Выпущен Джанго 5.0

В примечаниях к выпуску подробно описано множество интересных новых функций https://www.djangoproject.com/weblog/2023/dec/04/django-50-released

Сериализуйте ваши данные с помощью Python

https://realpython.com/python-serialize-data

🏆10 обязательных расширений VSCode для🐍Pythonistas

https://dev.to/taipy/top-10-must-have-vscode-extensions-forpythonistas-561a

Как мы научили заводчан строить красивые инженерные отчеты из Jupyter Notebook на Python.

Была у нас тут история, когда легкий перфекционизм помог привести в порядок конструкторскую документацию и регулярно экономить инженерам кучу дней на прохождение бюрократических процедур. В ее основе – создание системы управления расчетными данными и переход от трудночитаемых и трудноинтегрируемых отчетов Mathcad к гибкой связке Jupyter Notebook с Python и Teamcenter. Но основной рассказ будет про то, как преобразовывать и экспортировать математические формулы, таблицы и другие элементы из Jupyter в красивый и удобный вид.

Читать далее https://habr.com/ru/companies/lanit/articles/777514

Субинтерпретаторы Python 3.12: новая эра параллелизма

https://thinhdanggroup.github.io/subinterpreter

Networkx - сетевой анализ в Python.

NetworkX — это пакет Python для создания, управления и изучения структуры, динамики и функций сложных сетей
https://networkx.org/

Пишем приложение на Python для подготовки к собеседованиям по Python.

На конец 2023 года язык программирования Python является самым популярным по индексу TIOBE. Что касается работы, то по количеству вакансий в мире язык Python занимает второе место (после JavaScript/TypeScript). Поэтому у соискателей на должность, где требуется Python, возникает потребность подготовки к собеседованиям.

В этой статье я расскажу о том, как используя Python, можно написать desktop-приложение для ОС Windows, которое поможет быстро, эффективно и абсолютно бесплатно подготовиться к собеседованиям по Python.

Читать далее https://habr.com/ru/articles/779624

Использование Polars в мире панд

Polars — это библиотека на основе фреймов данных, которая может быть быстрее, эффективнее использовать память и зачастую проще в использовании, чем Pandas. Кроме того, он гораздо новее и, соответственно, менее популярен. В ноябре 2023 года:

У Polars было около 2,6 миллионов загрузок с PyPI.
У Pandas было около 140 миллионов загрузок!
Из-за популярности Pandas и ее доступности на протяжении полутора десятилетий существует множество сторонних библиотек со встроенной поддержкой Pandas, а также других, которые специально расширяют Pandas. Многие библиотеки построения графиков и визуализации, например, принимают в качестве входных данных фреймы данных Pandas, а GeoPandas добавляет географические типы данных в фреймы данных Pandas. Если вы используете Polars, можете ли вы использовать эти библиотеки? И если да, то как? https://pythonspeed.com/articles/polars-pandas-interopability/

В постоянно развивающейся сфере разработки данных и автоматизации Python стал свидетелем появления нескольких оркестраторов рабочих процессов. В этой статье я расскажу о шести библиотеках Python и некоторых их основных функциях.

https://dev.to/taipy/the-pipeline-repos-showdown-python-edition-39i5

Анализ посещаемости магазина для выявления наиболее часто посещаемых зон

ссылка на репо, если вы хотите создать что-то за выходные: https://github.com/roboflow/supervision

Создание LLM с миллионом параметров с нуля с использованием Python
Пошаговое руководство по репликации архитектуры LLaMA

https://levelup.gitconnected.com/building-a-million-parameter-llm-from-scratch-using-python-f612398f06c2

Изучаем и парсим биржевую информацию Мосбиржи. Наш первый парсер на Python, разбор кода.

Как устроен ISS MOEX (информационно-статистический сервер Московской Биржи) и как можно парсить с него биржевые данные. Разбор кода программы. Это первое знакомство с MOEX, дальше будем изучать куда как более актуальный для алготрейдинга продукт мосбиржи - ALGOPACK. Однако перед этим общее знакомство с архитектурой iss moex должно быть. Стратегическая задача - использовать данные для алготрейдинга (работы торгового робота) напрямую с московской биржи.

Читать далее https://habr.com/ru/articles/781006

Агенты, способные самостоятельно редактировать свои подсказки/код Python

https://github.com/aymenfurter/microagents

Мониторинг на Python: как сохранить метрики в мультипроцессном режиме.

Привет, Хабр! Меня зовут Никита, я backend-разработчик команды клиентских сервисов. В Selectel мы строим и поддерживаем IT-инфраструктуру для компаний, которые развивают свои цифровые продукты. В нашем департаменте около 20 приложений, большая часть из которых работает на Flask и Gunicorn. Чтобы отслеживать их производительность, мы мониторим параметры системы с помощью Prometheus.

С развитием бизнеса нагрузка на приложения возрастает, один из способов масштабировать его под большее количество запросов — запустить Gunicorn-сервер с несколькими worker-процессами в мультипроцессном режиме. Однако при таком подходе клиент Prometheus не выводит нужные нам метрики CPU и RAM. В статье расскажу, как мы решили эту проблему, сохранив метрики и организовав мониторинг в мультипроцессном режиме.

Читать дальше →https://habr.com/ru/companies/selectel/articles/781614

Проектирование и руководство: объектно-ориентированное программирование на Python
В этом видеокурсе вы узнаете о принципах SOLID — пяти общепризнанных стандартах для улучшения объектно-ориентированного проектирования на Python. Применяя эти принципы, вы можете создавать объектно-ориентированный код, который будет более удобным в сопровождении, расширяемом, масштабируемом и тестируемом. КУРС REAL PYTHON

Предварительный просмотр Python 3.12: более интуитивно понятные и последовательные F-строки В этом уроке вы познакомитесь с одной из будущих функций Python 3.12, которая представляет новую формализацию и реализацию синтаксиса f-строки. Новая реализация снимает некоторые ограничения и ограничения, влияющие на литералы f-строки в версиях Python ниже 3.12. REAL PYTHON

Изучение показателей кода в Python с помощью Radon Radon — это инструмент измерения показателей кода. Эта статья познакомит вас с этим и научит, как можно улучшить свой код на основе его измерений. МАЙК ДРИСКОЛ.

Это курс Гарвардского университета: «Введение в науку о данных с помощью Python». Вы можете пройти этот урок бесплатно. Если вам нужен сертификат, вы можете заплатить за него 299 долларов. Чтобы пройти этот курс, вы должны быть знакомы с Python. Курс предназначен для новичков.

https://pll.harvard.edu/course/introduction-data-science-python

Django против FastAPI: какой веб-фреймворк Python лучше?

https://blog.jetbrains.com/pycharm/2023/12/django-vs-fastapi-which-is-the-best-python-web-framework

Для Python предложен JIT-компилятор, использующий технику copy-and-patch

Брандт Букер (Brandt Bucher) из компании Microsoft, входящий в число core-разработчиков CPython и работающий в команде, занимающейся увеличением производительности интерпретатора CPython, опубликовал реализацию JIT-компилятора для Python, использующую технику Copy-and-Patch. Публикация JIT приурочена к Рождеству и анонс написан в стихах.

Предложенный JIT примечателен очень высокой скоростью генерации кода, простотой сопровождения и полной интеграцией с интерпретатором. Предложенный метод позволяет автоматически преобразовать интерпретатор, написанный на языке Си, в JIT-компилятор, без отдельного формирования логики генерации кода и без ручного создания ассемблерных представлений. При таком подходе исправление ошибки в интерпретаторе автоматически приведёт и к устранению той же проблемы в JIT, так как используется общий генератор кода.

🏆Как освоить 📊 конвейеры больших данных с помощью Taipy и PySpark 🐍

В этой статье будет использован простой пример, чтобы продемонстрировать, как мы можем интегрировать PySpark с Taipy , чтобы соединить ваши потребности в обработке больших данных с интеллектуальным выполнением заданий . https://dev.to/taipy/how-to-master-big-data-pipelines-with-taipy-and-pyspark-14oe

4 миллиарда операторов if — проверка того, является ли каждое 32-битное число четным или нечетным.

Просматривая недавно соцсети, я наткнулся на этот скриншот. Разумеется, его сопровождало множество злобных комментариев, критикующих попытку этого новичка в программировании решить классическую задачу computer science: операцию деления с остатком.

В современном мире, где ИИ постепенно заменяет программистов, отнимая у них работу и совершая переворот в том, как мы подходим к рассуждениям о коде, нам, возможно, следует быть более открытыми к мыслям людей, недавно пришедших в нашу отрасль? На самом деле, показанный выше код — идеальный пример компромисса между временем и задействованной памятью. Мы жертвуем временем и в то же время памятью и временем компьютера! Поистине чудесный алгоритм!

https://andreasjhkarlsson.github.io/jekyll/update/2023/12/27/4-billion-if-statements.html