str.zfill
Разъяснивший Python
str.zfill дополняет строку нулями слева до заданной длины. Это полезно для форматирования чисел с фиксированной шириной, например, в номерах счетов или индексах.Разъяснивший Python
Ловушка с аргументами
В Python
Всегда передавайте
Разъяснивший Python
*args и **kwargs без передачи дальшеВ Python
*args и **kwargs часто используются для гибкости, но ошибка — принимать их и не передавать дальше в базовые классы или функции. Это «глотает» параметры и может ломать поведение программы.Всегда передавайте
*args и **kwargs, если не уверены, что они вам не нужны.Разъяснивший Python
Как замерить время выполнения кода в Python?
Когда нужно понять, насколько быстро работает фрагмент кода, новички часто используют сторонние инструменты или пробуют измерять время "на глаз". Но в Python есть простой и встроенный способ — модуль
С помощью
Итог:
Используем
Удобно для профилирования и отладки.
Легко встроить в любой проект.
Разъяснивший Python
Когда нужно понять, насколько быстро работает фрагмент кода, новички часто используют сторонние инструменты или пробуют измерять время "на глаз". Но в Python есть простой и встроенный способ — модуль
time.С помощью
time.time() можно зафиксировать время до и после выполнения кода, а затем вычесть одно из другого. Это особенно полезно при оптимизации производительности. Итог:
Используем
time.time() для измерения скорости.Удобно для профилирования и отладки.
Легко встроить в любой проект.
Разъяснивший Python
👎1
NumPy, часть 2: базовые операции над массивами
Математические операции над массивами выполняются поэлементно. Создается новый массив, который заполняется результатами действия оператора.
Для этого, естественно, массивы должны быть одинаковых размеров.
Разъяснивший Python
Математические операции над массивами выполняются поэлементно. Создается новый массив, который заполняется результатами действия оператора.
Для этого, естественно, массивы должны быть одинаковых размеров.
Разъяснивший Python
ElasticNet
Минус Lasso в том, что если признаки сильно скоррелированы между собой, она может случайно “выбрать” только один из них и проигнорировать остальные, даже если они тоже информативны. В таких случаях часто используют ElasticNet — это гибрид L1 и L2.
Параметр l1_ratio регулирует баланс между L1 и L2. 0.0 — чистый Ridge. 1.0 — чистый Lasso. 0.5 — пополам.
Разъяснивший Python
Минус Lasso в том, что если признаки сильно скоррелированы между собой, она может случайно “выбрать” только один из них и проигнорировать остальные, даже если они тоже информативны. В таких случаях часто используют ElasticNet — это гибрид L1 и L2.
Параметр l1_ratio регулирует баланс между L1 и L2. 0.0 — чистый Ridge. 1.0 — чистый Lasso. 0.5 — пополам.
Разъяснивший Python
Forwarded from The Экономист
⚡️ Разыгрываем сразу 3 новеньких iPhone 16!
Отличный вариант получить свежайшие гаджеты просто за то, что читаете нас! Для участия нужно:
1. Быть подписанным на The Экономист, Москоубизнес и Доллар по тридцать.
2. Нажать «Участвую!» под этим постом.
Итоги подведём 25 апреля в 18:00 случайным образом при помощи бота. Девайсы за свой счёт застрахуем и отправим победителям в любую точку мира. Всем удачи!
Отличный вариант получить свежайшие гаджеты просто за то, что читаете нас! Для участия нужно:
1. Быть подписанным на The Экономист, Москоубизнес и Доллар по тридцать.
2. Нажать «Участвую!» под этим постом.
Итоги подведём 25 апреля в 18:00 случайным образом при помощи бота. Девайсы за свой счёт застрахуем и отправим победителям в любую точку мира. Всем удачи!
NumPy, часть 4: linalg
Теперь же мы приступим к более серьёзным вещам, которые есть в NumPy. Первый на очереди у нас модуль numpy.linalg, позволяющий делать многие операции из линейной алгебры.
Массивы большей размерности в большинстве функций linalg интерпретируются как набор из нескольких массивов нужной размерности. Таким образом, можно одним вызовом функции проделывать операции над несколькими объектами.
Разъяснивший Python
Теперь же мы приступим к более серьёзным вещам, которые есть в NumPy. Первый на очереди у нас модуль numpy.linalg, позволяющий делать многие операции из линейной алгебры.
Массивы большей размерности в большинстве функций linalg интерпретируются как набор из нескольких массивов нужной размерности. Таким образом, можно одним вызовом функции проделывать операции над несколькими объектами.
Разъяснивший Python
itertools.starmap
Разъяснивший Python
itertools.starmap применяет функцию к элементам итерируемого объекта, распаковывая аргументы из кортежей. Это полезно для операций с несколькими аргументами без лямбд и циклов.Разъяснивший Python
Как элегантно обрабатывать ошибки в Python?
При написании кода часто возникают ситуации, когда что-то может пойти не так: файл не найден, данные невалидны или пользователь ввёл что-то не то. Новички часто боятся ошибок или пишут громоздкие конструкции, но Python предлагает удобный способ — блок try-except.
С помощью try-except можно перехватить исключения и аккуратно обработать их без аварийного завершения программы. Это улучшает стабильность кода и делает поведение более предсказуемым.
Итог:
try-except позволяет перехватывать ошибки.
Повышает надёжность и стабильность кода.
Удобно для пользовательского ввода, файлов, сетевых операций и др.
Разъяснивший Python
При написании кода часто возникают ситуации, когда что-то может пойти не так: файл не найден, данные невалидны или пользователь ввёл что-то не то. Новички часто боятся ошибок или пишут громоздкие конструкции, но Python предлагает удобный способ — блок try-except.
С помощью try-except можно перехватить исключения и аккуратно обработать их без аварийного завершения программы. Это улучшает стабильность кода и делает поведение более предсказуемым.
Итог:
try-except позволяет перехватывать ошибки.
Повышает надёжность и стабильность кода.
Удобно для пользовательского ввода, файлов, сетевых операций и др.
Разъяснивший Python
importlib.util.find_spec
Разъяснивший Python
importlib.util.find_spec позволяет узнать, можно ли импортировать модуль, не загружая его. Это полезно для проверки наличия зависимостей, динамической загрузки и построения систем плагинов.Разъяснивший Python
Как присвоить несколько переменных в одну строку?
Иногда нужно сразу задать значения нескольким переменным. Новички делают это в несколько строк, что выглядит громоздко. Но Python поддерживает удобную конструкцию множественного присваивания — коротко, читаемо и эффективно!
С помощью этой фичи можно сразу задать значения, поменять переменные местами или распаковать кортеж — всё в одной строке.
Итог:
Множественное присваивание упрощает код.
Позволяет присваивать значения сразу нескольким переменным.
Удобно для обмена значениями и распаковки структур.
Разъяснивший Python
Иногда нужно сразу задать значения нескольким переменным. Новички делают это в несколько строк, что выглядит громоздко. Но Python поддерживает удобную конструкцию множественного присваивания — коротко, читаемо и эффективно!
С помощью этой фичи можно сразу задать значения, поменять переменные местами или распаковать кортеж — всё в одной строке.
Итог:
Множественное присваивание упрощает код.
Позволяет присваивать значения сразу нескольким переменным.
Удобно для обмена значениями и распаковки структур.
Разъяснивший Python
Дерево решений: Часть 1
Дерево решений — это модель, которая принимает решения, двигаясь по ветвям дерева от корня к листьям. На каждом узле происходит проверка: например, «если возраст > 30 — идём направо, иначе налево». Так шаг за шагом дерево делит данные на подгруппы, пока не придёт к финальному решению: в регрессии — числовое значение, в классификации — метка класса.
Модель выглядит почти как блок-схема, и ты можешь буквально прочитать, почему она приняла то или иное решение. В Python всё это делается через sklearn.tree.DecisionTreeClassifier или DecisionTreeRegressor.
Параметр max_depth — это ограничение на глубину дерева. Без него дерево может продолжать делиться, пока не переобучится подчистую. Всегда важно следить за глубиной, количеством листьев (max_leaf_nodes) и минимальным числом объектов в узле (min_samples_split) — это всё способы контроля переобучения.
Разъяснивший Python
Дерево решений — это модель, которая принимает решения, двигаясь по ветвям дерева от корня к листьям. На каждом узле происходит проверка: например, «если возраст > 30 — идём направо, иначе налево». Так шаг за шагом дерево делит данные на подгруппы, пока не придёт к финальному решению: в регрессии — числовое значение, в классификации — метка класса.
Модель выглядит почти как блок-схема, и ты можешь буквально прочитать, почему она приняла то или иное решение. В Python всё это делается через sklearn.tree.DecisionTreeClassifier или DecisionTreeRegressor.
Параметр max_depth — это ограничение на глубину дерева. Без него дерево может продолжать делиться, пока не переобучится подчистую. Всегда важно следить за глубиной, количеством листьев (max_leaf_nodes) и минимальным числом объектов в узле (min_samples_split) — это всё способы контроля переобучения.
Разъяснивший Python
YoutubeGO — мощный и простой в использовании инструмент для загрузки видео и аудио с YouTube и других платформ, поддерживающих HTTP-потоки.
С его помощью вы легко сохраните любимый контент для офлайн-просмотра
Ключевые возможности:
Поддержка множества платформ: Загружайте контент с YouTube, Vimeo и других сервисов.
Скачивание плейлистов: Сохраняйте целые плейлисты одним кликом.
Разнообразие форматов: Загружайте видео в MP4 и аудио в MP3 с автоматической конверсией.
Высокое разрешение: Поддержка до 8K, включая 4K, 2K, 1080p и другие.
Пакетная обработка: Управляйте очередью загрузок, приостанавливайте и возобновляйте их по необходимости.
Извлечение аудио: Получайте аудиодорожки из видеофайлов (требуется FFmpeg).
Drag & Drop интерфейс: Просто перетаскивайте ссылки для добавления в очередь загрузки.
Планировщик загрузок: Настраивайте загрузки на определенное время.
Кроссплатформенность: Полная поддержка Linux, macOS и Windows.
GitHub/Инструкция
Разъяснивший Python
С его помощью вы легко сохраните любимый контент для офлайн-просмотра
Ключевые возможности:
Поддержка множества платформ: Загружайте контент с YouTube, Vimeo и других сервисов.
Скачивание плейлистов: Сохраняйте целые плейлисты одним кликом.
Разнообразие форматов: Загружайте видео в MP4 и аудио в MP3 с автоматической конверсией.
Высокое разрешение: Поддержка до 8K, включая 4K, 2K, 1080p и другие.
Пакетная обработка: Управляйте очередью загрузок, приостанавливайте и возобновляйте их по необходимости.
Извлечение аудио: Получайте аудиодорожки из видеофайлов (требуется FFmpeg).
Drag & Drop интерфейс: Просто перетаскивайте ссылки для добавления в очередь загрузки.
Планировщик загрузок: Настраивайте загрузки на определенное время.
Кроссплатформенность: Полная поддержка Linux, macOS и Windows.
GitHub/Инструкция
Разъяснивший Python
Как упростить условные выражения в одну строку?
Иногда нужно выбрать значение в зависимости от условия. Новички используют полные конструкции
Он работает по формуле: результат_если_
Итог:
Тернарный оператор экономит место.
Упрощает простые условия.
Делает код чище и легче для чтения.
Разъяснивший Python
Иногда нужно выбрать значение в зависимости от условия. Новички используют полные конструкции
if-else, даже для простых проверок. Это громоздко и плохо читается. Вместо этого можно использовать тернарный оператор — компактный способ записать условие в одну строку.Он работает по формуле: результат_если_
True if условие else результат_если_False.Итог:
Тернарный оператор экономит место.
Упрощает простые условия.
Делает код чище и легче для чтения.
Разъяснивший Python
Зачем нужны кортежи, если есть списки?
На это есть несколько причин. Во первых, это защита от дурака. То есть кортеж защищен от изменений, как намеренных (что плохо), так и случайных (что хорошо).
Во вторых, кортежи меньше размером чем списки. Это существенный плюс при работе с большими программами.
В третьих, это возможность использовать кортежи в качестве ключей словаря.
Разъяснивший Python
На это есть несколько причин. Во первых, это защита от дурака. То есть кортеж защищен от изменений, как намеренных (что плохо), так и случайных (что хорошо).
Во вторых, кортежи меньше размером чем списки. Это существенный плюс при работе с большими программами.
В третьих, это возможность использовать кортежи в качестве ключей словаря.
Разъяснивший Python
The Экономист
⚡️ Разыгрываем сразу 3 новеньких iPhone 16! Отличный вариант получить свежайшие гаджеты просто за то, что читаете нас! Для участия нужно: 1. Быть подписанным на The Экономист, Москоубизнес и Доллар по тридцать. 2. Нажать «Участвую!» под этим постом. …
Самое время подписаться на @economica, @mosbusy и @ruble30 и нажать «Учавствую!» под этим постом, если вы ещё этого не сделали. Результаты уже 25 апреля в 18:00!
Please open Telegram to view this post
VIEW IN TELEGRAM
Как работать с кортежами?
Почему когда мы создаем кортеж из одного элемента нам выводит строку?
Все дело - в запятой. Сами по себе скобки ничего не значат, точнее, значат то, что внутри них находится одна инструкция, которая может быть отделена пробелами, переносом строк и прочим мусором.
Но все же не увлекайтесь, и ставьте скобки, тем более, что бывают случаи, когда скобки необходимы.
Еще можно создать кортеж из итерируемого объекта можно с помощью все той же пресловутой функции
Разъяснивший Python
Почему когда мы создаем кортеж из одного элемента нам выводит строку?
Все дело - в запятой. Сами по себе скобки ничего не значат, точнее, значат то, что внутри них находится одна инструкция, которая может быть отделена пробелами, переносом строк и прочим мусором.
Но все же не увлекайтесь, и ставьте скобки, тем более, что бывают случаи, когда скобки необходимы.
Еще можно создать кортеж из итерируемого объекта можно с помощью все той же пресловутой функции
tuple()Разъяснивший Python
🧐 Ты когда-нибудь задумывался:
- Почему одни люди годами работают за 50 000 ₽, а другие через 2-3 месяца учёбы получают офферы на 150 000+?
- Как некоторые выходят на фриланс и выбирают проекты, а не ждут, пока их наймут?
- Почему в IT даже новички могут позволить себе переезд в другую страну или ипотеку со льготной ставкой?
Ответ прост: они выбрали правильное направление с самого начала.
SkillFactory знает, как это сделать. Не гадайте на кофейной гуще — пройдите точный тест из 18 вопросов, который уже помог 10 000+ человек:
☑️ 5 минут — и алгоритм покажет, какая IT- или дизайн-специальность подходит именно вам.
☑️ Бесплатно — сразу после теста: карьерный гайд + разбор ваших сильных сторон.
☑️ Без воды — только актуальные профессии 2025 года с реальными зарплатами.
👉 "Но разве можно выбрать профессию за 5 минут?"
Можно, если вопросов ровно столько, чтобы отсечь всё лишнее. Попробуйте — ссылка на тест.
Реклама. Информация о рекламодателе по ссылкам в посте.
- Почему одни люди годами работают за 50 000 ₽, а другие через 2-3 месяца учёбы получают офферы на 150 000+?
- Как некоторые выходят на фриланс и выбирают проекты, а не ждут, пока их наймут?
- Почему в IT даже новички могут позволить себе переезд в другую страну или ипотеку со льготной ставкой?
Ответ прост: они выбрали правильное направление с самого начала.
SkillFactory знает, как это сделать. Не гадайте на кофейной гуще — пройдите точный тест из 18 вопросов, который уже помог 10 000+ человек:
☑️ 5 минут — и алгоритм покажет, какая IT- или дизайн-специальность подходит именно вам.
☑️ Бесплатно — сразу после теста: карьерный гайд + разбор ваших сильных сторон.
☑️ Без воды — только актуальные профессии 2025 года с реальными зарплатами.
👉 "Но разве можно выбрать профессию за 5 минут?"
Можно, если вопросов ровно столько, чтобы отсечь всё лишнее. Попробуйте — ссылка на тест.
Реклама. Информация о рекламодателе по ссылкам в посте.
builtins.exec
Разъяснивший Python
exec выполняет переданный код в виде строки как Python-скрипт. Это полезно для генерации и исполнения динамического кода, создания DSL или запуска кода из внешних источников (например, конфигураций).Разъяснивший Python
Дерево решений: Часть 2
Алгоритм деления работает по принципу максимизации чистоты внутри подмножеств. В классификации чаще всего используется Gini impurity или энтропия: они показывают, насколько хорошо разделились классы после сплита. В регрессии — снижение дисперсии (variance reduction). На каждом шаге дерево перебирает все признаки и находит такое условие, которое максимально эффективно делит выборку на две группы с минимальной “грязью”.
Однако у данного алгоритма есть некоторые недостатки. Деревья легко переобучаются, особенно если не ограничивать глубину. Они могут давать нестабильные результаты при небольшом изменении данных (особенно одиночные деревья). Чтобы побороть эти минусы, придумали ансамбли — такие как Random Forest и Gradient Boosting, где используется много деревьев сразу, и это даёт намного более стабильный и мощный результат.
Разъяснивший Python
Алгоритм деления работает по принципу максимизации чистоты внутри подмножеств. В классификации чаще всего используется Gini impurity или энтропия: они показывают, насколько хорошо разделились классы после сплита. В регрессии — снижение дисперсии (variance reduction). На каждом шаге дерево перебирает все признаки и находит такое условие, которое максимально эффективно делит выборку на две группы с минимальной “грязью”.
Однако у данного алгоритма есть некоторые недостатки. Деревья легко переобучаются, особенно если не ограничивать глубину. Они могут давать нестабильные результаты при небольшом изменении данных (особенно одиночные деревья). Чтобы побороть эти минусы, придумали ансамбли — такие как Random Forest и Gradient Boosting, где используется много деревьев сразу, и это даёт намного более стабильный и мощный результат.
Разъяснивший Python
👍1