Создал небольшой туториал по началу работы с Flask. Пока пришлось отложить продолжение по созданию демо-приложения в связке с Jinja.
Пока полностью раскрыта развертывание Flask App с помощью Nginx + Gunicorn на VPS.
https://flask.ivan-shamaev.ru/python-flask-vps-tutorial/

Может через месяц вернусь с продолжением.

👉 @python_powerbi

Python 3.11 | Что Нового?

00:40 - Более точный вывод ошибок (PEP 657)
01:34 - Группы исключений (PEP 654)
02:53 - Примечания для исключений (PEP 678)
03:55 - Тип self (PEP 673)
04:29 - Модуль tomllib (PEP 680)
05:01 - Улучшения дженериков (PEP 646 и 655)
06:16 - Производительность и оптимизации (PEP 657)
08:30 - Прочие изменения (PEP 681, 594 и т.д.)

https://youtu.be/ImnqC9-fm_0

Туториал по созданию бота, в том числе на Python

https://core.telegram.org/bots/tutorial

Python example: https://gitlab.com/Athamaxy/telegram-bot-tutorial/-/blob/main/TutorialBot.py

https://www.youtube.com/handle на ютьюбе можно выбрать псевдоним
go go go)

Подборка статей про оптимизацию Pandas

Статьи:
🔹 Memory Optimisation – Python DataFrames vs Lists and Dictionaries (JSON-like)
🔹 Advanced Pandas: Optimize speed and memory
🔹 Five Killer Optimization Techniques Every Pandas User Should Know
🔹 Pandas Optimization for Largest Datasets
🔹 How to handle large datasets in Python with Pandas and Dask
🔹 Scaling to large datasets
🔹 Comprehensive Guide To Optimize Your Pandas Code
🔹 Seven Killer Memory Optimization Techniques Every Pandas User Should Know
🔹 Optimizing Pandas
🔹 How to Find Pandas DataFrame Size, Shape, and Dimensions Properties

Видео:
🎦 Speed up slow pandas python code by 2500x
🎦 Efficient Pandas Dataframes in Python - Make your code run fast with these tricks!
🎦 Loop / Iterate over pandas DataFrame (2020)
🎦 How to Optimize and Speed Up Pandas

👉 @python_powerbi

Злободневное

Mining the Social Web, 3rd Edition (Jupyter Examples)

The official code repository for Mining the Social Web, 3rd Edition. The book is available from Amazon and Safari Books Online.

The notebooks folder of this repository contains the latest bug-fixed sample code used in the book chapters.

▫️ Chapter 0 - Preface.ipynb
▫️ Chapter 1 - Mining Twitter.ipynb
▫️ Chapter 2 - Mining Facebook.ipynb
▫️ Chapter 3 - Mining Instagram.ipynb
▫️ Chapter 4 - Mining LinkedIn.ipynb
▫️ Chapter 5 - Mining Text Files.ipynb
▫️ Chapter 6 - Mining Web Pages.ipynb
▫️ Chapter 7 - Mining Mailboxes.ipynb
▫️ Chapter 8 - Mining GitHub.ipynb
▫️ Chapter 9 - Twitter Cookbook.ipynb
▫️ _Appendix A - Virtual Machine Experience.ipynb
▫️ _Appendix B - OAuth Primer.ipynb
▫️ _Appendix C - Python & Jupyter Notebook Tips.ipynb

👉 @python_powerbi

https://github.com/mikhailklassen/Mining-the-Social-Web-3rd-Edition

BARC DATA CULTURE SURVEY 23

How to liberalize data access to empower data users

Обзор форматов данных и способы оптимизации при работе с Pandas

Подборка из трех статей:
🔸 The Best Format to Save Pandas Data
🔸 Optimize Storing in Pandas: 98% Faster Disk Reads and 72% Less Space
🔸 Stop persisting pandas data frames in CSVs

〰️〰️〰️
👉 @python_powerbi

Пишу диаграммы последовательностей текстом (кодом). Вы тоже можете

🖇️ https://habr.com/ru/company/rostelecom/blog/701970/

Waterfall vs. Agile

В свежем новостном выпуске Data Coffee:
— Что происходит в Яндексе
— Судьба арбузов и почерневших ягод
— Diagram as a Code и свежие интерфейсы для доступа к данным
— Ну и, конечно, Doom и VR!

#datacoffee #podcast #data

Где слушать🎧:
— Anchor.FM
— YouTube
— Бот (последний эпизод)
— Остальные площадки

Guide to Python comprehensions | Marcin Kozak | Towards Data Science
https://towardsdatascience.com/a-guide-to-python-comprehensions-4d16af68c97e

Google introduces new machine learning addon for Google Sheets - SiliconANGLE
https://siliconangle.com/2022/12/07/google-introduces-new-machine-learning-addon-google-sheets/

ClickHouse Academy https://clickhouse.com/learn/
Become a ClickHouse expert with our free official ClickHouse training

Например, блок ClickHouse Developer Courses содержит следующие курсы:
▫️ 101 - Getting Started (duration: 25 minutes)
▫️ 102 - Creating Databases and Tables (duration: 25 minutes)
▫️ 103 - ClickHouse Architecture (duration: 25 minutes)
▫️ 104 - Data Ingestion (duration: 20 minutes)
▫️ Deduplication (duration: 25 minutes)
▫️ Materialized Views (duration: 25 minutes)
▫️ Projections (duration: 15 minutes)

👉 @python_powerbi

JupyterLab for Data Science and Knowledge Graphs

JupyterLab image with VisualStudio Code server integrated, based on the jupyter/docker-stacks scipy image, with additional packages and kernels installed for data science and knowledge graphs.

With a docker-compose.yml file