Работа с временными рядами в Python. Часть 1.

Аналитика данных стала неотъемлемой частью современного бизнеса и научных исследований. И одним из ключевых аспектов анализа данных являются временные ряды. Эффективная работа с временными рядами играет критическую роль в прогнозировании, стратегическом планировании и принятии решений в различных отраслях.

Временные ряды — это наборы данных, где каждая точка данных связана с определенным моментом времени. Это может быть что угодно, от ежедневных финансовых показателей до ежечасных кликов на веб-сайте или даже месячных показателей погоды. Зачем нам это нужно? Потому что временные ряды предоставляют нам ценную информацию о том, как меняются данные со временем. Читать дальше →https://habr.com/ru/companies/mvideo/articles/769190

Малоизвестные библиотеки Python для анализа данных, которые сделают вашу жизнь проще.

В этой статье мы рассмотрим некоторые полезные библиотеки Python для задач обработки данных, с которыми, возможно, вы еще не знакомы. Хотя для задач машинного обучения на ум приходят такие библиотеки, как pandas, numpy, scikit-learn, keras, tensorflow, matplotlib и т.д., но всегда полезно знать о других предложениях Python, особенно если это поможет улучшить ваши проекты.

Читать далее https://habr.com/ru/companies/otus/articles/769376

Что нового в Python 3.13

В этой статье объясняются новые возможности Python 3.13 по сравнению с версией 3.12. https://docs.python.org/3.13/whatsnew/3.13.html

Visual Studio Code — один из самых популярных и настраиваемых редакторов кода. И в этом руководстве
мы поможем вам настроить все это для разработки на Python . Он рассказывает о ключевых расширениях, которые вам понадобятся, и о том, как они сделают процесс кодирования интересным.

https://www.freecodecamp.org/news/how-to-configure-visual-studio-code-for-python-development/

[Перевод] Как в 180,000 раз ускорить анализ данных с помощью Rust.

В этой статье я опишу одно из последних своих дерзновений в сфере оптимизации производительности с помощью Rust. Надеюсь, что в ней вы откроете для себя какие-то новые приёмы для написания быстрого кода на Rust. Читать дальше →https://habr.com/ru/companies/ruvds/articles/769808

Обзор и основы объектно-ориентированного программирования на Python ⭐️

https://dev.to/swirl/python-mastery-pythons-object-oriented-programming-overview-and-fundamentals-22m1

Мой пользовательский опыт при переносе setup.py

Я надеюсь, что, поделившись своим (к сожалению, болезненным) опытом конечных пользователей, я смогу привлечь внимание к сбивающим с толку аспектам упаковки Python, чтобы более информированные и уполномоченные люди могли улучшить ситуацию и помочь в принятии будущих решений по упаковке Python, чтобы помочь в таких сценариях, как Я собираюсь описать.

https://gregoryszorc.com/blog/2023/10/30/my-user-experience-porting-off-setup.py/

Фундаментальные понятия статистики и строительные блоки #DataAnalytics и #MachineLearning.

Набор Python matplotlib интерактивных приборных панелей, чтобы помочь вам понять эти фундаментальные концепции

https://github.com/GeostatsGuy/PythonNumericalDemos/blob/master/Interactive_MarginalJointConditional.ipynb

Анализ данных в 170 000 раз быстрее с помощью Python

В этом посте мы пройдем путь профилирования и итеративного ускорения кода на Python. https://sidsite.com/posts/python-corrset-optimization/

pix2tex - это библиотека Python, позволяющая конвертировать изображения уравнений в код LaTeX. Это позволяет включать уравнение из документа в другой документ, не создавая уравнение заново.

https://github.com/lukas-blecher/LaTeX-OCR

«Иногда лучше написать велосипед»: как тестировать кластеры Kubernetes с помощью Python.

Сегодня Kubernetes — это основное средство для оркестрации контейнеров на рынке, поэтому их тестирование занимает особую позицию в перечне задач. Большинство тривиальных тестов можно запустить через команду kubectl, либо фреймворк Sonobuoy для тестирования сертификации версий.

Однако для сложных интеграционных тестов, которые завязаны на Kubernetes API, необходимо реализовать что-то свое. Я воспользовался клиентской библиотекой Python для Kubernetes, которая позволяет работать со всеми прелестями его интерфейса, соединил ее с PyTest и API нашего продукта — Managed Kubernetes. Что из этого вышло, показываю в статье.

Читать дальше →https://habr.com/ru/companies/selectel/articles/772316

101 упражнение Pandas для анализа данных

101 упражнение Python Pandas предназначены для того, чтобы бросить вызов вашим логическим мышцам и помочь усвоить манипулирование данными с помощью любимого пакета Python для анализа данных.

https://www.machinelearningplus.com/python/101-pandas-exercises-python/

Создание компилятора и интерпретатора Python

Серия статей о реализации языка программирования Python с нуля на языке Python. Конечная цель этой серии - изучить и поиграть с концепциями и алгоритмами, необходимыми для реализации такого языка программирования, как Python. Для этого мы создадим язык программирования с некоторым набором возможностей, которыми обладает Python, и попутно поиграем с токенизаторами, парсерами, компиляторами и интерпретаторами!

https://mathspp.com/blog/tag:bpci

[Python 🐍 Мастерство] Обзор связанных списков в Python и основные операции со связанными списками 🛠

https://dev.to/swirl/python-mastery-overview-of-linked-list-in-python-essential-linked-list-operations-hn3

Python in Excel

Масштабирование телеграм-ботов на примере aiogram.

Масштабирование — это не просто увеличение мощности, это искусство эффективного управления ресурсами, чтобы удовлетворить растущие запросы пользователей без потери качества обслуживания. В телеграм-ботах, где количество пользователей может увеличиваться экспоненциально, способность вашего бота адаптироваться к растущей нагрузке становится ключом к его успеху.

Aiogram, асинхронная библиотека для создания ботов на питоне, выделяется своей гибкостью и производительностью. Она позволяет создавать более отзывчивые и масштабируемые боты, используя современные асинхронные возможности Python.

Читать далее https://habr.com/ru/companies/otus/articles/77354

Большое руководство по машинному обучению на Python (167-страничный PDF-файл)

Руководство по кучам в Python

https://stackabuse.com/guide-to-heaps-in-python

Создавайте надежные проекты программного обеспечения со структурами данных, использующими современные шаблоны объектно-ориентированного проектирования! Автор Бруно Прейсс представляет основы структур данных и алгоритмов с современной объектно-ориентированной точки зрения.

🙌Топ-10 🐍 Библиотек Python для любых проектов машинного обучения 🚀

https://dev.to/taipy/top-10-python-libraries-for-any-ml-projects-3gfp