Что ж, пришла пора анонсировать наш почти юбилейный - 80-й митап.

Он состоится 24-го января в офисе компании Б1.
Нас ожидает 3 доклада:
- Александр Шишенко (ПГК Digital, Руководитель группы разработки). Как мы с Fastapi на Django перешли
- Алексей Панаэтов (Whoosh, Руководитель департамента). Зачем нужен и как использовать Dependency Injection в питонячих сервисах
- Дмитрий Гуськов (Б1, старший консультант). Нелинейное снижение размерности. Обзор алгоритмов, сравнение и немного математики

Регистрация и подробности: https://moscowdjango.timepad.ru/event/2282362/

Митап проходит при поддержке Geekfactor.io, Evrone.com и Б1 (b1.ru)

Онлайн-трансляция традиционно на moscowpython.ru

Михаил Корнеев запилил текстовую выжимку трансляции по итогам года в Python, которая прошла на прошлой неделе.
Если вам удобней читать, чем смотреть или слушать, велкам:

https://habr.com/ru/post/708204/

На мой взгляд, одной из больших проблем как у тех, кто приходит в разработку так и у тех, кто довольно давно в ней работает. Это умение не просто хорошо писать код, а умение структурировать проект. Понимать, чем хорошая архитектура отличается от плохой. В книгах часто описываются высокоуровневые абстрактные концепции и дальше возникает вопрос — все это хорошо, но вот у меня есть проект на условной Джанге, как все это применить?

На выходных я разбирал закладки и наткнулся на несколько неплохих практических "около архитектурных" гайдов, про которые хочу рассказать:

1. Django Styleguide - гайд который ребята из HackSoftware развивают уже несколько лет. Если вы не читали - очень рекомендую, много хорошего можно утащить для своего проекта. Там хорошо описано как структурировать проект так, чтобы код было легче развивать, поддерживать и тестировать. Гайд постоянно развивается и обновляется https://github.com/HackSoftware/Django-Styleguide

2. Django API Domains - пример применения некоторых принципов Domain-Driven Design в Django. Тут как и в предыдущем гайде использован довольно прагматичный подход - вместо того, чтобы тащить все что есть в DDD, автор предлагает достаточно простую, легко реализуемую и поддерживаемую структуру проекта. Это не "чистый DDD", но лично мне такой подход больше нравится своей простотой. Гайд небольшой и не очень активно развивается, но я все равно рекомендую потратить время и ознакомиться с ним https://phalt.github.io/django-api-domains/

Ну и подводя итог хочу повторить то, что написано в двух первых гайдах. Это не инструкции, которым надо в точности следовать. Это скорее набор подсказок и принципов, из которых имеет смысл выбрать то, что вам покажется разумным и полезным в своих проектах.

P.S. Я попробовал включить комментарии в канале, надеюсь сработает 🙂 Если у вас есть другие хорошие гайды по архитектуре python-веб-приложений - кидайте в комменты, я по итогам сделаю еще один пост.

Tryo Labs опубликовали ежегодный обзор "Top Python Libraries 2022". Обзор несколько субъективный и смещен в сторону анализа данных/машинного обучения, но все равно но его интересно посомтреть с точки зрения " какие из этих библиотек я знаю/пробовал?". Мне было интересно пробежаться по предыдущим выпуска - самый ранний вышел в 2015 году. https://tryolabs.com/blog/2022/12/26/top-python-libraries-2022

Python для начинающих на практике - парсинг вакансий [2021]

Чему вы научитесь:
▪️Переменные в Python
▪️Функции в Python
▪️Типы данных
▪️Позиционные и именованные аргументы
▪️Циклы и условия
▪️Практика: парсер вакансий с сайтов по поиску работы

📚Размер: 2,55 ГБ
💰Цена: 1 590 руб.

🧷Скачать бесплатно

🎭IT Pirate

📖 Основы искусственного интеллекта в примерах на Python

Описаны инструментальные средства для разработки приложений искусственного интеллекта. Даны основы языка программирования Python. Раскрыты основные понятия и определения искусственного интеллекта. Рассмотрены вопросы программной реализации элементов нейронной сети и построения многослойных нейронных сетей.

Большое внимание уделено применению специализированных библиотек PyBrain, Scikit-learn, Keras, TensorFlow для формирования структуры нейронных сетей и их обучения и библиотек ImageAI и OpenCV для обработки изображений. Материал иллюстрирован простыми и понятными примерами, демонстрирующими использование предварительно обученных нейронных сетей для распознавания объектов на изображениях, создания собственных наборов данных, формирования структуры сети, ее обучения и практического применения.

Автор: Анатолий Постолит
Год: 2021
Язык: Русский
Страниц: 445

#python

⏱ Как создать таймер в Python

С помощью данного модуля можно легко планировать и откладывать запуск своего кода на определенное время

#python

⌨️ Отступы
На самом деле, вопрос об отступах является одним из наболевших в программировании. В 2016 году разработчики компании Google решили произвести анализ кода разработчиков, лежащего на ресурсе GitHub, и выявить наиболее популярный способ форматирования текста для разных языков программирования.

Проанализировав 400 тысяч репозиториев, они получили следующую картину. Для большинства языков программирования (Java, Python, JavaScript, PHP) разработчики преимущественно используют пробел, однако в языке С более популярным способом форматирования является табуляция.

#python

🔠ℹ️ Литералы

Чтобы указать, что функция может принимать заранее известные значения ("left", "center", "right"), используется тип Literal.

Его можно заметить в open(). Функция принимает 'r', 'rb', 'w', но если передать 'kwargs', IDE выдаст предупреждение.

Literal можно вкладывать друг в друга: Literal['a', Literal['b']]. Это удобно для связывания нескольких литералов.

📌 PEP 586

#python

ℹ️🦖 IPython

Знаете ли вы, что существует оболочка и для IPython? Если вы во всю работаете с интерактивной оболочкой, но не знаете самого IPython, то однозначно присмотритесь к этому пункту!

✅ Особенности:
— Комплексная интроспекция объекта;
— История ввода, которая хранится в течение сеансов;
— Кэширование результатов вывода в течение сеанса с автоматически генерируемыми указателями;
...

Сайт: https://github.com/ipython/ipython
#python

🐊7️⃣ расширенных возможностей Python

💬 Python - один из самых продвинутых языков программирования, который широко используется во многих отраслях. Он обладает множеством расширенных функций, которые делают его мощным инструментом в руках опытных программистов.

Вот подборка из 7 наиболее полезных расширенных возможностей Python.

👆🏻Читать статью
#python

💫🆚🐼 Pyspark. Анализ больших данных, когда Pandas не достаточно

Pandas - одна из наиболее используемых библиотек Python с открытым исходным кодом для работы со структурированными табличными данными для анализа. Однако он не поддерживает распределенную обработку, поэтому вам всегда придется увеличивать ресурсы, когда вам понадобится дополнительная мощность для поддержки растущих данных.

И всегда наступит момент, когда ресурсов станет недостаточно. В данной статье мы рассмотрим, как PySpark выручает в условиях нехватки мощностей для обработки данных.

👆🏻Читать...
#python

🗞⚠️ types.MappingProxyType

Доступный только для чтения словарь. По своей сути — Read-only обертка для словаря. Данные считывать можно, а менять — нельзя.

#python