⚙️ itertools для итерации более чем одного итерируемого объекта

ℹ️ Если вы когда-нибудь оказывались в ситуации, когда вы пишете вложенные циклы или сложные функции для итерации более чем одного итерируемого объекта, проверьте, есть ли нужная функция в библиотеке itertools.

🗣️ Возможно, вам не придется изобретать велосипед — Python учтёт все ваши потребности.

🔗 Ссылочка на доку

Python Learning 👩‍💻

⚙️ glob для удобной работы с файлами

ℹ️ Для пользователей, которым нравится сопоставление шаблонов в стиле Unix, библиотека glob должна чувствовать себя как дома.

🗣️ glob содержит все необходимые функции для работы с несколькими файлами одновременно без головной боли.

🔗 Ссылочка на доку

Python Learning 👩‍💻

⚙️ pathlib для работы с системными путями

ℹ️ Модуль Python os, мягко говоря, отстой… К счастью, разработчики ядра Python услышали крики миллионов и представили библиотеку pathlib в Python 3.4. Она обеспечивает удобный объектно-ориентированный подход к системным путям.

🗣️ Она также очень старается решить все проблемы, связанные с системой путей Windows

🔗 Ссылочка на доку

Python Learning 👩‍💻

⚙️ sqlite3 для специалистов по данным и инженеров

ℹ️ К радости специалистов по данным и инженеров, Python поставляется со встроенной поддержкой баз данных и SQL через библиотеку sqlite3.

Просто подключитесь к любой базе данных (или создайте её) с помощью объекта подключения и запускайте SQL-запросы.

🔗 Ссылочка на доку

Python Learning 👩‍💻

⚙️ secrets для генерации случайных чисел и символов

ℹ️ Хотя реализовать свои собственные функции кодирования сообщений может быть очень весело, они, вероятно, не будут соответствовать тем же стандартам, что и проверенные в боевых условиях функции в библиотеке secrets.

🗣️ Там вы найдёте всё необходимое для генерации случайных чисел и символов для самых сложных паролей, токенов безопасности и связанных с ними секретов.

🔗 Ссылочка на доку

Python Learning 👩‍💻

⚙️ pickle для быстрого и эффективного хранения

ℹ️ Точно так же, как размеры наборов данных становятся всё больше и больше, растут и наши потребности в их более быстром и эффективном хранении. Одной из альтернатив плоским CSV-файлам, которые поставляются с вашей установкой Python, является формат файла pickle.

🗣️ На самом деле он примерно в 80 раз быстрее CSV при вводе-выводе и занимает меньше памяти.

🔗 Ссылочка на доку

Python Learning 👩‍💻

⚙️ shutil для расширенных операций с файлами

ℹ️ Модуль для расширенных операций с файлами.

🗣️ С помощью Shutil вы можете копировать, перемещать, удалять, архивировать или выполнять любые операции с файлами, которые вы обычно выполняете в проводнике или в терминале.

🔗 Ссылочка на доку

Python Learning 👩‍💻

⚙️ logging для расширенных операций с файлами

ℹ️ Модуль позволяет регистрировать сообщения с различными приоритетами и временными метками в пользовательском формате.

🔗 Ссылочка на доку

Python Learning 👩‍💻

⚙️ concurrent.futures для одновременного выполнения операций

ℹ️ Эта библиотека предназначена для одновременного выполнения операций, как в многопоточности.

➡️ Я отправляю 100 запросов GET на URL-адрес и получаю ответ. Процесс медленный и утомительный, так как интерпретатор ждёт, пока не вернется каждый запрос, и это то, что вы получаете, когда используете циклы.

✔️ Гораздо разумнее использовать параллелизм и задействовать все ядра на вашем компьютере. Библиотека concurrent.futures позволяет это сделать.

🔗 Ссылочка на доку

Python Learning 👩‍💻

⚙️ Asyncio для работы с асинхронным кодом

ℹ️ Разработчики Python по всему миру используют библиотеку asyncio для написания параллельного кода с помощью синтаксиса async/await.

🗣️ Библиотека asyncio больше всего подходит для кода, который связан с вводом-выводом, а также для высокоуровневого структурированного сетевого кода.

🔗 Ссылочка на доку

Python Learning 👩‍💻

⚙️ SciKit-Learn для разработки алгоритмов машинного обучения

ℹ️ SciKit-Learn основан на Numpy и SciPy и прежде был известен как Sklearn. Это бесплатная библиотека Python, и она очень часто воспринимается как расширение библиотеки SciPy. SciKit-Learn была создана специально с целью разработки алгоритмов машинного обучения и моделирования данных.

🗣️ Для многих SciKit-Learn – это одна из лучших библиотек Python, а все из-за ее последовательного, простого и интуитивно понятного интерфейса.

🔗 Ссылочка на доку

Python Learning 👩‍💻

⚙️ TensorFlow Learn для глубокого обучения

ℹ️ TensorFlow – это библиотека с открытым исходным кодом, которая первоначально была разработана исследователями из Google.

🗣️ Ее специализация - дифференцируемое программирование, но основная цель ее создания – это машинное и глубокое обучение, а также другие рабочие нагрузки в прогнозной и статистической аналитике.

🔗 Ссылочка на доку

Python Learning 👩‍💻

⚙️ Matplotlib для визуализации данных

ℹ️ Matplotlib – это расширение SciPy, и оно было создано для визуализации данных в силу того, того, что она используется для создания диаграмм и графиков. Matplotlib может работать со сложными моделями данных, которые выводит Pandas, и со структурами данных, которые создает NumPy.

🗣️ У Matplotlib есть ограничение – она может создавать только 2D-графики.

🔗 Ссылочка на доку

Python Learning 👩‍💻

⚙️ Seaborn для визуализации данных

ℹ️ Аналогично Matplotlib, Seaborn – это библиотека, которая была создана для построения графиков и визуализации данных. По сути, эта библиотека была основана на самой Matplotlib, хотя она также включает в себя некоторые структуры данных Pandas.

🗣️ Seaborn имеет высокоуровневый интерфейс с огромным количеством функций, которые позволяют пользователям создавать не просто точные, но и информативные статистические графики.

🔗 Ссылочка на доку

Python Learning 👩‍💻

⚙️ PyCaret для машинного обучения

ℹ️ Это библиотека с открытым исходным кодом, и она была создана для машинного обучения. Она предлагает функции, которые помогают упростить и автоматизировать программы машинного обучения.

✔️ Несмотря на наличие небольшой кривой обучения, PyCaret относительно прост в использовании.

🔗 Ссылочка на доку

Python Learning 👩‍💻

⚙️ Chainer для построения и обучения нейронных сетей

ℹ️ Мощный и гибкий инструмент Python для построения и обучения глубоких нейронных сетей. Библиотека Chainer была разработана японской компанией Preferred Networks.

🔗 Ссылочка на доку

Python Learning 👩‍💻

⚙️ PaddleOCR для оптического распознавания символов

ℹ️ PaddleOCR — многоязычные наборы инструментов OCR на основе DL-фреймворка PaddlePaddle.

🗣️ Поддержка обучения и развертывания на серверных, мобильных, встроенных устройствах и IoT

🔗 Ссылочка на доку

Python Learning 👩‍💻

⚙️ YOLOv8 для компьютерного зрения

ℹ️ YOLOv8 — самый совершенный (на сегодня) и производительный представитель семейства моделей обнаружения объектов YOLO.

🗣️ Предназначен для таких задач CV, как обнаружение объектов, сегментация экземпляров и классификация изображений.

🔗 Ссылочка на доку

Python Learning 👩‍💻

⚙️ SciKit-Image для обработки изображений

ℹ️ SciKit-Image — коллекция алгоритмов для обработки изображений, основанная на NumPy, scipy.ndimage и ряде других библиотек, обеспечивающая универсальный набор процедур обработки изображений в Python.

🔗 Ссылочка на доку

Python Learning 👩‍💻

⚙️ DeepFace для распознавания лиц

ℹ️ Deepface — легкий фреймворк для распознавания лиц и анализа атрибутов лица (возраст, пол, эмоции и раса) для Python.

🔗 Ссылочка на доку

Python Learning 👩‍💻