​Скрытые сокровища Python

Изучая документацию Python для собственного удовольствия, можно найти трюки, которые обязательно ускользнут от вашего внимания в программистской рутине. Рассказываем о наиболее любопытных из них.

Подробнее: 👉 тут

🔗 Python tricks

Python и MySQL. Работа с базами данных на Python

В этом видео автор расскажет, как работать с реляционными базами данных, в частности с СУБД MySQL, на языке Python.

Перейти к просмотру

🔗 Python tricks

​Лайфхаки Python: сэкономить память и ускорить выполнение программы

Python часто ругают за то, что он медленный. Однако в нем существует несколько подходов, которые позволяют писать достаточно быстрый код. Сегодня поговорим про обработку списков.

Подробнее: 👉 тут

🔗 Python tricks

Уроки по Flask с нуля

Что такое фреймворк и что из себя представляет WSGI-приложение. Первая простая программа на Flask и отладка на локальном Web-сервере. Создание представлений - обработчиков запросов с помощью декоратора route.

Перейти к просмотру

🔗 Python tricks

ООП: Инкапсуляция в Python

Рассмотрим одного из 3 китов ООП - инкапсуляцию, посмотрим, чем она является и чего лучше не ждать.

Инкапсуляция под собой подразумевает сбор данных и методов для работы с ними в одно место(класс), а также предоставление публичного интерфейса(АПИ) для работы с ними.

• Перейти к просмотру

🔗 Python tricks

type(): Создание класса

С помощью type() можно динамически создать класс. Для этого нужно функции передать три параметра. name – имя класса; bases – кортеж, из которого получен текущий класс; dict – словарь, который определяет пространства имен для класса.

🔗 Python tricks

Telegram Bot (aiogram) - необходимый минимум

Данный плейлист предназначен для новичков в программировании ботов, кто хотел бы научиться создавать на практике простейших телеграмм ботов с нуля, используя библиотеку aiogram

• Перейти к просмотру

🔗 Python tricks

Keras: Тонкая настройка через compile

Продолжаем делиться циклом видеоматериалов про Keras. В этот раз ты узнаешь, как использовать классы оптимизаторов, потерь и метрик пакета Keras в методе compile(). Продемонстрированы примеры создания собственных функций и классов для потерь (базовый класс keras.losses.Loss).

• Перейти к просмотру

🔗 Python tricks

Точечные фильтры

Точечные фильтры используются в цифровой обработке сигналов и компьютерном зрении. Благодаря данной статье ты узнаешь, что такое точечные фильтры. Также ты изучишь принципы их работы.

• Перейти к просмотру

🔗 Python tricks

Свёрточные нейронные сети

Краткое введение в архитектуру свёрточной нейронной сети и глубокое обучение (Deep Learning), сверточные нейронные сети. Демонстрация обучения свёрточной нейронной сети для задачи распознавания рукописных цифр (MNIST) на Tensorflow (Python) в среде Jupyter Notebook (Python).

• Перейти к просмотру

🔗 Python tricks

Что делать, если ваш код на Python тормозит

Хороший доклад от Яндекс специалиста о том, что делать, если ваш код тормозит.

• Перейти к просмотру

🔗 Python tricks

Метод translate()

Метод translate() использует таблицу перевода для замены/перевода символов в заданной строке в соответствии с таблицей сопоставления. Таблица перевода создается статическим методом maketrans(). В данном примере строка удаления ThirdString сбрасывает отображение a и b на None. Когда строка переводится с помощью translate(), a и b удаляются, а символ “c” заменяется на вывод idef.

🔗 Python tricks

Keras: Способы сохранения моделей

Продолжаем делиться циклом видеоматериалов про Keras. В этот раз ты узнаешь, как выполнять сохранение и загрузку моделей с помощью методов пакета Keras: save(), save model() и load model(). Также продемонстрировано описание архитектуры моделей на уровне конфигурации, используя методы: get config() и from config().

• Перейти к просмотру

🔗 Python tricks

Django: Создание блога

Благодаря данной статье ты научишься создавать блог на Django с опросами и тестами. Во время реализации ты попрактикуешься в работе с формами, представлениями, сигналами и SMTP.

• Перейти к просмотру

🔗 Python tricks

Учим парсинг на python и bs4. Курс по парсингу веб сайтов на python с нуля

Видеокурс обучения парсингу сайтов с нуля на языке программирования python.
Начнем с простых вещей, напишем парсер, на примере сбора данных с интернет магазина и дойдем до магии парсинга с post авторизацией, записью данных парсинга в таблицу и оптимизации кода парсера по принципу генератора.

• Перейти к просмотру

🔗 Python tricks

Как создать меню для телеграм-бота на Python?

В этом видеоуроке автор подробно разбирает процесс создания меню для Telegram-бота на языке Python. Вы узнаете, как настроить BotFather и создать команды для своего телеграм-бота, используя библиотеку "Python Telegram Bot".

• Перейти к просмотру

🔗 Python tricks

Добавление цвета в L-систему

Продолжаем делиться циклом видеоматериалов про фракталы. В этот раз ты узнаешь, как раскрашивать фрактальное дерево природными цветами. Также ты научишься добавлять листья для получения красивого фрактального изображения. Приведен пример реализации L-системы в Pygame.

• Перейти к просмотру

🔗 Python tricks

SQLAlchemy 2.0

Основная версия SQLAlchemy 2.0 была выпущена в январе 2023 года. Благодаря данной статье ты познакомишься с достоинствами и недостатками SQLAlchemy 2.0. Также приведен список всех изменений, внесенных в новый релиз.

• Перейти к просмотру

🔗 Python tricks

Метод symmetric difference()

Метод symmetric difference() возвращает новое множество, содержащее симметричную разность двух множеств. Метод symmetric difference update() обновляет множество, вызывая symmetric difference update(), с симметричной разницей множеств.

🔗 Python tricks

🐼  4 альтернативы Pandas: ускоренное выполнение анализа данных

Pandas  —  одна из самых популярных библиотек Python. Ее DataFrame интуитивно понятен и оснащен продвинутыми API для выполнения задач по работе с данными. Многие библиотеки Python были интегрированы с Pandas DataFrame, чтобы повысить скорость их принятия.

Однако библиотека Pandas не является эталоном в области обработки больших наборов данных. Она преимущественно используется для анализа данных на одной машине, а не на кластере машин. В этой статье будут представлены результаты оценки производительности более быстрых альтернатив: Polars, DuckDB, Vaex и Modin.

//Читать статью

🔗 Python tricks