Проверка на чётность и нечётность чисел в Python!
Как это работает?
Всё очень просто, чтобы определить четное число введено или нет в Python необходимо воспользоваться оператором «Остаток деления» и написать условие.
При делении числа 4 на 2 — остаток 0. При делении числа 5 на 2 — остаток 1. При делении числа 20 на 10 — остаток 0. При делении числа 25 на 10 — остаток 5.
Этот алгоритм довольно часто встречается в программировании, поэтому его нужно знать :3
Как это работает?
Всё очень просто, чтобы определить четное число введено или нет в Python необходимо воспользоваться оператором «Остаток деления» и написать условие.
При делении числа 4 на 2 — остаток 0. При делении числа 5 на 2 — остаток 1. При делении числа 20 на 10 — остаток 0. При делении числа 25 на 10 — остаток 5.
Этот алгоритм довольно часто встречается в программировании, поэтому его нужно знать :3
😁55👍28🤔5❤4🔥3😱3
🐥 Задача по Python #7
Описание
Вам будет дано число, и вам нужно будет вернуть его в виде строки в расширенной форме.
Примеры
Примечание
Все числа должны быть целыми числами больше 0.
Свой вариант решения в комментарии 💭
Кодом делиться через pastebin.org или repl.it.
#задачи
Описание
Вам будет дано число, и вам нужно будет вернуть его в виде строки в расширенной форме.
Примеры
expanded_form(12) # Должно вернуть '10 + 2' expanded_form(42) #Должно вернуть '40 + 2' expanded_form(70304) # Должно вернуть '70000 + 300 + 4'
Примечание
Все числа должны быть целыми числами больше 0.
Свой вариант решения в комментарии 💭
Кодом делиться через pastebin.org или repl.it.
#задачи
👍19🤯3❤2
Forex Python — это бесплатный обменный курс и конвертация валюты.
Особенности
• Список всех курсов валют.
• Цена BitCoin во всех валютах(см. пример выше)
• Конвертация суммы в биткойны.
• Получите исторические курсы за любой день с 1999 года.
• Курс конвертации для одной валюты (например, доллар США в INR).
• Конвертировать сумму из одной валюты в другую («10 долларов США» в индийские рупии).
• Символы валюты.
• Названия валют.
Стоит отметить, что цены на биткойны рассчитываются каждую минуту из CoinDesk API, поэтому мониторить курс каждую секунду не выйдет :(
Ставится командой ⚙
Краткая документация и примеры кода здесь.
Особенности
• Список всех курсов валют.
• Цена BitCoin во всех валютах(см. пример выше)
• Конвертация суммы в биткойны.
• Получите исторические курсы за любой день с 1999 года.
• Курс конвертации для одной валюты (например, доллар США в INR).
• Конвертировать сумму из одной валюты в другую («10 долларов США» в индийские рупии).
• Символы валюты.
• Названия валют.
Стоит отметить, что цены на биткойны рассчитываются каждую минуту из CoinDesk API, поэтому мониторить курс каждую секунду не выйдет :(
Ставится командой ⚙
pip install forex-python
Краткая документация и примеры кода здесь.
👍39❤3🔥2🤔1
🐍 А вы знали? Выпуск №26
Загрузка изображения используя matplotlib.
В данном примере(см. выше) показан базовый функционал загрузки. Изображение, кстати, должно находится в папке с вашим скриптом.
Доп. материал здесь :3
Загрузка изображения используя matplotlib.
В данном примере(см. выше) показан базовый функционал загрузки. Изображение, кстати, должно находится в папке с вашим скриптом.
Доп. материал здесь :3
👍24❤3
Vosk — это автономный набор инструментов для распознавания речи с открытым исходным кодом.
Vosk обеспечивает распознавание речи для более чем 20 языков и диалектов — английского, немецкого, русского, украинского, казахского. И это ещё не всё :3
Преимущества Vosk: работа без подключения к интернету, распознавание речи в режиме реального времени, обработка записи и многое другое :)
Модели для каждого языка занимают всего 50Мб, но есть и гораздо более точные большие модели для более точного распознавания.
Vosk, кстати, работает без доступа к сети даже на мобильных устройствах - Raspberry Pi, Android, iOS.
Ставится командой ⚙
Документация и примеры кода здесь :3
Vosk обеспечивает распознавание речи для более чем 20 языков и диалектов — английского, немецкого, русского, украинского, казахского. И это ещё не всё :3
Преимущества Vosk: работа без подключения к интернету, распознавание речи в режиме реального времени, обработка записи и многое другое :)
Модели для каждого языка занимают всего 50Мб, но есть и гораздо более точные большие модели для более точного распознавания.
Vosk, кстати, работает без доступа к сети даже на мобильных устройствах - Raspberry Pi, Android, iOS.
Ставится командой ⚙
pip install vosk
Документация и примеры кода здесь :3
❤25👍14🔥6🤔1
Python roadmap
1. Основы - Если переходите с другого ЯПа и знаете технический английский, то Fluent Python, иначе Марк Лутц изучаем Python 2 тома.
2. Алгоритмы и структуры данных - Грокаем алгоритмы, ~Сэджвик алгоритмы и структуры данных, ~**Искусство программирования.
~Стоит изучить полезные модули из стандартной библиотеки питона
3. ООП - здесь @holy_python + курс на канале selfedu, ещё книга Г. Буча
4. Тайпхинты - курс на @holy_python и обязательно доп. материалы.
5. Чистый код, ~Code complete, можно ещё ~рефакторинг от Фаулера
6. SOLID - @holy_python + можно книжку от Роберта Мартина
7. Паттерны - Design Patterns + @holy_python и refactoring.guru
8. Чистая архитектура
9. SQL - изучаем SQL
10. ПроGIT
11. Выбираем направление
~Важные советы по питону: @advice17
1. Если бэкэнд:
1. Компьютерные сети от Таненбауна
2. **UNIX NETWORK PROGRAMMING примеры на сях на питон переделываем.
3. **Man 2 sockets и далее по референсам
~Возможно ещё Linux system programming
4. Дока asyncio
~MV паттерны - необязательно
~jinja2 - необязательно
5. pytest
6. FastAPI
2. Если Data Science:
~Нужны хорошие знания математики в частности: тервер, матан, линал и статистика как минимум
1. Много хороших курсов на курсере.
2. Если PyTorch: Изучаем PyTorch
2. Если keras + tensorflow: Глубокое, обучение на python.
3. По pandas, изучаем pandas от Груздева.
4. skikit-learn по доке + классические задачи и ML алгоритмы.
5. Matplotlib по доке.
6. Если NLP, то nltk и архитектуры нейронок RNN, LSTM, если CV, тоOpenCV и архитектуры нейронок CNN, YOLO, SSD, Faster RCNN.
~Соревнования на кагле, если решить первые 100 задач можно идти работать
~Возможно парсинг для сборки данных.
7. Любой статические типизированый ЯП.
~Для обоих направлений: Рекомендую сделать несколько пет проектов.
~Для обоих направлений рекомендуется читать статьи и работы других программистов
~ - не обязательно, но рекомендовано
** - очень сложная книга
Roadmap будет дополняться
1. Основы - Если переходите с другого ЯПа и знаете технический английский, то Fluent Python, иначе Марк Лутц изучаем Python 2 тома.
2. Алгоритмы и структуры данных - Грокаем алгоритмы, ~Сэджвик алгоритмы и структуры данных, ~**Искусство программирования.
~Стоит изучить полезные модули из стандартной библиотеки питона
3. ООП - здесь @holy_python + курс на канале selfedu, ещё книга Г. Буча
4. Тайпхинты - курс на @holy_python и обязательно доп. материалы.
5. Чистый код, ~Code complete, можно ещё ~рефакторинг от Фаулера
6. SOLID - @holy_python + можно книжку от Роберта Мартина
7. Паттерны - Design Patterns + @holy_python и refactoring.guru
8. Чистая архитектура
9. SQL - изучаем SQL
10. ПроGIT
11. Выбираем направление
~Важные советы по питону: @advice17
1. Если бэкэнд:
1. Компьютерные сети от Таненбауна
2. **UNIX NETWORK PROGRAMMING примеры на сях на питон переделываем.
3. **Man 2 sockets и далее по референсам
~Возможно ещё Linux system programming
4. Дока asyncio
~MV паттерны - необязательно
~jinja2 - необязательно
5. pytest
6. FastAPI
2. Если Data Science:
~Нужны хорошие знания математики в частности: тервер, матан, линал и статистика как минимум
1. Много хороших курсов на курсере.
2. Если PyTorch: Изучаем PyTorch
2. Если keras + tensorflow: Глубокое, обучение на python.
3. По pandas, изучаем pandas от Груздева.
4. skikit-learn по доке + классические задачи и ML алгоритмы.
5. Matplotlib по доке.
6. Если NLP, то nltk и архитектуры нейронок RNN, LSTM, если CV, тоOpenCV и архитектуры нейронок CNN, YOLO, SSD, Faster RCNN.
~Соревнования на кагле, если решить первые 100 задач можно идти работать
~Возможно парсинг для сборки данных.
7. Любой статические типизированый ЯП.
~Для обоих направлений: Рекомендую сделать несколько пет проектов.
~Для обоих направлений рекомендуется читать статьи и работы других программистов
~ - не обязательно, но рекомендовано
** - очень сложная книга
Roadmap будет дополняться
👍42❤4
Используйте глубокую нейронную сеть, чтобы позаимствовать навыки настоящих художников и превратить свои двух битные каракули в шедевры!
Neural-Doodle – это проект, который предоставляет нейронную сеть, которая дорисовывает красивую картинку на основе ваших каракуль :)
Этот проект представляет собой реализацию Semantic Style Transfer (Champandard, 2016) на основе алгоритма Neural Patches (Li, 2016).
Сценарий doodle.py создает новое изображение, используя одно, два, три или четыре изображения в качестве входных данных в зависимости от того, что вы пытаетесь сделать: исходный стиль и его аннотацию, а также целевое изображение содержимого (необязательно) с его аннотацией (он же ваш рисунок). . Алгоритм извлекает аннотированные патчи из изображения стиля и постепенно переносит их в целевое изображение в зависимости от того, насколько близко они совпадают.
Примечание
NeuralDoodle — это навык. Параметры скрипта были скорректированы для корректной работы по умолчанию и с приведенными примерами. Для новых изображений вам может потребоваться настроить значения и изменить входные данные. Это требует практики, но вы можете достичь почти фотореалистичных результатов, если будете повторять :3
Ознакомиться с проектом можно здесь :)
Neural-Doodle – это проект, который предоставляет нейронную сеть, которая дорисовывает красивую картинку на основе ваших каракуль :)
Этот проект представляет собой реализацию Semantic Style Transfer (Champandard, 2016) на основе алгоритма Neural Patches (Li, 2016).
Сценарий doodle.py создает новое изображение, используя одно, два, три или четыре изображения в качестве входных данных в зависимости от того, что вы пытаетесь сделать: исходный стиль и его аннотацию, а также целевое изображение содержимого (необязательно) с его аннотацией (он же ваш рисунок). . Алгоритм извлекает аннотированные патчи из изображения стиля и постепенно переносит их в целевое изображение в зависимости от того, насколько близко они совпадают.
Примечание
NeuralDoodle — это навык. Параметры скрипта были скорректированы для корректной работы по умолчанию и с приведенными примерами. Для новых изображений вам может потребоваться настроить значения и изменить входные данные. Это требует практики, но вы можете достичь почти фотореалистичных результатов, если будете повторять :3
Ознакомиться с проектом можно здесь :)
👍27🔥10😱1🤩1
Получение информации о диске и оперативной памяти
Со встроенным модулем shutil, вы, возможно уже знакомы, но данный модуль, обычно, используют для обработки файлов, групп файлов и папок.
Но вы, вероятнее всего не знали про методы для получения информации о жёстком диске/оперативной памяти. Метод
Так как все три значения возвращаются в байтах, в примере(см. выше) они были переведены в более удобную единицу измерения.
Подробнее про модуль shutil вы можете почитать здесь :3
Со встроенным модулем shutil, вы, возможно уже знакомы, но данный модуль, обычно, используют для обработки файлов, групп файлов и папок.
Но вы, вероятнее всего не знали про методы для получения информации о жёстком диске/оперативной памяти. Метод
virtual_memory
позволяет получить информацию о производительности системы, а метод disk_usage
возвращает количество всей, занятой и свободной памяти.Так как все три значения возвращаются в байтах, в примере(см. выше) они были переведены в более удобную единицу измерения.
Подробнее про модуль shutil вы можете почитать здесь :3
👍42
🐥 Задача по Python #8
Описание
Для заданной химической формулы, представленной строкой, подсчитайте количество атомов каждого элемента, содержащегося в молекуле, и верните объект(словарь dict).
Примеры
Как вы могли заметить, в некоторых формулах есть скобки. Индекс вне скобок говорит вам, что вы должны умножить количество каждого атома внутри скобки на этот индекс. Например, в Fe(NO3)2 у вас есть один атом железа, два атома азота и шесть атомов кислорода.
Обратите внимание, что скобки могут быть круглыми, квадратными или фигурными, а также могут быть вложенными. Индекс после фигурных скобок является необязательным.
Свой вариант решения в комментарии 💭
Кодом делиться через pastebin.org или repl.it.
#задачи
Описание
Для заданной химической формулы, представленной строкой, подсчитайте количество атомов каждого элемента, содержащегося в молекуле, и верните объект(словарь dict).
Примеры
water = 'H2O'
parse_molecule(water) # Вернёт {'H': 2, 'O': 1}
magnesium_hydroxide = 'Mg(OH)2'
parse_molecule(magnesium_hydroxide) # Вернёт {'O': 2, 'H': 2, 'Mg': 1}
fremySalt = 'K4[ON(SO3)2]2'
parse_molecule(fremySalt) # Вернёт {'S': 4, 'O': 14, 'N': 2, 'K': 4}
Как вы могли заметить, в некоторых формулах есть скобки. Индекс вне скобок говорит вам, что вы должны умножить количество каждого атома внутри скобки на этот индекс. Например, в Fe(NO3)2 у вас есть один атом железа, два атома азота и шесть атомов кислорода.
Обратите внимание, что скобки могут быть круглыми, квадратными или фигурными, а также могут быть вложенными. Индекс после фигурных скобок является необязательным.
Свой вариант решения в комментарии 💭
Кодом делиться через pastebin.org или repl.it.
#задачи
👍21🤯6🔥2❤1
pyscreenshot — библиотека, которая позволяет делать захват экрана.
Pyscreenshot кроссплатформенный. Это всего лишь чистая оболочка Python, тонкий слой поверх существующих серверных частей. Его стратегия должна работать на большинстве дистрибутивов Linux: запаковано много бэкендов, если есть хотя бы один, то он работает, если нет, то нужно установить один бэкенд.
Есть некоторые функции pyscreenshot, которые могут быть полезны в особых случаях: гибкие бэкенды, поддержка Wayland, иногда более высокая производительность, необязательная под обработка.
Сверху приведён самый простой пример захвата экрана. Т.к. мы не ничего передаём в метод grab() - у нас захватывается абсолютно весь экран.
Ставится командой ⚙
Документация и примеры кода здесь.
Pyscreenshot кроссплатформенный. Это всего лишь чистая оболочка Python, тонкий слой поверх существующих серверных частей. Его стратегия должна работать на большинстве дистрибутивов Linux: запаковано много бэкендов, если есть хотя бы один, то он работает, если нет, то нужно установить один бэкенд.
Есть некоторые функции pyscreenshot, которые могут быть полезны в особых случаях: гибкие бэкенды, поддержка Wayland, иногда более высокая производительность, необязательная под обработка.
Сверху приведён самый простой пример захвата экрана. Т.к. мы не ничего передаём в метод grab() - у нас захватывается абсолютно весь экран.
Ставится командой ⚙
pip install pyscreenshot
Документация и примеры кода здесь.
👍23🤔4