🔥 Библиотеки Python для науки о данных и машинного обучения

🤨 NumPy: NumPy — это фундаментальный пакет для научных вычислений на Python. Он обеспечивает поддержку больших многомерных массивов и матриц, а также набор математических функций для работы с этими массивами.

🤨 Pandas: Pandas — это мощная библиотека для обработки и анализа данных, которая предоставляет такие структуры данных, как DataFrames и Series, что упрощает работу со структурированными данными.

🤨 Matplotlib: Matplotlib — это библиотека построения графиков, которая позволяет создавать различные типы визуализаций, такие как линейные графики, столбчатые диаграммы, гистограммы, диаграммы рассеяния и т. д., для эффективного исследования и передачи данных.

🤨 Scikit-learn: Scikit-learn — это библиотека машинного обучения, которая предлагает широкий спектр алгоритмов для классификации, регрессии, кластеризации, снижения размерности и т. д. Она также предоставляет инструменты для выбора и оценки моделей.

🤨 TensorFlow: TensorFlow — это фреймворк машинного обучения с открытым исходным кодом, разработанный Google, который широко используется для построения моделей глубокого обучения. Он предоставляет комплексную экосистему инструментов и библиотек для разработки и развертывания приложений машинного обучения.

🤨 Keras: Keras — это API нейронных сетей высокого уровня, работающий поверх TensorFlow, Theano или Microsoft Cognitive Toolkit. Он упрощает процесс создания и обучения моделей глубокого обучения, предоставляя удобный интерфейс.

🤨 SciPy: SciPy — это библиотека научных вычислений, созданная на основе NumPy и предоставляющая дополнительные функции для оптимизации, интеграции, интерполяции, линейной алгебры, обработки сигналов и многого другого.

🤨 Seaborn: Seaborn — это библиотека визуализации данных на основе Matplotlib, которая предоставляет высокоуровневый интерфейс для создания привлекательных и информативных статистических графиков.

✄┈┈┈┈┈┈┈┈┈┈┈┈┈
Заметки программиста «(!?»
🇨🇱 Python Tech Code

🖨 Вывод на печать в Python

✄┈┈┈┈┈┈┈┈┈┈┈┈┈
Заметки программиста «(!?»
🇨🇱 Python Tech Code

💯 Умение общаться, презентовать себя и работать в команде часто оказывается важнее чистого кода

✄┈┈┈┈┈┈┈┈┈┈┈┈┈
Заметки программиста «(!?»
🇨🇱 Python Tech Code

❗️Качаем кайфовые Python обои на телефон

✄┈┈┈┈┈┈┈┈┈┈┈┈┈
Заметки программиста «(!?»
🇨🇱 Python Tech Code

👩‍💻 Узнаем кодировку текста

Библиотека chardet является инструментом для работы с текстовыми данными в Python.

🔵Она анализирует текст и определяет его кодировку с указанием уровня достоверности.

Установка библиотеки:

pip install chardet

🔜 Использование chardet помогает избежать ошибок, связанных с кодировками, и обеспечивает правильную обработку текстов.

✄┈┈┈┈┈┈┈┈┈┈┈┈┈
Заметки программиста «(!?»
🇨🇱 Python Tech Code

🔐Генератор надежных паролей на Python

Простой скрипт на Python может автоматизировать создание сложных комбинаций символов.

import random

lower = "abcdefghijklmnopqrstuvwxyz"
upper = "ABCDEFGHIJKLMNOPQRSTUVWXYZ"
numbers = "0123456789"
symbols = "!@#$%^&*()_--+=?></["

all_chars = lower + upper + numbers + symbols
length = int(input("Enter a length: "))
password = ''.join(random.sample(all_chars, length))
print("Generated Password:", password)

Разберем по шагам:

➡️Импорт модуля random для работы со случайными значениями
➡️Определение наборов символов:
😫Строчные и заглавные буквы
😫Цифры
😫Специальные символы
➡️Объединение всех символов в одну строку
➡️Запрос длины пароля у пользователя
➡️Генерация пароля с помощью random.sample()
➡️Вывод результата

✄┈┈┈┈┈┈┈┈┈┈┈┈┈
Заметки программиста «(!?»
🇨🇱 Python Tech Code

😱 Гарри Поттер и Возвращение в офис

✄┈┈┈┈┈┈┈┈┈┈┈┈┈
Заметки программиста «(!?»
🇨🇱 Python Tech Code

🔩 Срез списка Python

Особенности работы со срезами:

▶️Срезы всегда возвращают новый список, а не изменяют исходный.
▶️Индексы могут выходить за границы списка без ошибок.
▶️Если начало больше конца при положительном шаге - вернется пустой список.
▶️Срезы работают аналогично и для других последовательностей (строки, кортежи).

✄┈┈┈┈┈┈┈┈┈┈┈┈┈
Заметки программиста «(!?»
🇨🇱 Python Tech Code

🚫 Порядок выполнения SQL-запроса

Порядок написания запроса (синтаксис SQL) не совпадает с порядком выполнения.

👀FROM t1 - сначала выбирается таблица t1
👍JOIN t2 - затем присоединяется таблица t2
👀ON t1.column_a = t2.column_a - применяется условие соединения
👍WHERE constraint_expression - фильтрация строк
👀GROUP BY column - группировка данных
👍HAVING constraint_expression - фильтрация групп
👀SELECT column_a, column_b - выбор столбцов (выполняется после фильтрации!)
👍ORDER BY column ASC/DESC - сортировка результатов
👀LIMIT count - ограничение количества строк

Пример запроса:

SELECT column_a, column_b
FROM t1
JOIN t2 ON t1.column_a = t2.column_a
WHERE column_b > 100
GROUP BY column_a
HAVING COUNT(*) > 5
ORDER BY column_b DESC
LIMIT 10;

👍 SQL-движок обрабатывает запрос не сверху вниз, а по внутренней логике, что важно для оптимизации запросов.

✄┈┈┈┈┈┈┈┈┈┈┈┈┈
Заметки программиста «(!?»
🇨🇱 Python Tech Code

🤣 Обстановка в конце рабочей недели

✄┈┈┈┈┈┈┈┈┈┈┈┈┈
Заметки программиста «(!?»
🇨🇱 Python Tech Code