Что быстрее: словарь или список?
Скорость выполнения операций со словарями и списками зависит, собственно, от типа операции.
🔹Словари в Python реализованы как хеш-таблицы. Поэтому:
▫Доступ к элементу по ключу в словаре обычно выполняется за O(1), то есть быстро, независимо от размера словаря.
▫Добавление нового элемента в словарь также обычно занимает время O(1).
▫Проверка наличия ключа в словаре выполняется за O(1).
🔹Списки в Python реализованы как динамические массивы. Поэтому:
▫Доступ к элементу по индексу в списке тоже выполняется за время O(1). Однако список всё же может быть незначительно быстрее, так как в случае со словарём требуются дополнительные вычисления для хеширования ключа.
▫Вставка элемента в начало или середину списка требует сдвига всех последующих элементов, что занимает время O(n).
▫Поиск элемента в списке, если индекс неизвестен, требует перебора всех элементов, что занимает время O(n).
#вопросы_с_собеседований
@python_be1
Скорость выполнения операций со словарями и списками зависит, собственно, от типа операции.
🔹Словари в Python реализованы как хеш-таблицы. Поэтому:
▫Доступ к элементу по ключу в словаре обычно выполняется за O(1), то есть быстро, независимо от размера словаря.
▫Добавление нового элемента в словарь также обычно занимает время O(1).
▫Проверка наличия ключа в словаре выполняется за O(1).
🔹Списки в Python реализованы как динамические массивы. Поэтому:
▫Доступ к элементу по индексу в списке тоже выполняется за время O(1). Однако список всё же может быть незначительно быстрее, так как в случае со словарём требуются дополнительные вычисления для хеширования ключа.
▫Вставка элемента в начало или середину списка требует сдвига всех последующих элементов, что занимает время O(n).
▫Поиск элемента в списке, если индекс неизвестен, требует перебора всех элементов, что занимает время O(n).
#вопросы_с_собеседований
@python_be1
👍1
This media is not supported in your browser
VIEW IN TELEGRAM
portr — аналог ngrok для команды
Это решение позволяет создавать локальные соединения http / tcp / websocket. Дружит с Cloudflare по части SSL-сертификатов, даёт грамотно инспектировать. На видео консоль администратора, позволяющая шерить проект с коллегами.
https://github.com/amalshaji/portr
@python_be1
https://github.com/amalshaji/portr
Это решение позволяет создавать локальные соединения http / tcp / websocket. Дружит с Cloudflare по части SSL-сертификатов, даёт грамотно инспектировать. На видео консоль администратора, позволяющая шерить проект с коллегами.
https://github.com/amalshaji/portr
@python_be1
https://github.com/amalshaji/portr
👍1
YouTube Shorts из терминала. Как автоматизировать создание видео с помощью FFMPEG и Bash. Часть 2
@python_be1
https://habr.com/ru/companies/selectel/articles/813767/
@python_be1
https://habr.com/ru/companies/selectel/articles/813767/
Хабр
YouTube Shorts из терминала. Как автоматизировать создание видео с помощью FFMPEG и Bash. Часть 2
Привет, Хабр! В прошлой части я рассказал, как автоматизировать простую нарезку YouTube-видео на Shorts, добавить туда текст и размытый фон. Сегодня займемся более комплексной задачей — генерацией...
👍1
Google.Gemini.for.Python.pdf
1.5 MB
📔 Title: Google Gemini for Python: Coding with Bard
#book #Python #EN
🌐 Lang.: English
🧔 Author: O. Campesato
🕘 Year: 2024
📑 Pages: 203
#️⃣ ISBN: 978-1-50152-274-1
📝 Description: Книга начинается с введения в фундаментальные аспекты Python, которые включают в себя различные типы данных, форматирование чисел, работу с Unicode и UTF-8, а также методы работы с текстом. Кроме того, вы узнаете о циклах, функциях, структурах данных, NumPy, Pandas, условной логике и зарезервированных словах в Python. В последующих главах рассказывается о том, как обрабатывать пользовательский ввод, управлять исключениями и работать с аргументами командной строки. Затем текст переходит в сферу генеративного ИИ, обсуждая его отличие от разговорного ИИ. Представлены популярные платформы и модели, в том числе «Gemini» и ее конкуренты, чтобы дать читателю представление о современном ландшафте ИИ. В книге рассматриваются возможности Bard, ее сильные и слабые стороны, а также потенциальные области применения.
@python_be1
#book #Python #EN
🌐 Lang.: English
🧔 Author: O. Campesato
🕘 Year: 2024
📑 Pages: 203
#️⃣ ISBN: 978-1-50152-274-1
📝 Description: Книга начинается с введения в фундаментальные аспекты Python, которые включают в себя различные типы данных, форматирование чисел, работу с Unicode и UTF-8, а также методы работы с текстом. Кроме того, вы узнаете о циклах, функциях, структурах данных, NumPy, Pandas, условной логике и зарезервированных словах в Python. В последующих главах рассказывается о том, как обрабатывать пользовательский ввод, управлять исключениями и работать с аргументами командной строки. Затем текст переходит в сферу генеративного ИИ, обсуждая его отличие от разговорного ИИ. Представлены популярные платформы и модели, в том числе «Gemini» и ее конкуренты, чтобы дать читателю представление о современном ландшафте ИИ. В книге рассматриваются возможности Bard, ее сильные и слабые стороны, а также потенциальные области применения.
@python_be1
👍1
Пошаговая реализация архитектуры Transformer
В этом ноутбуке максимально подробно описан каждый шаг реализации трансформера с нуля, с необходимым теоретическим минимумом
Для полного просветления можно скомбинировать с видео 3b1b
https://github.com/harvardnlp/annotated-transformer/blob/master/AnnotatedTransformer.ipynb
@python_be1
https://github.com/harvardnlp/annotated-transformer/blob/master/AnnotatedTransformer.ipynb
В этом ноутбуке максимально подробно описан каждый шаг реализации трансформера с нуля, с необходимым теоретическим минимумом
Для полного просветления можно скомбинировать с видео 3b1b
https://github.com/harvardnlp/annotated-transformer/blob/master/AnnotatedTransformer.ipynb
@python_be1
https://github.com/harvardnlp/annotated-transformer/blob/master/AnnotatedTransformer.ipynb
👍1
🖥 Gensim — Python библиотека для работы с естественным языком
— pip install gensim
Gensim может использоваться индексации документов и поиска сходства в больших текстах.
Особенно актуальным Gensim будет для специалистов по обработке естественного языка (NLP) и информационному поиску.
https://github.com/piskvorky/gensim
@python_be1
— pip install gensim
Gensim может использоваться индексации документов и поиска сходства в больших текстах.
Особенно актуальным Gensim будет для специалистов по обработке естественного языка (NLP) и информационному поиску.
https://github.com/piskvorky/gensim
@python_be1
👍1
This media is not supported in your browser
VIEW IN TELEGRAM
python-graph-gallery.com | Коллекция почти всех типов графиков с кодом для Matplotlib, Plotly etc.
Возможно, вы попадали на этот сайт, когда только осваивали EDA датасетов. На python-graph-gallery.com собрана шикарная коллекция популярных видов dataviz с полноценными сниппетами для рендеринга таковых.
python-graph-gallery.com
@python_be1
http://python-graph-gallery.com/
Возможно, вы попадали на этот сайт, когда только осваивали EDA датасетов. На python-graph-gallery.com собрана шикарная коллекция популярных видов dataviz с полноценными сниппетами для рендеринга таковых.
python-graph-gallery.com
@python_be1
http://python-graph-gallery.com/
👍1
🖥 httpbin — сервис HTTP-запросов и ответов, написанный на Python + Flask
Быстрый запуск с помощью Docker:
— docker run -p 80:80 kennethreitz/httpbin
https://github.com/postmanlabs/httpbin
@python_be1
Быстрый запуск с помощью Docker:
— docker run -p 80:80 kennethreitz/httpbin
https://github.com/postmanlabs/httpbin
@python_be1
👍1
🖥 Реализация модели Llama 3 на чистом NumPy
Держите подробный гайд по созданию Llama 3 только средствами Python и библиотеки NumPy.
В качестве источников вдохновения и примеров использовались такие реализации:
— llama2.c
— llama.np
— modeling_llama.py — с Hugging Face
"""
I have a dream. He dream of a big, beautiful garden full of flower and tree. He dream of playing with hi friend and eating yummy snack.
One day, he wa walking in the garden when he saw
Token count: 50, elapsed: 1.53s, 33 tokens/s
"""
https://github.com/likejazz/llama3.np
https://docs.likejazz.com/llama3.np/
@python_be1
https://github.com/likejazz/llama3.np
Держите подробный гайд по созданию Llama 3 только средствами Python и библиотеки NumPy.
В качестве источников вдохновения и примеров использовались такие реализации:
— llama2.c
— llama.np
— modeling_llama.py — с Hugging Face
"""
I have a dream. He dream of a big, beautiful garden full of flower and tree. He dream of playing with hi friend and eating yummy snack.
One day, he wa walking in the garden when he saw
Token count: 50, elapsed: 1.53s, 33 tokens/s
"""
https://github.com/likejazz/llama3.np
https://docs.likejazz.com/llama3.np/
@python_be1
https://github.com/likejazz/llama3.np
👍1
💻 У нас на канале вышло свежее видео по Apache Kafka
Это 1 урок нашего из нашего Бесплатного курса.
Поддержите наше видео ЛАЙКОМ и комментом, больше продвинутых уроков на подходе!
https://www.youtube.com/watch?v=W7ZCXcxQxV8
@python_be1
https://youtu.be/W7ZCXcxQxV8
Это 1 урок нашего из нашего Бесплатного курса.
Поддержите наше видео ЛАЙКОМ и комментом, больше продвинутых уроков на подходе!
https://www.youtube.com/watch?v=W7ZCXcxQxV8
@python_be1
https://youtu.be/W7ZCXcxQxV8
YouTube
Kafka БАЗА! Теория + Практика анализ данных !
Здесь мы разобрали самую основную теорию по Kafka + подробный разбор реального применения Kafka для коммуникации 2 сервисов.
🔥 https://t.me/+Wl7z_U34K5Y0NzYy - в моем тг канале куча гайдов, разбора кода, уроков по машинному обучению.
📌 https://t.me/data_analysis_ml…
🔥 https://t.me/+Wl7z_U34K5Y0NzYy - в моем тг канале куча гайдов, разбора кода, уроков по машинному обучению.
📌 https://t.me/data_analysis_ml…
👍1