👩‍💻 Объединяем фреймы данных в pandas: две самые распространённые операции

Статья рассматривает автоматизацию объединения таблиц с биохимическими показателями крови, поступающих из разных клиник. Показано, как с помощью одной команды в pandas легко объединить данные, несмотря на различия в порядке столбцов.

Читать...

💼 «Хочу уволиться, но боюсь»: что делать

«Завтра напишу заявление об увольнении» — фраза, которую многие повторяют каждый понедельник, но так и не решаются на перемены. Сегодня поговорим о том, как перестать саботировать собственную карьеру и научиться управлять страхом перемен. Спойлер: дело не в лени и не в комфортной зарплате.

Читать...

📈 Подборка статей для вашей карьеры

• Пришёл на вакансию дизайнера, а стал питонистом: как IT-специалисты нашли свою первую работу

• На сколько денег может рассчитывать ИТ-предприниматель в разных ветках развития

• Анализ задачи с собеседования в Google: конь и телефонные кнопки

• Быстрый старт в QA Fullstack: чем вооружиться будущему стажеру в Альфа-Банке

• Как убить самоорганизацию в команде: вредные советы для лидера

👩‍💻 Доверяй, но проверяй: Как парсинг помогает выявить фейки в НСИ

Статья описывает Excel-файл с актуальной информацией о ГОСТах, обсуждает их применение и влияние данных. Рассматриваются подходы к парсингу и автоматизации с использованием C#, Python и VBA.

Читать...

⚙️ Что такое модуль sys в Python и как он используется?

sys — это встроенный модуль Python, который предоставляет доступ к переменным и функциям, взаимодействующим с интерпретатором. Он полезен для управления аргументами командной строки, выхода из программы и получения информации о системе.

➡️ Пример:

import sys

print("Аргументы:", sys.argv)  # Аргументы командной строки
print("Версия Python:", sys.version)  # Версия интерпретатора
sys.exit(0)  # Завершение программы с кодом 0

🗣️ В этом примере модуль sys позволяет получить аргументы, версию Python и завершить выполнение программы. Это полезно для написания скриптов и системных утилит.

🖥 Подробнее тут

📝 Подборка вакансий для сеньоров

Python разработчик
• Python 3, PyQt6, Qpid, Docker, SQLAlchemy, pydantic, lxml, pytest, RedHat JBOSS AMQ, ActiveMQ Artemis, IBM WebSphere MQ
• Уровень дохода не указан | от 5 лет

Python разработчик
• Python 3, FastAPI, Flask, PostgreSQL, MySQL, Kafka, Cassandra, Clickhouse, Redis, Elasticsearch, Kubernetes
• Уровень дохода не указан | от 3 лет

Python developer / Разработчик Python (KORNFELD)
• Python 3, Linux, Bash, Docker, SNMP, NETCONF, RESTCONF, RIP, OSPF, BGP
• Уровень дохода не указан | опыт не указан

Python Developer
• Python 3, FastAPI, Flask, SQL, PostgreSQL, MongoDB, Redis, RabbitMQ, s3, Minio, Nginx, Docker, Keycloak, GIT, CI/CD, Linux
• Уровень дохода не указан | от 2 лет

Senior Python Developer
• Python 3, Flask, FastAPI, Redis, Kafka, PostgreSQL, Clickhouse, Airflow, Elasticsearch, Jenkins, Kubernetes
• Уровень дохода не указан | от 3 лет

👩‍💻 Python REST API: Flask, Connexion и SQLAlchemy (часть 2)

Статья продолжает серию по созданию REST API на Flask. В этой части вы подключаете SQLite, используете SQLAlchemy для управления данными, добавляете сериализацию с Marshmallow и интегрируете базу данных с REST API.

Читать...

⚡️ Переписывай старый код без страха

Боишься трогать старый код, потому что «он вроде работает»? Но что, если его можно сделать проще и чище?

👉 Совет: выделяй время на постепенный рефакторинг. Начни с мелких улучшений: убери дублирование, назови переменные понятнее. Не обязательно всё менять сразу — маленькие шаги делают проект лучше.

👩‍💻 Введение в ERP: Что такое ERP-системы и почему они важны для производства?

В статье рассматриваются ERP-системы: их роль в управлении бизнесом, ключевые преимущества внедрения, а также этапы выбора, проектирования и настройки, чтобы сделать систему максимально эффективной.

Читать...

👩‍💻 Django + Zoho CRM: как управлять данными без головной боли

Статья рассказывает о процессе интеграции Django с Zoho CRM. Рассматриваются шаги настройки: подготовка среды, работа с вебхуками и реализация асинхронной обработки данных через Celery для повышения эффективности.

Читать...

👩‍💻 Фильтрация списка словарей

Напишите функцию, которая принимает список словарей и фильтрует его, возвращая только те словари, в которых значение указанного ключа превышает заданное значение.

Пример:

data = [
    {"name": "Alice", "age": 25},
    {"name": "Bob", "age": 30},
    {"name": "Charlie", "age": 20},
    {"name": "Diana", "age": 35}
]

result = filter_by_key(data, "age", 25)
print(result)
# Ожидаемый результат:
# [
#     {"name": "Bob", "age": 30},
#     {"name": "Diana", "age": 35}
# ]

Решение задачи🔽

def filter_by_key(data, key, threshold):
return [item for item in data if item.get(key, 0) > threshold]

# Пример использования:
data = [
{"name": "Alice", "age": 25},
{"name": "Bob", "age": 30},
{"name": "Charlie", "age": 20},
{"name": "Diana", "age": 35}
]

result = filter_by_key(data, "age", 25)
print(result)

🧠 Самые интересные статьи за последние дни:

• constexpr Game of Life

• Пишем свою Diffusion модель с нуля

• Создаем свою ORM на python — гайд

• Сборщик мусора CPython и его влияние на производительность приложения

• Разработка Task Manager с нуля до полнофункционального продукта

💬 Как автоматизировать свою переписку с девушкой в Telegram

Как автоматизировать напоминания и организацию общения с девушками, чтобы не забывать проявлять внимание. Без чат-ботов, только простые инструменты для старта диалога и управления коммуникацией.

Читать...

👩‍💻 Обработка CSV-файла и вычисление среднего значения

Напишите функцию, которая принимает путь к CSV-файлу и имя столбца. Функция должна прочитать файл, извлечь значения из указанного столбца и вычислить среднее значение этих чисел. Функция должна возвращать среднее значение.

Пример использования:

file_path = "data.csv"
column_name = "age"

average = calculate_average(file_path, column_name)
print(average)
# Ожидаемый результат (пример):
# 28.5

Решение задачи🔽

import csv

def calculate_average(file_path, column_name):
total = 0
count = 0

with open(file_path, mode="r", encoding="utf-8") as file:
reader = csv.DictReader(file)
for row in reader:
try:
value = float(row[column_name])
total += value
count += 1
except (ValueError, KeyError):
continue

if count == 0:
raise ValueError(f"No valid data found in column '{column_name}'.")

return total / count

🔎 Подборка вакансий для джунов

Junior/Middle Python Developer
🟢Python, FastAPI, Flask, Django, Docker, MySQL, PostgreSQL, Celery, Redis, RabbitMQ
🟢до 800 $ | 1–3 года

Младший специалист отдела разработки (Python) / Специалист по парсингу данных
🟢Python, Django, Celery, PostgreSQL, Linux, HTML, CSS, Redis, HTTP
🟢от 70 000 ₽ | 1–3 года

Младший backend-разработчик
🟢Python, Java, C#, PHP, JavaScript, SQL, HTTP, REST, Git, Docker
🟢от 80 000 до 120 000 ₽ | Без опыта

➡️ Чистый код в Python

Статья посвящена основам написания чистого кода на Python. Она рассматривает преимущества, стандарты и принципы чистого кода, а также содержит рекомендации, полезные для начинающих разработчиков, стремящихся улучшить качество своего кода.

Читать...

⚙️ Что такое asyncio в Python и как оно используется для асинхронного программирования?

asyncio — это стандартная библиотека Python, предоставляющая инструменты для асинхронного программирования, таких как задачи (tasks), корутины (coroutines) и управление циклами событий (event loops). Она позволяет выполнять множество операций ввода-вывода (например, сетевые запросы) параллельно, не блокируя основной поток.

➡️ Пример:

import asyncio

async def fetch_data(delay, name):
    print(f"Начинаем получение данных {name}")
    await asyncio.sleep(delay)  # Асинхронная задержка
    print(f"Завершено получение данных {name}")

async def main():
    # Запускаем несколько задач параллельно
    await asyncio.gather(
        fetch_data(2, "A"),
        fetch_data(1, "B"),
        fetch_data(3, "C"),
    )

# Запуск цикла событий
asyncio.run(main())

🗣️ В этом примере asyncio.gather запускает три асинхронные задачи одновременно, позволяя эффективно использовать время ожидания ввода-вывода. asyncio полезен для построения сетевых приложений, ботов и других асинхронных систем.

🖥 Подробнее тут

📝 Подборка вакансий для мидлов

Python разработчик
• Python, Django, Celery, Redis, Memcache, PostgreSQL, Docker
• от 200 000 до 300 000 ₽ | 3+ года

Инженер DevOps
• Linux, Docker, Python, Bash, Git, Grafana, Kubernetes
• от 300 000 до 370 000 ₽ | 3+ года

Machine Learning Engineer / Media AI Agents
• Python, PyTorch, TensorFlow, Hugging Face, Docker, RESTful API, Pandas
• от 2 500 до 5 000 $ | 3+ года

👩‍💻 Создание блога на FastAPI с нуля: JWT, Markdown и современный веб-дизайн

В этой статье мы создадим полноценный мини-блог на FastAPI с нуля, используя современные технологии веб-разработки. Вы узнаете, как реализовать JWT-аутентификацию, работать с Markdown и создать привлекательный пользовательский интерфейс.

Читать...

👩‍💻 Поиск второго наибольшего числа в списке

Напишите функцию, которая принимает список чисел и возвращает второе наибольшее число. Если такого числа нет (например, все элементы одинаковые или список содержит менее двух элементов), функция должна возвращать None.

Пример:

print(second_largest([4, 1, 7, 3, 9, 7]))  # Ожидаемый результат: 7
print(second_largest([10, 10, 10]))         # Ожидаемый результат: None
print(second_largest([5]))                  # Ожидаемый результат: None

Решение задачи🔽

def second_largest(numbers):
unique_numbers = list(set(numbers))
if len(unique_numbers) < 2:
return None
unique_numbers.sort(reverse=True)
return unique_numbers[1]

# Пример использования:
print(second_largest([4, 1, 7, 3, 9, 7])) # Ожидаемый результат: 7
print(second_largest([10, 10, 10])) # Ожидаемый результат: None
print(second_largest([5])) # Ожидаемый результат: None

👩‍💻 no-code (hub.ultralytics.com) в связке с Yandex DataSphere

Статья рассматривает no-code и low-code платформы для обучения нейросетей. Особое внимание уделяется платформе Ultralytics Hub, её возможностям обучения Yolo-моделей и использованию ресурсов Yandex DataSphere.

Читать...