Python Portal

Недавно зависал на Planet Python – это агрегатор новостей и постов для всех, кто пишет на Python ⌨️ Здесь собраны свежие статьи, блоги, гайды и всякие крутые штуки из мира Python. Если хочешь быть в курсе новых фишек, обновлений и трендов, то этот ресурс – настоящая находка! Oн автоматически подтягивает контент с множества сайтов, так что всегда можно найти что-то интересное 👉 @PythonPortal

🇷🇺«Сталинские Соколы» объявляют первый крупнейший в России турнир «Drone-Con» Одна из номинаций - Настройка WiFi🎤 🕙Когда? 11-13 апреля 2025 года Заезд участников с 10.04.2025 Приз за выход в 1/8 финала – 300 000 рублей За победу в номинации: 🥇I место – 3 000 000 рублей 🥈II место – 2 000 000 рублей 🥉III место – 1 000 000 рублей Пройди заочный онлайн этап до 8 апреля, и получи возможность попасть на очный этап «Drone-Con»! Подать заявку и узнать подробности – @dronecon

Вот классный совет по Python 🐍 Используй "..." в тех местах, где ты ещё не закончил писать код. Например, внутри функции или класса! Это называется "Ellipsis" И он шикарно заменяет временный pass, когда ты: ⏩пишешь структуру кода, но не хочешь тормозить на деталях; ⏩делаешь набросок архитектуры ⏩отлаживаешь тесты, а имплементация — завтра (или никогда 🤡) 👉 @PythonPortal

Как реально найти 100-кратные криптовалюты с помощью Python Видео посвящено разработке сканера токенов Solana, начиная с введения и первых шагов, затем обсуждая взаимодействие с сообществом и оптимизацию инструментов поиска токенов. Также рассматриваются MEV-боты, ведущие трейдеры, фильтрация токенов по рыночной капитализации и ликвидности, расширенные фильтры, интеграция Twitter, сравнение Solana и Ethereum, отладка системы ⏩ Источник: смотреть 👉 @PythonPortal | #видео

⚡️Какой основной инструмент работы у аналитика? Аналитику часто приходится обрабатывать огромные массивы информации. Чтобы реально что-то «увидеть» за большим массивом цифр, букв и других структур, нужно привести это к максимально простому и наглядному виду. Это можно долго и тяжело делать с помощью Excel, чуть легче с помощью SQL. А в Pandas, да и в целом в Python, это можно сделать за несколько строк кода. Простой пример - иногда для фильтрации строк по какому-то агрегированному признаку в SQL нужно написать 3 подзапроса, а в Pandas это можно сделать за 2 строки. Pandas - инструмент, который делает жизнь аналитика проще и приятней, а работу - эффективней. Научиться работать с Pandas на реальных задачах бизнеса можно на бесплатном курсе от Simulative. За неделю обучения вы: 🟠Освоите Pandas с нуля до продвинутых функций: сложная агрегация, оконные функции и т.д. 🟠Научитесь решать реальные аналитические задачи: проводить многомерный ABC-анализ, XYZ-анализ, рассчитывать динамику продаж. 🟠Сделаете собственный проект, который сможете добавить в портфолио: реальный кейс автоматизации обработки финансовой отчетности от крупной региональной аптечной сети 🕗 Обучение проходит на платформе школы 😶Начать учиться Pandas

Новый курс по Python от Стэнфорда — и да, он бесплатный (на английском) Это для всех, кто хотел «войти в IT» по фэншую. — учат с нуля — поддержка от преподавателей — доступ ко всем материалам — учишься из любой точки мира — реальный сертификат от Стэнфорда на выходе Регистрироваться можно до 9 апреля - тут 📚 Старт обучения — 21 апреля 👉 @PythonPortal

От чего зависит эффективность автотестов? От их правильного написания и поддерживаемости! В QA GURU мы учим приручать Java, чтобы ваши автотесты работали, как часы. Вот несколько лайфхаков, о которых мы расскажем на вводном занятии уже сегодня (20:00 Мск): 1. Используйте понятные и описательные названия тестов Названия тестов должны четко отражать их цель. Это упрощает понимание кода всеми членами команды. Например: // Хорошо

public void verifyLoginWithValidCredentials() { ... }

// Плохо

public void test1() { ... }

Описательные названия помогают быстро понять, что проверяет тест, без необходимости изучения его внутренней логики. 2. Применяйте Page Object Model (POM) Page Object Model позволяет отделить логику теста от структуры веб-страницы, что делает код более модульным и удобным для поддержки при изменениях интерфейса. Пример использования: // Класс

Page Object
public class LoginPage {
    private By usernameField = By. id("username");
    private By passwordField = By. id("password");
    private By loginButton = By. id("loginBtn");

    public void enterUsername(String username) {
        driver.findElement(usernameField).sendKeys(username);
    }

    public void enterPassword(String password) {
        driver.findElement(passwordField).sendKeys(password);
    }

    public void clickLoginButton() {
        driver.findElement(loginButton).click();
    }
}

// Тестовый сценарий

LoginPage loginPage = new LoginPage(driver);
loginPage.enterUsername("john.doe");
loginPage.enterPassword("password123");
loginPage.clickLoginButton();

POM способствует повторному использованию кода и улучшает читаемость тестов. 3. Используйте параметризацию и data-driven подход Параметризованные тесты позволяют запускать один и тот же сценарий с различными входными данными, что увеличивает охват тестирования без дублирования кода.

@ ParameterizedTest
@ CsvSource({"john.doe, password123", "jane.smith, test@123"})
public void verifyLogin(String username, String password) {
    LoginPage loginPage = new LoginPage(driver);
    loginPage.enterUsername(username);
    loginPage.enterPassword(password);
    loginPage.clickLoginButton();
}

Этот подход делает тесты более гибкими и масштабируемыми. 4. Следуйте принципу AAA (Arrange, Act, Assert) Структурируйте тесты в три этапа: Arrange: подготовка данных и окружения. Act: выполнение действия. Assert: проверка результата. Пример:

@ Test
public void testAddition() {
    // Arrange
    Calculator calculator = new Calculator();

    // Act
    int result = calculator.add(2, 3);

    // Assert
    assertEquals(5, result);
}

Этот подход делает тесты более организованными и легко читаемыми. 5. Логирование и отчетность Добавляйте логирование в тесты для диагностики проблем:

log. info("Entering username: " + username);
log. info("Clicking on the login button");

Интеграция инструментов отчетности (например, Allure) помогает визуализировать результаты тестов и быстро выявлять ошибки. 6. Регулярные ревью кода Проводите регулярные ревью автотестов для повышения качества кода. Это помогает выявить потенциальные проблемы, улучшить читаемость и обеспечить соблюдение стандартов кодирования. 7. Автоматизация и CI/CD Используйте инструменты автоматизации (Maven, Gradle) для запуска тестов в рамках CI/CD пайплайнов. Это ускоряет процесс разработки и обеспечивает стабильность приложения на всех этапах. Хотите узнать больше? Присоединяйтесь сегодня (20:00 Мск) к нашему бесплатному открытому уроку! 🔗 Зарегистрируйтесь на первый открытый урок по ссылке.

Учите Docker на практике! 🖥 Если хотите разобраться в Docker не просто в теории, а на практике, советую заглянуть на Iximiuz Labs. Это интерактивная дорожная карта, которая проведёт вас через практические задачи, разбор сетей, работу с образами и контейнерами. 💡Уже есть 26 заданий и несколько туториалов, так что есть чем заняться =) Кто уже пробовал? 👉 @PythonPortal

Питонисты, это вам — ловите 17 лучших GitHub-репозиториев для изучения Python

1. 30-Days-Of-Python – Структурированный 30-дневный Python-челлендж от Asabeneh Yetayeh, охватывающий основы языка с практическими упражнениями. 2. Python Basics – Дружественный новичкам репозиторий, объясняющий базовые концепции Python простыми словами с примерами. 3. Learn Python – Гибкий Python-справочник с кодом по темам, четкими пояснениями и практическими примерами. 4. Python Guide – Подробный гайд по лучшим практикам Python, инструментам разработки и продвинутым темам. 5. Learn Python 3 – Руководство по Python 3 для новичков с примерами и практическими заданиями. 6. Python Programming Exercises – 100+ задач по Python для прокачки навыков решения проблем. 7. Coding Problems – Подборка алгоритмических задач для тренировки структур данных и алгоритмов. 8. Project-Based-Learning – Изучение Python через реальные проекты. 9. Projects – Список идей для проектов, чтобы отточить навыки Python. 10. 100-Days-Of-ML-Code – Пошаговый гайд по Machine Learning на Python от Avik Jain. 11. TheAlgorithms/Python – Организованная коллекция алгоритмов на Python для изучения структур данных и методов решения задач. 12. Amazing-Python-Scripts – Подборка полезных Python-скриптов: от базовых утилит до продвинутой автоматизации. 13. Geekcomputers/Python – Сборник скриптов для автоматизации, работы с сетью, файлами и другими практическими задачами. Отлично подходит новичкам. 14. Materials – Код, упражнения и проекты из курсов Real Python. Охватывает веб-разработку, автоматизацию, Data Science и лучшие практики. 15. Awesome Python – Топовый список лучших фреймворков, библиотек, софта и ресурсов по Python. 16. 30-Seconds-of-Python – Подборка коротких полезных Python-сниппетов для быстрого решения задач. 17. Python Reference – Полезные Python-скрипты, туториалы и лайфхаки.

Добавляем в закладки ✌️ @IT_Portal

Ничто не заменит свежий взгляд. Получите код-ревью от Copilot, чтобы ваши коллеги не увидели глупых ошибок. В отличии от них Copilot вас не критикует. 🔫 👉 @PythonPortal

Каждый год говорят, что Python устарел. Но на деле: 🔹 Google, YouTube, Netflix используют Python в своих сервисах 🔹 Разработчики в Data Science и AI активно применяют Python 🔹 Кибербезопасность – многие инструменты для пентеста создаются именно на Python Если вы интересуетесь разработкой или хотите освоить новый язык программирования, обратите внимание на бесплатный мини-курс по Python от Skillbox. Он поможет разобраться в базовых навыках и научит применять их на практике. Переходите по ссылке и регистрируйтесь через Telegram-бот, выберите удобное время — и стартуйте. А ещё в боте вас ждут бонусы: https://epic.st/i2sPpR?erid=2VtzqueJcLR Реклама. ЧОУ ДПО «Образовательные технологии «Скилбокс (Коробка навыков)», ИНН: 9704088880

Python-разработчик, попробовавший Java впервые 👉 @PythonPortal

💡 Python лайфхак Забудь про ручной счетчик в циклах =) 👉 @PythonPortal

Microsoft выпустила новую версию своего официального курса по изучению генеративного ИИ. Курс бесплатный и включает 21 урок (с видео и кодом), в которых объясняется всё, что нужно начинающему разработчику для создания приложений с ИИ. 🥰 ⏩ссылка на курс 👉 @PythonPortal

🗞 EasyOffer 2.0 собрал более 1 млн рублей за первые сутки краудфандинга Платформа EasyOffer, предназначенная для подготовки к IT-собеседованиям, объявила о разработке новой версии сервиса. За первые 24 часа краудфандинга проекту удалось привлечь более 1 000 000 рублей. В релизе EasyOffer 2.0 планируется: — крупнейшая база реальных вопросов и задач с технических интервью — тренажёры по интервальным повторениям и симуляторы собеседований — аналитика по компаниям, грейдам, популярности и сложности вопросов — тестовые задания и требования из вакансий 📆 Релиз запланирован на конец мая. Сейчас в рамках сбора средств можно оформить годовой PRO-доступ за 3 200 ₽. После запуска такая сумма будет соответствовать цене месячной подписки.

Знаете ли вы, что есть онлайн-компилятор Python с поддержкой библиотек? Можно просто открыть браузер и писать код Если нужно быстро что-то протестировать — самое то 👍 Пробуем — тут 👉 @PythonPortal

Запоминаем лютый лайфхак: если открыть любой репо на GitHub и поменять "hub" на "ingest" в URL, то он превратится в текстовый дайджест для LLM! Используйте чтобы быстрее понимать код, без необходимости загружать и разбирать весь проект вручную. 👉 @PythonPortal

Всем привет! На канале Data analysis | Анализ данных | DA разбираются темы и вопросы, которые должен знать аналитик данных, имеющий опыт 3-6 лет. Все темы взяты из реальных вакансий, опубликованных на hh.ru. Будет полезно, если вы являетесь аналитиком данных (начинающим или опытным) или работаете по смежной профессии, либо просто интересуетесь базами данных, Python, SQL, экономикой и финансами и всеми производными от этих тем. 🟠Список разобранных вопросов: ✅Python: ▶️Эмбеддинги предложений ▶️Алгоритм кластеризации ▶️Кластеризация текстовой информации ▶️Визуализация: Matplotlib ▶️Визуализация: Seaborn ▶️Python в Tableau ▶️Python + SQL: Cx_oracle ✅SQL: ▶️PARTITION (оконные функции) ▶️PARTITION (партиционирование) ▶️Процедуры: разбор IN | OUT | IN OUT ▶️Процедуры: объявления и исключения ▶️PACKAGE (пакеты) ▶️Циклы LOOP, WHILE, FOR ▶️CURSOR ▶️Индексы ▶️Представления (Views) ✅Базы данных: ▶️Какие бывают базы данных ▶️Виды БД наглядно ▶️ACID и BASE ▶️Типы данных ▶️OLAP-кубы ▶️Проектирование баз данных ▶️Разница между БД и DWH ▶️Витрины данных ▶️ETL и ELT процессы ▶️Звездочка, снежинка, Data Vault ▶️Слои данных в DWH ✅Работа с данными: ▶️Парадокс Симпсона ▶️Банковские клиенты ▶️Клиентская информация в банковском DWH ▶️Банковские продукты ▶️Продуктовая информация в банковском DWH ▶️Счета, баланс и фин рез в банковском DWH ✅Также про Clickhouse, Hadoop, Impala, Hive, Tableau, А/Б тестирование 🟠В ближайшем будущем будем разбирать: ▶️Больше про SQL и базы данных: архитектуру и т.п. ▶️Больше питоновских библиотек ▶️Про банковские данные ▶️Hadoop, Airflow, Hive, Clickhouse, pyspark, Greenplum ▶️BI инструменты ▶️Apache Zeppelin, Apache Superset, Redash

4 ошибки в коде на Python, которые замедляют вашу работу 🍩Неэффективные структуры данных Использование списков (list) вместо множеств (set) или словарей (dict) для операций поиска (O(n) вместо O(1)) 🍩Лишние вызовы функций Частые вызовы функций в циклах или там, где можно обойтись локальными переменными или встроенными операциями 🍩Глобальные переменные Чрезмерное использование глобальных переменных замедляет доступ к данным. Лучше передавать параметры явно. 🍩Самописные решения Написание собственных реализаций (сортировка, поиск и т.д.) вместо использования оптимизированных встроенных функций (sorted(), sum(), collections и др.) 👉 @PythonPortal

Ловите большую шпаргалку по нейросетям, в которой вкратце визуально показаны все виды Neural Network. Включает краткую теорию, полезные подсказки по Python для работы с данными и машинным обучением По факту, это сборная солянка нескольких разноплановых шпаргалок в одном документе 🎧 👉 @PythonPortal