Pythoner

VK Weekend Offer для бэкенд-разработчиков 28–29 июня VK проведёт Weekend Offer для бэкендеров с опытом от трёх лет. Участников со знанием Java, Go, Python или C++ ждут технические собеседования, знакомство с продуктами и, если всё сложится, офер уже в конце выходных. Ребята много лет создают облачные решения, системы рекомендаций и поисковые движки — всё с миллионами пользователей в проде — и сейчас ищут новых коллег. Поэтому оставляйте заявку до 25 июня, чтобы попасть в команду за выходные! Подробности — на сайте. Подать заявку #реклама 16+ team.vk.company О рекламодателе

🌴BST - это древовидная структура данных, в которой каждый узел имеет максимум два потомка. Основное свойство BST заключается в том, что каждый узел на большее значение, чем все узлы в его левом поддереве и на меньшее значение, чем все узлы в его правом поддереве. Этот уникальный атрибут делает BST идеальным для быстрого поиска данных. ➡️Пример BST на Python:

class Node:
    def __init__(self, key):
        self.left = None
        self.right = None
        self.val = key

def insert(root, key):
    if root is None:
        return Node(key)
    else:
        if root.val < key:
            root.right = insert(root.right, key)
        else:
            root.left = insert(root.left, key)
    return root

def inorder(root):
    if root:
        inorder(root.left)
        print(root.val),
        inorder(root.right)

r = Node(50)
r = insert(r, 30)
r = insert(r, 20)
r = insert(r, 40)
r = insert(r, 70)
r = insert(r, 60)
r = insert(r, 80)

inorder(r)

⬆️В этом примере мы создаем BST с помощью Python. Мы определяем класс Node, который представляет узел в BST. Затем мы определяем функции для вставки нового узла и для обхода BST. ➡️Преимущества и недостатки BST BST имеют множество преимуществ, благодаря которым они широко используются. Они позволяют быстро осуществлять поиск, вставку и удаление данных. Однако BST также имеют некоторые недостатки. Например, если дерево не сбалансировано, время поиска может увеличиться. То есть, по сути, это сортированное дерево, поиск в котором легко выполнить, из-за того, что оно упорядочено. 🐍 Pythoner

Получи грант на обучение в Центральном университете Несгораемый грант до 2 800 000 Р на учебу в бакалавриате Центрального университета. Подробнее о гранте: – Покрывает до 100% стоимости обучения – Выдается на все 4 года обучения в вузе – Сумма гранта не уменьшается, а может увеличиться за дополнительные достижения и успехи в учебе. Для учеников 10-х и 11-х классов. Участвуй в отборе! Подать заявку #реклама apply.centraluniversity.ru О рекламодателе

✈️Tweepy — это библиотека Python для работы с API Twitter. Она позволяет разработчикам легко интегрировать свои приложения с Twitter, выполняя различные операции, такие как публикация твитов, чтение ленты, поиск твитов и многое другое. Tweepy предоставляет простой и мощный интерфейс для работы с API Twitter, что делает ее идеальным инструментом для создания приложений, связанных с социальными сетями. ➡️Основные возможности Tweepy: - Публикация твитов: Tweepy позволяет публиковать твиты и изображения в вашем аккаунте Twitter. - Чтение ленты: Tweepy позволяет читать ленту твитов, включая твиты из вашего аккаунта и других пользователей. - Поиск твитов: Tweepy предоставляет инструменты для поиска твитов по ключевым словам, хэштегам и другим параметрам. - Управление аккаунтом: Tweepy позволяет управлять вашим аккаунтом Twitter, включая чтение и отправку сообщений, блокировку и разблокировку пользователей. - Поддержка аутентификации: Tweepy поддерживает аутентификацию с использованием OAuth, что позволяет безопасно работать с API Twitter. ➡️Пример публикации твита:

import tweepy

# Ключи и токены для аутентификации
consumer_key = 'YOUR_CONSUMER_KEY'
consumer_secret = 'YOUR_CONSUMER_SECRET'
access_token = 'YOUR_ACCESS_TOKEN'
access_token_secret = 'YOUR_ACCESS_TOKEN_SECRET'

# Аутентификация
auth = tweepy.OAuth1UserHandler(consumer_key, consumer_secret, access_token, access_token_secret)
api = tweepy.API(auth)

# Публикация твита
api.update_status('Hello, Twitter!')

⛓Полезные ссылки: Официальный сайт GitHub 🐍 Pythoner

Онлайн-магистратура с IT специальностями от Яндекса Совместно с ИТМО, МИФИ, МФТИ. Онлайн-магистратура с актуальными программами и гибким графиком обучения. Получите высокооплачиваемую IT профессию, официальный диплом и практические знания. Господдержка оплаты. Совмещение с работой! Подать заявку #реклама 16+ practicum.yandex.ru О рекламодателе

✈️PyTesseract — это библиотека Python для распознавания текста на изображениях. Она является оберткой для популярного инструмента Tesseract OCR (Optical Character Recognition) и позволяет легко интегрировать функции распознавания текста в ваши проекты. PyTesseract поддерживает множество языков и форматов изображений, что делает ее идеальным инструментом для задач, связанных с обработкой изображений и распознаванием текста. ➡️Основные возможности PyTesseract: - Распознавание текста: PyTesseract позволяет распознавать текст на изображениях, включая поддержку множества языков. - Поддержка множества форматов изображений: PyTesseract поддерживает множество форматов изображений, включая JPEG, PNG, BMP и другие. - Настройка и конфигурация: PyTesseract позволяет настраивать параметры распознавания, что позволяет оптимизировать процесс для ваших конкретных задач. ➡️Пример использования:

import pytesseract
from PIL import Image

# Загрузка изображения
image = Image.open('example.jpg')

# Распознавание текста
text = pytesseract.image_to_string(image, lang='eng')
print(text)

⛓Полезные ссылки: Официальный сайт GitHub 🐍 Pythoner

Дизайн в FIGMA с нуля. Бесплатный курс + портфолио Онлайн-программа с наставником и чатом. Дизайн от профессионалов. Доступ 0 руб. Узнать больше #реклама 16+ yudaevschool24.online О рекламодателе

🤔Разбор Строка "Python" имеет следующие индексы: Индекс: 0 1 2 3 4 5 Элементы: P y t h o n В срезе s[4:2] ты указываешь начать с индекса 4 ('o') и закончить на индексе 2 ('t') — но индекс начала больше индекса конца , и в Python такой срез возвращает пустую строку. 🐍 Pythoner

GitVerse News ИТ-сообщество для профи, начинающих и кому просто любопытно. Держите руку на пульсе, обсуждайте новости и находите единомышленников. Подписаться #реклама 16+ О рекламодателе

✈️Команда «python -m timeit» в консоли используется для тестирования производительности фрагмента кода на Python путем многократного его выполнения и измерения времени выполнения. Например: python -m timeit "some_function()" ➡️Она запускает модуль timeit, который является частью стандартной библиотеки Python. Это позволяет оценить производительность определенного участка кода. 🐍 Pythoner

Крупнейший университет искусственного интеллекта Учим использовать ChatGPT в профессиональных целях, создавать нейро-сотрудников и зарабатывать на искусственном интеллекте. ✨ 8 000+ студентов со всего мира ✨ 600+ AI-проектов, созданных студентами ✨ Сборная Университета — победители крупнейших AI-хакатонов России ✨ Стажировки в крупнейших компаниях России (РЖД, Ростелеком, РУДН, Совкомбанк, Самолет и другие) ✨ Трудоустраиваем выпускников в крупнейшие компании (Яндекс, ВТБ, Сбербанк, Роскосмос и другие) Будем рады видеть тебя в наших рядах! Узнать больше #реклама 16+ neural-university.ru О рекламодателе

✈️DataCleaner — это библиотека Python для очистки и предобработки данных. Она предоставляет инструменты для удаления дубликатов, обработки пропущенных значений, нормализации данных и других операций, которые являются важными этапами в подготовке данных для анализа и машинного обучения. DataCleaner помогает упростить и автоматизировать процесс предобработки данных, что делает ее идеальным инструментом для аналитиков и разработчиков, работающих с данными. ➡️Примеры использования: 1. Удаление дубликатов:

import pandas as pd
from datacleaner import autoclean

# Создание DataFrame
data = pd.DataFrame({
    'A': [1, 2, 2, 4],
    'B': [5, 6, 6, 8]
})

# Удаление дубликатов
cleaned_data = autoclean(data)
print(cleaned_data)

2.Обработка пропущенных значений:

import pandas as pd
from datacleaner import autoclean

# Создание DataFrame с пропущенными значениями
data = pd.DataFrame({
    'A': [1, 2, None, 4],
    'B': [5, None, 7, 8]
})

# Обработка пропущенных значений
cleaned_data = autoclean(data)
print(cleaned_data)

3. Нормализация данных:

import pandas as pd
from datacleaner import normalize

# Создание DataFrame
data = pd.DataFrame({
    'A': [1, 2, 3, 4],
    'B': [5, 6, 7, 8]
})

# Нормализация данных
normalized_data = normalize(data)
print(normalized_data)

💡Заключение: Таким образом, использование DataCleaner в Python поможет вам быстро и эффективно обработать данные, улучшить их качество и подготовить для дальнейшего анализа. 🐍 Pythoner

Получи грант до 1,2 млн руб. на обучение в магистратуре 4 офлайн программы, онлайн-магистратура по ML. Гранты до 1,2 млн руб. Стажировки, диплом гос. образца и фокус на твоей карьере в ЦУ Подать заявку #реклама 16+ apply.centraluniversity.ru О рекламодателе

✈️Joblib — это библиотека Python, предназначенная для сериализации объектов Python, особенно полезная для сохранения и загрузки моделей машинного обучения. Joblib предоставляет эффективные инструменты для работы с большими данными и моделями, что делает ее идеальным инструментом для разработчиков и исследователей, работающих с машинным обучением. ➡️Основные возможности Joblib: - Сериализация объектов: Joblib позволяет сериализовать (сохранять) и десериализовать (загружать) объекты Python, включая сложные структуры данных и модели машинного обучения. - Эффективная работа с большими данными: Joblib оптимизирована для работы с большими данными и моделями, что позволяет быстро и эффективно сохранять и загружать их. - Поддержка параллельных вычислений: Joblib предоставляет инструменты для параллельных вычислений, что позволяет ускорить обработку данных и моделей. ➡️Пример cохранение модели машинного обучения:

import joblib
from sklearn.ensemble import RandomForestClassifier

# Создание модели
model = RandomForestClassifier(n_estimators=100, random_state=42)

# Обучение модели
# model.fit(X_train, y_train)

# Сохранение модели
joblib.dump(model, 'model.pkl')

⛓Полезные ссылки: Официальный сайт GitHub 🐍 Pythoner

Освойте профессию Системный аналитик с нуля за 7 месяцев Освойте высокооплачиваемую IT-профессию без программирования. Выдаём диплом, помогаем с трудоустройством. Excel, BPMN, UML, Python, SQL, API Преимущества обучения в Академии Eduson: 🎓 22 реальных бизнес-кейса 🎓 официальный государственный диплом 🎓 рассрочка 0% на 24 мес. 🎓 бессрочный доступ к лекциям и материалам, которые регулярно обновляются 🎓 личный куратор с Вами на связи Начните обучаться онлайн и получать доход уже во время обучения! Получить скидку #реклама 16+ eduson.academy О рекламодателе

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

Профессия «Аналитик данных» - начни учиться бесплатно! Освойте высокооплачиваемую IT-профессию с нуля за 6 месяцев. Выдаём диплом, помогаем с трудоустройством. Excel, SQL, PowerBI, Python. Преимущества обучения в Академии Eduson: 🎓 можно начать учиться бесплатно, если не понравится — не платите 🎓 официальный государственный диплом 🎓 рассрочка 0% на 24 мес. 🎓 бессрочный доступ к лекциям и материалам, которые регулярно обновляются 🎓 личный куратор с Вами на связи Начните обучаться онлайн и получать стабильный доход уже во время обучения! Подать заявку #реклама 16+ eduson.academy О рекламодателе

✈️Создание игры "Сапёр" в Python, может быть интересным и небольшим проектом для начинающих программистов. Вот пример простой консольной версии игры "Сапёр" на Python:

import random

def create_board(rows, cols, bombs):
    board = [[' ' for _ in range(cols)] for _ in range(rows)]

    for _ in range(bombs):
        row = random.randint(0, rows - 1)
        col = random.randint(0, cols - 1)

        while board[row][col] == '*':
            row = random.randint(0, rows - 1)
            col = random.randint(0, cols - 1)

        board[row][col] = '*'

    return board

def print_board(board):
    for row in board:
        print(" ".join(row))

def count_bombs(row, col, board):
    count = 0
    for r in range(row - 1, row + 2):
        for c in range(col - 1, col + 2):
            if r >= 0 and r < len(board) and c >= 0 and c < len(board[0]):
                if board[r][c] == '*':
                    count += 1
    return count

def main():
    rows = 5
    cols = 5
    bombs = 5

    board = create_board(rows, cols, bombs)

    print_board(board)

    while True:
        user_row = int(input("Enter row: "))
        user_col = int(input("Enter column: "))

        if board[user_row][user_col] == '*':
            print("Game over! You hit a bomb.")
            break

        bombs_near = count_bombs(user_row, user_col, board)
        board[user_row][user_col] = str(bombs_near)

        print_board(board)

if __name__ == "__main__":
    main()

🔫Этот код создает простую версию игры "Сапёр" с размером поля 5x5 и 5 бомбами. Игрок должен вводить координаты клетки поля, и если там нет бомбы, то открывается число, указывающее, сколько бомб находится рядом с этой клеткой. Когда игрок попадает на бомбу, игра завершается. 💡Это только пример, и вы можете доработать игру, добавив больше функциональности и улучшений. Вам также может понадобиться обновить код для работы в более сложном окружении, таком как графический интерфейс с использованием библиотеки Tkinter. 🐍 Pythoner