Pandas: Чтение CSV

Простой способ хранения больших наборов данных — использовать файлы CSV (значения, разделенные запятыми). Файлы CSV содержат обычный текст, который могут читать все, включая Pandas. Используй to string() для вывода всего DataFrame. Если у тебя большой DataFrame с большим количеством строк, Pandas вернет только первые 5 строк и последние 5 строк. Ты можешь изменить максимальное количество строк с помощью pd.options.display.max rows.

#практика #pandas

Dropout

Dropout — это простой и мощный метод регуляризации для нейронных сетей и моделей глубокого обучения. Делимся видео, где автор демонстрирует использование Dropout. Продемонстрирована реализация с помощью Keras.

👀Смотреть видео

#видео #нейронные_сети

Анализ аудиоданных

Каждый аудиосигнал содержит характеристики. Делимся статьей, где демонстрируется анализ аудиоданных. Ты научишься разделять гармонические и ударные сигналы, извлекать биты, работать с спектрограммами.

👉Читать статью

#статьи

splitlines

Метод splitlines() разбивает строку на список. Разбиение выполняется на разрывах строк. При желании можно указать, следует ли включать разрывы строк (True) или нет (False). Значение по умолчанию — False.

#практика

Hydra

Hydra — это фреймворк Python с открытым исходным кодом, упрощающий разработку исследовательских и других сложных приложений. Ключевой особенностью является возможность динамически создавать иерархическую конфигурацию по композиции и переопределять ее через файлы конфигурации и командную строку. Данная статья познакомит тебя с Hydra.

👉Читать статью

#статьи

map

Функция map() используется для применения функции ко всем элементам указанного итерируемого объекта и возврата объекта Map. Делимся видео, где автор демонстрирует применение данной функции.

👀Смотреть видео

#видео

NumPy: Поиск в массиве

Ты можешь совершать поиск в массиве для определенного значения и возвращать индексы, которые получают совпадение. Для поиска в массиве используй метод where(). В данном примере идет поиск индексов, где значение равно 4.

#практика #numpy

Тетрис с помощью pygame

pygame — это оболочка Python для библиотеки SDL, что означает Simple DirectMedia Layer. SDL обеспечивает межплатформенный доступ к базовым мультимедийным аппаратным компонентам твоей системы, таким как звук, видео, мышь, клавиатура и джойстик. Благодаря этой статье ты узнаешь, как создать тетрис с помощью pygame.

👉Читать статью

#статьи

wxPython: продвинутая работа с виджетами

Делимся видео, где автор рассказывает про расширенную работа с виджетами на примерах использования классов ListBox, SplitterWindow, HtmlWindow, Notebook, ListCtrl. Также описан принцип использования смешивателей (mixins).

👀Смотреть видео

#видео #wxpython

MongoDB: Фильтр с регулярными выражениями

Ты можешь использовать регулярные выражения в качестве модификатора фильтра. Регулярные выражения можно использовать только для запроса строк. Чтобы найти только те документы, в которых поле «адрес» начинается с буквы «S», используй регулярное выражение {"$regex": "^S"}.

#практика #mongodb

wxPython: Базовые виджеты

Делимся видео, где автор демонстрирует порядок работы с базовыми виджетами wxPython. К ним относятся StatusBar, StaticText, TextCtrl, Button, RadioButto, StaticBox, ToggleButton, CheckBox, ComboBox, SpinCtrl, Gauge, Slider.

👀Смотреть видео

#видео #wxpython

Задачи с файлами

Делимся статьей, где демонстрируются 5 задач с файлами. Ты сможешь написать программы для поиска и замены слов, подсчета стоимости товаров, получения статистики по тексту и преобразования информации из csv-файла в словарь.

👉Читать статью

#статьи

math.floor

Метод math.floor() при необходимости округляет число до ближайшего целого числа в меньшую сторону и возвращает результат. Чтобы округлить число в большую сторону до ближайшего целого, используй метод math.ceil().

#практика

JupyterHub

JupyterHub предоставляет пользователям доступ к вычислительным средам и ресурсам, не обременяя задачами по установке и обслуживанию. JupyterHub работает в облаке или на твоем компьютере. Делимся статьей, где автор рассказывает про JupyterHub.

👉Читать статью

#статьи

Коллекция slots

По умолчанию Python использует dict для хранения атрибутов экземпляра объекта. Это действительно полезно, когда у тебя произвольное количество атрибутов. В небольших классах это уже проблема – dict тратит много оперативной памяти. Python не может просто так выделить статический объем памяти для хранения всех атрибутов. Для этого нужно использовать slots. Ты сразу указываешь все ожидаемые атрибуты. Таким образом можно снизить использование оперативной памяти почти на 40-50 процентов. Данное видео поможет разобраться с slots.

👀Смотреть видео

#видео

math.ceil

Метод math.ceil() при необходимости округляет число до ближайшего целого числа в большую сторону и возвращает результат. Чтобы округлить число в меньшую сторону до ближайшего целого, используй метод math.floor().

#практика

Рекомендации по работе с Docker

Делимся статьей, где рассматриваются некоторые рекомендации, которым следует следовать при написании файлов Dockerfile и работе с Docker в целом. Хотя большинство перечисленных методов подходят всем разработчикам, независимо от языка, некоторые подходят только тем, кто разрабатывает приложения на Python.

👉Читать статью

#статьи

staticmethod

Делимся видео, где автор рассказывает про статические свойства и методы классов. Ты познакомишься с декоратором staticmethod. Также продемонстрирован пример использования статического свойства для создания класса-синглетона (singleton).

👀Смотреть видео

#видео

MongoDB: sort

Используйте метод sort() для сортировки результата в порядке возрастания или убывания. Метод sort() принимает один параметр для «имени поля» и один параметр для «направления» (направление по возрастанию по умолчанию). Если ты хочешь отсортировать в порядке убывания, используй -1 в качестве второго параметра.

#практика #mongodb

Django: Определение моделей

Модель — это окончательный источник информации о твоих данных. Он содержит основные поля и поведение данных, которые ты хранишь. Как правило, каждая модель сопоставляется с одной таблицей базы данных. Делимся видео, где автор демонстрирует работу с моделями.

👀Смотреть видео

#видео #django

Проверка автокорреляция с помощью критерия Дарбина-Уотсона

Статистика Durbin Watson (DW) — это тест на автокорреляцию остатков статистической модели или регрессионного анализа. Статистика Дарбина-Ватсона всегда будет иметь значение в диапазоне от 0 до 4. Значение 2,0 означает, что в выборке не обнаружено автокорреляции. Значения от 0 до менее 2 указывают на положительную автокорреляцию, а значения от 2 до 4 — на отрицательную автокорреляцию. Делимся статьей, где автор демонстрирует проверку автокорреляции с помощью критерия DW.

👉Читать статью

#статьи