NumPy: unique
Функция unique() используется для поиска уникальных элементов массива. Она возвращает отсортированные уникальные элементы массива. В дополнение к уникальным элементам есть три дополнительных вывода: индексы входного массива, которые дают уникальные значения; индексы уникального массива, которые восстанавливают входной массив; сколько раз каждое уникальное значение появляется во входном массиве. Данное видео демонстрирует работу unique().
👀Смотреть видео
#видео #numpy
Функция unique() используется для поиска уникальных элементов массива. Она возвращает отсортированные уникальные элементы массива. В дополнение к уникальным элементам есть три дополнительных вывода: индексы входного массива, которые дают уникальные значения; индексы уникального массива, которые восстанавливают входной массив; сколько раз каждое уникальное значение появляется во входном массиве. Данное видео демонстрирует работу unique().
👀Смотреть видео
#видео #numpy
Оптимизация использования памяти
Когда дело доходит до оптимизации производительности, люди обычно сосредотачиваются только на скорости и использовании ЦП. Редко кого волнует потребление памяти. Существует множество причин, по которым стоит попытаться ограничить использование памяти, а не только предотвращение сбоя приложения из-за ошибок нехватки памяти. Делимся статьей, где автор рассказывает про оптимизацию использования памяти.
👉Читать статью
#статьи
Когда дело доходит до оптимизации производительности, люди обычно сосредотачиваются только на скорости и использовании ЦП. Редко кого волнует потребление памяти. Существует множество причин, по которым стоит попытаться ограничить использование памяти, а не только предотвращение сбоя приложения из-за ошибок нехватки памяти. Делимся статьей, где автор рассказывает про оптимизацию использования памяти.
👉Читать статью
#статьи
Вложенные классы
Класс, определенный в другом классе, называется вложенным классом. Если объект создается с использованием вложенного класса, то объект также может быть создан с использованием родительского класса. Более того, родительский класс может иметь в себе несколько вложенных классов. Данное видео поможет тебе разобраться с вложенными классами.
👀Смотреть видео
#видео
Класс, определенный в другом классе, называется вложенным классом. Если объект создается с использованием вложенного класса, то объект также может быть создан с использованием родительского класса. Более того, родительский класс может иметь в себе несколько вложенных классов. Данное видео поможет тебе разобраться с вложенными классами.
👀Смотреть видео
#видео
Поиск в ширину
Поиск в ширину (BFS) — это алгоритм, используемый для обхода дерева по графам или древовидным структурам данных. BFS можно легко реализовать с помощью рекурсии и структур данных, таких как словари и списки. Делимся статьей, где автор демонстрирует практическое применение этого алгоритма.
👉Читать статью
#статьи
Поиск в ширину (BFS) — это алгоритм, используемый для обхода дерева по графам или древовидным структурам данных. BFS можно легко реализовать с помощью рекурсии и структур данных, таких как словари и списки. Делимся статьей, где автор демонстрирует практическое применение этого алгоритма.
👉Читать статью
#статьи
OverflowError: math range error
Во время математических вычислений, если значение достигает допустимого предела типа данных, появляется исключение «OverflowError: math range error». Данная статья поможет тебе разобраться с этим исключением. Также ты узнаешь, как исправить эту ошибку.
👉Читать статью
#статьи
Во время математических вычислений, если значение достигает допустимого предела типа данных, появляется исключение «OverflowError: math range error». Данная статья поможет тебе разобраться с этим исключением. Также ты узнаешь, как исправить эту ошибку.
👉Читать статью
#статьи
Пакеты
Пакеты позволяют иерархически структурировать пространство имен модулей с помощью записи через точку. Точно так же, как модули помогают избежать конфликтов между именами глобальных переменных, пакеты помогают избежать конфликтов между именами модулей. Данное видео поможет тебе разобраться с пакетами.
👀Смотреть видео
#видео
Пакеты позволяют иерархически структурировать пространство имен модулей с помощью записи через точку. Точно так же, как модули помогают избежать конфликтов между именами глобальных переменных, пакеты помогают избежать конфликтов между именами модулей. Данное видео поможет тебе разобраться с пакетами.
👀Смотреть видео
#видео
Pandas: Замена пустых ячеек
Один из способов работы с пустыми ячейками — вставить вместо них новое значение. Таким образом, тебе не придется удалять целые строки только из-за пустых ячеек. Метод fillna() позволяет заменить пустые ячейки значением. В первом примере заменяются все пустые ячейки во всем фрейме данных. Чтобы заменить пустые значения только для одного столбца, укажи имя столбца для DataFrame.
#практика #pandas
Один из способов работы с пустыми ячейками — вставить вместо них новое значение. Таким образом, тебе не придется удалять целые строки только из-за пустых ячеек. Метод fillna() позволяет заменить пустые ячейки значением. В первом примере заменяются все пустые ячейки во всем фрейме данных. Чтобы заменить пустые значения только для одного столбца, укажи имя столбца для DataFrame.
#практика #pandas
Моносостояние экземпляров класса
Шаблон Borg (также известный как шаблон Monostate) — это способ реализации одноэлементного поведения. Вместо одного экземпляра класса существует несколько экземпляров, которые совместно используют одно и то же состояние. Данное видео поможет разобраться с моносостоянием.
👀Смотреть видео
#видео
Шаблон Borg (также известный как шаблон Monostate) — это способ реализации одноэлементного поведения. Вместо одного экземпляра класса существует несколько экземпляров, которые совместно используют одно и то же состояние. Данное видео поможет разобраться с моносостоянием.
👀Смотреть видео
#видео
Стек типа LIFO
Стек — это линейная структура данных. В ней элементы хранятся в порядке «последний пришел — первый вышел» (LIFO). Это значит, что элементы хранятся в порядке поступления. Данное видео поможет разобраться со стеком.
👀Смотреть видео
#видео
Стек — это линейная структура данных. В ней элементы хранятся в порядке «последний пришел — первый вышел» (LIFO). Это значит, что элементы хранятся в порядке поступления. Данное видео поможет разобраться со стеком.
👀Смотреть видео
#видео
Сравнение строк
Сравнение строк выполняется с использованием символов в обеих строках. Символы в обеих строках сравниваются один за другим. При обнаружении разных символов сравнивается их значение Unicode. Символ с меньшим значением Unicode считается меньшим. Данная статья поможет разобраться тебе с этой темой.
👉Читать статью
#статьи
Сравнение строк выполняется с использованием символов в обеих строках. Символы в обеих строках сравниваются один за другим. При обнаружении разных символов сравнивается их значение Unicode. Символ с меньшим значением Unicode считается меньшим. Данная статья поможет разобраться тебе с этой темой.
👉Читать статью
#статьи
random.randint
Функция randint возвращает случайное целое число между заданным начальным и конечным целым числом. В отличие от randrange, выборка идет до конечного числа включительно. Также ты не можешь указать шаг приращения.
#практика
Функция randint возвращает случайное целое число между заданным начальным и конечным целым числом. В отличие от randrange, выборка идет до конечного числа включительно. Также ты не можешь указать шаг приращения.
#практика
👍1
Модуль keyboard
Модуль keyboard позволяет управлять клавиатурой твоего компьютера в Python. Это полезно для многих задач, таких как автоматизация различных рутинных задач на рабочем столе. Данная статья познакомит тебя с этим модулем.
👉Читать статью
#статьи #библиотеки
Модуль keyboard позволяет управлять клавиатурой твоего компьютера в Python. Это полезно для многих задач, таких как автоматизация различных рутинных задач на рабочем столе. Данная статья познакомит тебя с этим модулем.
👉Читать статью
#статьи #библиотеки
random.randrange
Метод randrange() возвращает случайно выбранный элемент из указанного диапазона. Первое значение указывает, с какого числа начинается диапазон. Второе указывает, до какого числа идет выборка не включительно. Третьим значением ты можешь указать шаг приращения. По умолчанию он равен 1.
#практика
Метод randrange() возвращает случайно выбранный элемент из указанного диапазона. Первое значение указывает, с какого числа начинается диапазон. Второе указывает, до какого числа идет выборка не включительно. Третьим значением ты можешь указать шаг приращения. По умолчанию он равен 1.
#практика
Feature Engineering
Feature engineering – это способ извлечения признаков из данных и преобразования их в форматы, подходящие для алгоритмов машинного обучения. Делимся статьей, где автор наглядно демонстрирует применение feature engineering.
👉Читать статью
#статьи
Feature engineering – это способ извлечения признаков из данных и преобразования их в форматы, подходящие для алгоритмов машинного обучения. Делимся статьей, где автор наглядно демонстрирует применение feature engineering.
👉Читать статью
#статьи
Области видимости переменных
Переменная, объявленная вне функции или в глобальной области видимости, называется глобальной переменной. Переменная, объявленная внутри тела функции или в локальной области видимости, называется локальной переменной. Нелокальные переменные используются во вложенных функциях, локальная область действия которых не определена. Делимся видео, где автор рассказывает про области видимости переменных.
👀Смотреть видео
#видео
Переменная, объявленная вне функции или в глобальной области видимости, называется глобальной переменной. Переменная, объявленная внутри тела функции или в локальной области видимости, называется локальной переменной. Нелокальные переменные используются во вложенных функциях, локальная область действия которых не определена. Делимся видео, где автор рассказывает про области видимости переменных.
👀Смотреть видео
#видео
random.sample
Метод sample() возвращает список элементов определенной длины, выбранных из последовательности. Последовательностью может быть список, кортеж, строка или множество. Параметр k отвечает за размер возвращаемого списка.
#практика
Метод sample() возвращает список элементов определенной длины, выбранных из последовательности. Последовательностью может быть список, кортеж, строка или множество. Параметр k отвечает за размер возвращаемого списка.
#практика
NumPy: Транслирование массивов
Для массивов одинакового размера бинарные операции выполняются поэлементно. Транслирование позволяет тебе выполнять эти типы бинарных операций над массивами разных размеров. Делимся видео, где автор демонстрирует транслирование массивов.
👀Смотреть видео
#видео #numpy
Для массивов одинакового размера бинарные операции выполняются поэлементно. Транслирование позволяет тебе выполнять эти типы бинарных операций над массивами разных размеров. Делимся видео, где автор демонстрирует транслирование массивов.
👀Смотреть видео
#видео #numpy
😁1
Распознавание поднятых пальцев
Делимся статьей, где автор реализует несложный проект. В нем проводится распознавание поднятых пальцев. Сделано это с помощью Python и OpenCV. Работает только с одной рукой. Если в кадре больше одной руки, то распознавание будет работать только с той, которая первая появилась в кадре.
👉Читать статью
#статьи
Делимся статьей, где автор реализует несложный проект. В нем проводится распознавание поднятых пальцев. Сделано это с помощью Python и OpenCV. Работает только с одной рукой. Если в кадре больше одной руки, то распознавание будет работать только с той, которая первая появилась в кадре.
👉Читать статью
#статьи
Вариационные автоэнкодеры
Автоэнкодер — это разновидность сверточной нейронной сети (CNN), которая преобразует входные данные высокой размерности в низкоразмерные (т. е. скрытый вектор), а затем восстанавливает исходные входные данные с максимально возможным качеством. Данное видео поможет разобраться с вариационными автоэнкодерами.
👀Смотреть видео
#видео #нейронные_сети
Автоэнкодер — это разновидность сверточной нейронной сети (CNN), которая преобразует входные данные высокой размерности в низкоразмерные (т. е. скрытый вектор), а затем восстанавливает исходные входные данные с максимально возможным качеством. Данное видео поможет разобраться с вариационными автоэнкодерами.
👀Смотреть видео
#видео #нейронные_сети