего времени! 👉 @devdrafts_rss

Внимание! - Вопрос! Чем список отличается от кортежа? Списки – это изменяемые последовательности, обычно используемые для хранения однотипных данных (хотя Python не запрещает хранить в них данные разных типов). Представлены классом list. Кортежи – это неизменяемые последовательности, обычно используемые, чтобы хранить разнотипные данные. Представлены классом tuple. На уровне языка отличаются тем, что в кортеж нельзя добавить или убрать элемент. На уровне интерпретатора различий нет. Обе коллекции представлены массивом указателей на структуру PyObject. Для списка определены функции, которые добавляют в такой массив новый элемент, удаляют имеющийся, соединяют два массива в один. Они вызываются методами списка .append(), .pop(), .sort() и т.д. #вопросы_из_собеседований @python_practics

Получите бесплатный гайд по методологии OKR Как замотивировать команду на успех? Ставьте и достигайте амбициозных целей с помощью методологии OKR (Objectives and Key Results), внедрите целеполагание в своей команде или компании, мотивируйте сотрудников на прорыв и достигайте выдающихся результатов! Из нашего бесплатного гайда вы узнаете: - Что такое Objectives & Key Results - Принципы OKR - Примеры OKR - Зачем OKR бизнесу - OKR VS KPI, в чем разница - Типичные ошибки при внедрении OKR Скачать #реклама 16+ productlab.ru О рекламодателе

Правильный путь создания python-библиотеки: от создания до публикации Стоит ли говорить, что Python ОЧЕНЬ и ОЧЕНЬ популярный язык программирования, местами даже догоняя JavaScript. Python в мире программирования — это эсперанто, легкий язык созданный для всех, но его владельцам не мешало бы помыться. В мире программирования создание собственных библиотек — это не просто возможность пополнения своего портфолио или способ структурировать код, а настоящий акт творческого самовыражения (и иногда велосипедостроения). Каждый разработчик иногда использовал в нескольких своих проектах однообразный код, который приходилось каждый раз перемещать. Да и хотя бы как упаковать свои идеи и знания в удобный и доступный формат, которым можно будет поделиться с сообществом. Подробнее👇 #статьи

Ставь 👍 если было полезно #теория_python @python_practics

Interpretable Machine Learning with Python, 2nd Edition: Build explainable, fair, and robust high-performance models with hands-on, real-world examples Чему вы научитесь: • Принципам интерпретируемого машинного обучения; • Использованию библиотек Python для создания объяснимых моделей (например, SHAP, LIME); • Внедрению практик обеспечения справедливости и устранения смещений в моделях; • Применению реальных примеров для построения объяснимых и надежных моделей; • Анализу и интерпретации результатов машинного обучения для принятия решений. "Interpretable Machine Learning with Python, 2nd Edition" фокусируется на обучении созданию моделей машинного обучения, которые можно легко интерпретировать и объяснить. Вы научитесь использовать Python для разработки моделей, которые не только демонстрируют высокую производительность, но и обладают прозрачностью и справедливостью. Книга в формате pdf👇 #курсы_книги @python_practics

Запустите рекламу в телеграм-каналах с Яндекс Директом Перфоманс-реклама теперь в телеграм-каналах ⚡ Яндекс Директ знает, как привлечь целевую аудиторию 💰👌 Попробовать #реклама yandex.ru О рекламодателе

Всегда работает #мемчики @python_practics

Дилемма СТО: внедрять инновационные технологии или использовать проверенный стек Есть поговорка, что разработчики трудятся по принципу «работает, не трогай», но откуда тогда появляются прорывные решения? Рассмотрим, как создаются быстрые и конкурентоспособные ИТ-продукты на реальных кейсах: обсудим ИИ-ассистентов, разговоры с Пушкиным (как в «Черном зеркале») и конечно затронем тему найма разработчиков. Подробнее👇 #статьи @python_practics

Работа с выбросами Обнаружение и устранение провалов в данных. 👍 - если было полезно #полезные_сниппеты @python_practics

Gunicorn Gunicorn (Green Unicorn) — это HTTP-сервер Python для приложений WSGI. Он был опубликован Бенуа Чесно 20 февраля 2010 года. Основная задача Gunicorn — запускать и поддерживать постоянную работу веб-приложений, написанных на Python. Как работает Gunicorn: • Веб-сервер принимает и обрабатывает HTTP-запрос браузера; • Затем запрос передаётся в Gunicorn; • Gunicorn получает данные от веб-сервера, разбирает их и исходя из своей конфигурации по протоколу WSGI передаёт их в веб-приложение; • Веб-приложение обрабатывает полученные данные и возвращает результат работы обратно в Gunicorn; • Gunicorn отдаёт результат веб-серверу, который возвращает клиенту готовую HTML-страницу. Gunicorn легко совместим с различными веб-фреймворками, быстрый, прост в реализации и требует мало ресурсов сервера. Подробнее👇 #фреймворки_библиотеки @python_practics