Продолжаем делиться циклом видео, благодаря которому ты научишься пользоваться FastAPI библиотекой. В этот раз ты научишься обрабатывать URL различного формата. Также автор демонстрирует получение параметров, переданные в запросе через “?” или “&”.
В данной статье автор рассказывает, как реализовать поиск ликвидных облигаций с помощью Python. Речь идет про полноценную библиотеку с расширенными возможностями: автоматический поиск ликвидных облигаций, расчет денежных потоков и многое другое.
Если ты работаешь с матрицами, NumPy предоставляет встроенные функции. В данном примере продемонстрированы транспонирование, обратная матрица, определитель и умножение матриц.
Продолжаем делиться циклом видео, где автор рассказывает про разработку телеграм-бота на Python. В этот раз ты узнаешь, как сделать бота-модератора для твоего телеграм-чата.
В данной статье автор рассказывает про лучшие инструменты для парсинга. Рассматриваются как открытые библиотеки, так и коммерческие SaaS/API-сервисы. В результате все решения сравниваются по ключевым метрикам.
FastAPI — это удобный инструмент для создания серверов и API, который делает процесс разработки быстрее и проще. Делимся циклом видео, благодаря которому ты научишься работать с FastAPI библиотекой.
Poetry и UV – это инструменты, предназначенные для управления зависимостями и упаковки Python-проектов. В данной статье автор рассказывает, какие есть плюсы и минусы у вышеперечисленных пакетных менеджеров.
Статистические тесты помогают проверять гипотезы о данных. Они используются для определения, являются ли наблюдаемые различия значимыми или случайными.
Существуют различные виды тестов. t-тест сравнивает средние двух групп. ANOVA сравнивает средние более чем двух групп. Хи-квадрат тест проверяет связь между категориальными переменными. U-тест Манна-Уитни проверяет, отличаются ли распределения двух групп (непараметрический аналог t-теста).
В данном примере продемонстрирован t-тест. Если p-значение <0.05, то различия значимы, гипотеза отвергается. Если p-значение >= 0.05, азличия могут быть случайными, гипотеза принимается.
Делимся циклом видео, благодаря которому ты научишься пользоваться MongoDB. В этот раз автор рассказывает, как добавлять данные в БД и делать их с разными полями и значениями.
Продолжаем делиться циклом статей, благодаря которому ты научишься пользоваться Flask. В этот раз автор демонстрирует развертку Microblog на контейнерной платформе Docker.
В Python символ подчеркивания (_) играет множество ролей, которые зависят от контекста. Благодаря данной статье ты узнаешь, как можно использоваться подчеркивание в различных ситуациях.
Выбор правильного типа данных может существенно снизить объём используемой памяти и ускорить вычисления. При обработке больших массивов разница может быть огромной. Например, если массив занимает 1 ГБ с float64, он будет занимать всего 500 МБ с float32.
В данной статье автор рассказывает, как он автоматизировал учет облигаций. Используется API Московской биржи для сбора данных и выгрузки их в Excel. Присутствует ссылка на исходный код.
Циклы в Python работают медленно, особенно при обработке больших массивов. NumPy позволяет выполнять арифметические операции и функции сразу над целым массивом.
Обрати внимание на пример. Без использования библиотеку циклу нужно 0.3 секунды для выполнения, а с помощью векторизации мы выполнили операцию за 0.005 секунд! Все дело в том, что NumPy выполняет вычисления на уровне C через оптимизированные библиотеки (например, BLAS или LAPACK).
