Создаем красивую анимацию на модуле turtle

Полный код можно посмотреть по ссылке👇

#sandbox

@python_practics

7 фишек Python для лучшего обращения с памятью

В Python никогда не бывает избытка полезных приемов. Чем больше вы таких изучите, тем выше вероятность, что сможете быстро справиться с любыми трудностями на практике.

В этой статье автор подобрал 7 фишек Python, чтобы использовать язык по полной и разумнее обращаться с CPU.

Подробнее по ссылке👇

#статьи

@python_practics

Внимание! - Вопрос!

Что такое slots?

Классы хранят поля и их значения в секретном словаре __dict__. Поскольку словарь – изменяемая структура, вы можете на лету добавлять и удалять из класса поля. Параметр __slots__ в классе жестко фиксирует набор полей класса. Слоты используются когда у класса может быть очень много полей, например, в некоторых ORM, либо когда критична производительность, потому что доступ к слоту срабатывает быстрее, чем поиск в словаре, или когда в процессе выполнения программы создаются миллионы экземпляров класса, применение __slots__ позволит сэкономить память.

#вопросы_из_собеседований

@python_practics

Создаем красивую анимацию на модуле turtle

   import turtle 

   n = 10

   pen = turtle.Turtle() 

   for i in range(n * 3): 
  
     pen.forward(i * 10) 
  
     pen.right(120) 
  
   turtle.done() 

#sandbox

@python_practics

Определение строк-анаграмм

Скрипт проверяет, являются ли две строки анаграммами друг друга. Иными словами, не получена ли одна строка перестановкой символов другой строки.

Используется Counter из библиотеки collections — это разновидность словаря, используемая для подсчёта элементов в итерируемых объектах: списках, кортежах, словарях, строках.

#полезные_сниппеты

@python_practics

Рисуем символ олимпийских игр на модуле turtle

Полный код можно посмотреть по ссылке👇

#sandbox

@python_practics

Задача:

Создайте программу, которая фильтрует список строк и возвращает список, содержащий только имена ваших друзей.

Если в имени ровно 4 буквы, можете быть уверены, что это ваш друг! В противном случае, это не ваш друг.

Пример:

   friend ["Ryan", "Kieran", "Mark"] `should be` ["Ryan", "Mark"]

#задачник

@python_practics

SciPy

С увеличением опыта специалиста будут усложняться и задачи: придётся прибегать к линейной алгебре, интерполяции, интеграции, статистике и другим сложным математическим операциям. В этом специалисту по анализу данных помогает библиотека SciPy, которая построена на базе массивов и функций NumPy.

Особенности SciPy:

● Быстрое и надёжное выполнение сложных операций благодаря оптимизации.
● Широкий набор функций и инструментов для разнообразных операций.
● Содержит множество подпакетов для конкретных задач, например преобразования Фурье.

С помощью SciPy можно:

● Проводить сложные математические вычисления: например, решать дифференциальные уравнения или находить численное решение интегралов.
● Обрабатывать изображения.
● Работать с генетическими алгоритмами.
● Проводить сложные инженерные вычисления.

Подробнее👇

#фреймворки_библиотеки

@python_practics

Создаем черепашьи гонки на модуле turtle

Полный код можно посмотреть по ссылке👇

#sandbox

@python_practics

Главная проблема новичков в асинхронном программировании на Python

Асинхронность в Python должен знать почти каждый разработчик на Python, который хочет быть вовлечён в коммерческую разработку. Как минимум это касается веб-программирования, где очень важна скорость отклика приложения (сервиса). Вообще, асинхронность в Python - это отдельный мир, сильно отличающийся от синхронного Python. Наличие одного событийного цикла уже вносит много изменений в привычный порядок вещей. Существует много интересных и одновременно спорных вещей, суть которых скрыт в самой концепции асинхронности.

В этой статье автор объясняет, в чем проблема асинхронного программирования на Python, и как она касается синтаксиса высокоуровневой концепции async и await.

Подробнее по ссылке👇

#статьи

@python_practics

Python, однако, не единственный, кто так выделился

@python_practics

Python: Искусственный интеллект, большие данные и облачные вычисления

В вашем распоряжении более пятисот реальных задач — от фрагментов до 40 больших сценариев и примеров с полноценной реализацией. IPython с Jupyter Notebooks позволят быстро освоить современные идиомы программирования Python. Главы 1–5 и фрагменты глав 6–7 сделают понятными примеры решения задач искусственного интеллекта из глав 11–16. Вы познакомитесь с обработкой естественного языка, анализом эмоций в Twitter, когнитивными вычислениями IBM Watson, машинным обучением с учителем в задачах классификации и регрессии, машинным обучением без учителя в задачах кластеризации, распознавания образов с глубоким обучением и сверточными нейронными сетями, рекуррентными нейронными сетями, большими данными с Hadoop, Spark и NoSQL, IoT и многим другим.

Книга в формате pdf👇

#курсы_книги

@python_practics

Создаем красивую анимацию на модуле turtle

   from turtle import*
   import colorsys 
   title("Python Turtle Art")
   bgcolor("black")
   tracer(90)
   pensize(2)
   h = 0.3

   for i in range(1100):
    c = colorsys.hsv_to_rgb(h,1,1)
    h += 0.005
    color(c)
    penup()
    goto(0, 0)
    circle(12, 50)
    forward(20)
    pendown()
    right(360)
    fillcolor(c)
    begin_fill()
    circle(10, 320)
    end_fill()
    backward(i/4)
    right(6)

   done()

#sandbox

@python_practics