Преобразование систем счисления в Python с использованием встроенных функций

🔹Из десятичной в двоичную

decimal_number = 10
binary_number = bin(decimal_number)
print(binary_number)
# Вывод: '0b1010'

🔹Из двоичной в десятичную

binary_number = '1010'
decimal_number = int(binary_number, 2)
print(decimal_number)
# Вывод: 10

🔹Из десятичной в восьмеричную

decimal_number = 10
octal_number = oct(decimal_number)
print(octal_number)
# Вывод: '0o12'

🔹Из восьмеричной в десятичную

octal_number = '12'
decimal_number = int(octal_number, 8)
print(decimal_number)
# Вывод: 10

🔹Из десятичной в шестнадцатеричную

decimal_number = 10
hex_number = hex(decimal_number)
print(hex_number)
# Вывод: '0xa'

🔹Из шестнадцатеричной в десятичную

hex_number = 'a'
decimal_number = int(hex_number, 16)
print(decimal_number)
# Вывод: 10

👉 @PythonPortal

Наткнулся на годный репозиторий для изучения Data Science с Python 😮

Это полный текст книги Python Data Science Handbook в формате Jupyter-ноутбуков — прямо на GitHub

Можно изучать NumPy, Pandas, Matplotlib, Scikit-Learn и другие библиотеки прямо в интерактивном формате. Подойдёт и для новичков, и как шпаргалка для практиков

👉 @PythonPortal

Всё, что нужно для трассировки LLM-приложений это Python-декоратор (open-source).

Большинство метрик для LLM оценивают приложение как чёрный ящик от начала до конца.

Но LLM-приложения требуют оценки и трассировки на уровне компонентов, ведь ошибка может быть где угодно: в ретривере, вызове инструмента или самом LLM.

С помощью deepeval это делается всего в 3 строки кода:

– Используй декоратор @observe, чтобы трассировать отдельные компоненты (инструменты, ретриверы, генераторы)
– Привязывай метрики к каждому из компонентов
– Получай визуальный разбор — что работает, а что ломается

И всё. Переписывать существующий код не нужно. 😄

Пример есть выше для RAG-приложения.

Deepeval — полностью open-source, уже 8500+ звёзд на GitHub. Можно легко задеплоить у себя. Все данные останутся под твоим контролем.

👉 @PythonPortal

Практический Python от Дэвида Бизли (один из самых уважаемых экспертов по Python, автор книги "Python Essential Reference")

Курс учит не просто писать код, а думать как интерпретатор, избегая фреймворков. Всё на голом Python, от функций до генераторов и итераторов

Материал подаётся плотно, с минимальной теорией и сразу с практикой.

Курс доступен онлайн, без регистрации и бесплатно, включая слайды, заметки и упражнения 🤔

Ссылка на курс: тык

👉 @PythonPortal

⭐️ Техножурнал Яндекс 360: рассказываем о технологиях

В Яндекс 360 мы создаём технологии, которые работают в основе более чем 13 сервисов, включая Диск, Почту, Телемост, Мессенджер и другие.

Открывайте Техножурнал, чтобы узнать:

— Как мы балансируем нагрузку в 300k RPS в Яндекс Мессенджере,
— Как подружили MongoDB и PostgreSQL в Диске,
— Какие в команде культура и ценности.

А ещё — как мы внедряли DDD, кто такой Technical Owner, как управляем 650+ шардами PostgreSQL и как подходим к проектированию архитектуры наших сервисов.

⭐️ Всё это — в Техножурнале Яндекс 360.

@yandex360team

Text-to-Speech нового уровня

Chatterbox — первый open-source TTS, готовый к продакшену.

➣ Задержки менее 200 мс
➣ Синтеза речи нулевого выстрела (zero-shot) на уровне SoTA
➣ Управления эмоциями и выразительностью

Полностью open-source 😱

👉 @PythonPortal

Совет по Pytest:

Используйте @pytest.mark.skipif, чтобы условно пропускать тесты в зависимости от определённых условий — например, платформы, наличия зависимостей или значений переменных окружения

Декоратор @pytest.mark.skipif(...) указывает Pytest пропустить выполнение теста, если условие истинно.

В примере, тест пропускается, если используется Python версии ниже 3.9, потому что оператор объединения словарей (|) появился только в Python 3.9.

Аргумент reason сообщает причину пропуска, которая отображается в отчёте Pytest.

👉 @PythonPortal

Это библия для разработчиков: вся нужная документация в одном месте

✓ Языки программирования, библиотеки, фреймворки
✓ Поиск сразу по всем источникам
✓ Всегда актуальные версии

Дока обновляется каждый день. Открывай в одной вкладке хоть Python, Postgres и Bash

Никакой рекламы, всё супербыстро → devdocs․io 😱

👉 @PythonPortal

Это одно из самых безумных расширений для VS Code, что я видел за последнее время

GitLantis визуализирует структуру проекта в виде 3D-подводного мира. Да, буквально — ты «плаваешь» по директориям, как по рифам в Атлантике. Атмосферно и безумно красиво 😮

👉 @PythonPortal

uv — это пакетный менеджер для Python, написанный на Rust и созданный с прицелом на скорость и надёжность.

uv — невероятно быстрый

- Создание виртуальных окружений с помощью uv примерно в 80 раз быстрее, чем через python -m venv.

- Установка пакетов происходит в 4–12 раз быстрее без кэша и примерно в 100 раз быстрее с кэшированием.

Он заменяет не только pip, но и такие инструменты, как pip-tools, virtualenv, pipx, poetry и pyenv — всё в виде одного standalone-бинарника.

Вот шпаргалка по uv для Python-разработчиков ♟

🔹uv init <project-name>
— Инициализирует новый Python-проект с дефолтной структурой.

🔹uv venv
— Создаёт новое виртуальное окружение в текущем проекте.

🔹uv add <package-name>
— Добавляет пакет в зависимости проекта.

🔹uv pip install -r requirements.txt
— Устанавливает все зависимости из файла requirements.txt.

🔹uv remove <package-name>
— Удаляет указанный пакет из зависимостей проекта.

🔹uv run script.py
— Запускает Python-скрипт или команду внутри окружения проекта.

🔹uv sync
— Синхронизирует зависимости проекта в соответствии с uv.lock.

🔹uv tool install <tool-name>
— Устанавливает Python CLI-инструмент как глобальный тул.
Пример: uv tool install ruff

🔹uvx <tool> [args]
— Запускает CLI-инструмент во временном окружении без установки.
Пример: uvx black script.py

👉 @PythonPortal

3D контурный график на Python

1. Импортируем библиотеки:

import numpy as np
import matplotlib.pyplot as plt
from mpl_toolkits.mplot3d import Axes3D

> numpy — для работы с массивами
> matplotlib.pyplot — для построения графиков
> mpl_toolkits.mplot3d — модуль для 3D-графиков

2. Создаём координатную сетку:

x = np.linspace(-5, 5, 100)
y = np.linspace(-5, 5, 100)
X, Y = np.meshgrid(x, y)

🔹linspace создаёт равномерные значения по X и Y
🔹meshgrid строит двумерную сетку координат

3. Определяем функцию:

def f(x, y):
    return np.sin(np.sqrt(x**2 + y**2))

Это функция поверхности, значения которой будут отображаться через контуры по оси Z

4. Вычисляем значения Z:

Z = f(X, Y)

Получаем двумерный массив значений Z для каждой точки (X, Y)

5. Создаём фигуру и 3D-подграфик:

fig = plt.figure(figsize=(8, 6))
ax = fig.add_subplot(111, projection='3d')

Создаём фигуру и добавляем 3D‑ось

6. Рисуем контуры в 3D:

contour = ax.contour3D(X, Y, Z, 50, cmap='viridis')

> contour3D рисует линии уровня
> 50 — число уровней
> cmap='viridis' — цветовая палитра

7. Подписываем оси и добавляем шкалу:

ax.set_xlabel('X-axis')
ax.set_ylabel('Y-axis')
ax.set_zlabel('Z-axis')
fig.colorbar(contour, ax=ax, label='Z values')

Добавляем подписи и цветовую шкалу (colorbar) для значений Z

8. Показываем график:

plt.show()

👉 @PythonPortal