Python 🐍 Work With Data

Guide to Python comprehensions | Marcin Kozak | Towards Data Science
https://towardsdatascience.com/a-guide-to-python-comprehensions-4d16af68c97e

В свежем новостном выпуске Data Coffee:
— Что происходит в Яндексе
— Судьба арбузов и почерневших ягод
— Diagram as a Code и свежие интерфейсы для доступа к данным
— Ну и, конечно, Doom и VR!

#datacoffee #podcast #data

Где слушать🎧:
— Anchor.FM
— YouTube
— Бот (последний эпизод)
— Остальные площадки

Waterfall vs. Agile

Пишу диаграммы последовательностей текстом (кодом). Вы тоже можете

🖇️ https://habr.com/ru/company/rostelecom/blog/701970/

Обзор форматов данных и способы оптимизации при работе с Pandas

Подборка из трех статей:
🔸 The Best Format to Save Pandas Data
🔸 Optimize Storing in Pandas: 98% Faster Disk Reads and 72% Less Space
🔸 Stop persisting pandas data frames in CSVs

〰️〰️〰️
👉 @python_powerbi

BARC DATA CULTURE SURVEY 23

How to liberalize data access to empower data users

Mining the Social Web, 3rd Edition (Jupyter Examples)

The official code repository for Mining the Social Web, 3rd Edition. The book is available from Amazon and Safari Books Online.

The notebooks folder of this repository contains the latest bug-fixed sample code used in the book chapters.

▫️ Chapter 0 - Preface.ipynb
▫️ Chapter 1 - Mining Twitter.ipynb
▫️ Chapter 2 - Mining Facebook.ipynb
▫️ Chapter 3 - Mining Instagram.ipynb
▫️ Chapter 4 - Mining LinkedIn.ipynb
▫️ Chapter 5 - Mining Text Files.ipynb
▫️ Chapter 6 - Mining Web Pages.ipynb
▫️ Chapter 7 - Mining Mailboxes.ipynb
▫️ Chapter 8 - Mining GitHub.ipynb
▫️ Chapter 9 - Twitter Cookbook.ipynb
▫️ _Appendix A - Virtual Machine Experience.ipynb
▫️ _Appendix B - OAuth Primer.ipynb
▫️ _Appendix C - Python & Jupyter Notebook Tips.ipynb

👉 @python_powerbi

https://github.com/mikhailklassen/Mining-the-Social-Web-3rd-Edition

Злободневное

Подборка статей про оптимизацию Pandas

Статьи:
🔹 Memory Optimisation – Python DataFrames vs Lists and Dictionaries (JSON-like)
🔹 Advanced Pandas: Optimize speed and memory
🔹 Five Killer Optimization Techniques Every Pandas User Should Know
🔹 Pandas Optimization for Largest Datasets
🔹 How to handle large datasets in Python with Pandas and Dask
🔹 Scaling to large datasets
🔹 Comprehensive Guide To Optimize Your Pandas Code
🔹 Seven Killer Memory Optimization Techniques Every Pandas User Should Know
🔹 Optimizing Pandas
🔹 How to Find Pandas DataFrame Size, Shape, and Dimensions Properties

Видео:
🎦 Speed up slow pandas python code by 2500x
🎦 Efficient Pandas Dataframes in Python - Make your code run fast with these tricks!
🎦 Loop / Iterate over pandas DataFrame (2020)
🎦 How to Optimize and Speed Up Pandas

👉 @python_powerbi

https://www.youtube.com/handle на ютьюбе можно выбрать псевдоним
go go go)

Object-Oriented Python (Irv Kalb) 2022

Туториал по созданию бота, в том числе на Python

https://core.telegram.org/bots/tutorial

Python example: https://gitlab.com/Athamaxy/telegram-bot-tutorial/-/blob/main/TutorialBot.py

Python 3.11 | Что Нового?

00:40 - Более точный вывод ошибок (PEP 657)
01:34 - Группы исключений (PEP 654)
02:53 - Примечания для исключений (PEP 678)
03:55 - Тип self (PEP 673)
04:29 - Модуль tomllib (PEP 680)
05:01 - Улучшения дженериков (PEP 646 и 655)
06:16 - Производительность и оптимизации (PEP 657)
08:30 - Прочие изменения (PEP 681, 594 и т.д.)

https://youtu.be/ImnqC9-fm_0

Создал небольшой туториал по началу работы с Flask. Пока пришлось отложить продолжение по созданию демо-приложения в связке с Jinja.
Пока полностью раскрыта развертывание Flask App с помощью Nginx + Gunicorn на VPS.
https://flask.ivan-shamaev.ru/python-flask-vps-tutorial/

Может через месяц вернусь с продолжением.

👉 @python_powerbi

Как правильно внедрить Self-service-аналитику и для чего вам это. Кейс «Пятёрочки» / Хабр

Это про open source metabase

https://habr.com/ru/company/agima/blog/686920/

GitHub - guipsamora/pandas_exercises: Practice your pandas skills! 🤘

Pandas Exercises
Fed up with a ton of tutorials but no easy way to find exercises I decided to create a repo just with exercises to practice pandas. Don't get me wrong, tutorials are great resources, but to learn is to do. So unless you practice you won't learn.

There will be three different types of files:
      1. Exercise instructions
      2. Solutions without code
      3. Solutions with code and comments

My suggestion is that you learn a topic in a tutorial, video or documentation and then do the first exercises. Learn one more topic and do more exercises. If you are stuck, don't go directly to the solution with code files. Check the solutions only and try to get the correct answer.

Suggestions and collaborations are more than welcome.🙂 Please open an issue or make a PR indicating the exercise and your problem/solution.

https://github.com/guipsamora/pandas_exercises