Разъяснивший Python

PrettyTable – это Python-модуль, который облегчает создание таблиц в коде. На его основе можно легко создавать таблицы из результатов запросов или из любых других данных. Библиотека была разработана Дайвом Льюисом и имеет удобный и понятный синтаксис, который позволяет создавать с помощью пары строк кода красивые таблицы.

PrettyTable позволяет форматировать таблицы, выравнивать данные, добавлять заголовки и многое другое. Это делает эту библиотеку полезным инструментом для анализа, презентации и отображения данных на экране.

PrettyTable позволяет очень просто и быстро настраивать таблицы в Python. Библиотека отлично подходит для работы с большим объемом данных, которые необходимо представить в удобочитаемом формате. Она позволяет легко форматировать таблицы и менять их визуальное отображение.

Ставится командой ⚙️ pip install prettytable
Документация и примеры кода здесь

Разъяснивший Python

Что такое Django и Flask

Django и Flask являются двумя популярными веб-фреймворками на языке программирования Python. Они используются для создания веб-приложений и сайтов различной сложности.

Django – это высокоуровневый веб-фреймворк Python, который придерживается принципа «batteries included» (все в комплекте). Это значит, что Django предоставляет множество инструментов и компонентов прямо из коробки, таких как административный интерфейс, систему аутентификации пользователей, поддержку работы с базами данных и многое другое.

Flask – это микро-фреймворк для создания веб-приложений на Python. В отличие от Django, Flask является более легковесным и гибким решением, которое предоставляет минимальный набор функциональности из коробки. Расширение функционала возможно с помощью внешних модулей и библиотек.

Разъяснивший Python

Gensim - это библиотека для неконтролируемого тематического моделирования и анализа сходства документов на Python.

Она широко используется для таких задач, как обобщение текста, кластеризация документов и тематическое моделирование. Gensim обладает широким спектром инструментов для работы с текстовыми данными, включая word2vec и LDA (скрытое распределение Дирихле).

Как использовать Gensim для обучения модели word2vec представлено на фото

Ставится командой pip install --upgrade gensim
Документация и примеры кода здесь

Разъяснивший Python

Глубокая заморозка объектов с types.MappingProxyType

Иногда нужно создать словарь, который нельзя изменить — например, для констант или конфигурации. Вместо копирования или заморозки вручную, можно использовать MappingProxyType.

Итог:
MappingProxyType создаёт читаемую, но неизменяемую обёртку над словарём — отличный способ защитить данные от случайного изменения, особенно в конфигурациях и API-интерфейсах.

Разъяснивший Python

Автоматический резюме-аналитик

Данная программа позволяет загружать .pdf или .docx файл с резюме, извлекает ключевые навыки, опыт, контакты, и формирует краткий отчет. В результате можно разобрать резюме без ручного чтения – отличный инструмент для HR, рекрутеров или разработчиков.

Ссылка на код

Разъяснивший Python

Pandas - это библиотека для обработки и анализа данных на Python.

Она широко используется для работы со структурированными данными и отлично подходит для очистки, преобразования и анализа данных. Pandas имеет широкий спектр инструментов для работы с данными, включая объекты dataframe и series, которые похожи на таблицы и столбцы в SQL.

Как использовать Pandas для загрузки и изучения набора данных представлены на фотографии

Ставится командой ⚙️ pip install cython
Документация и примеры кода здесь

Разъяснивший Python

Что такое асинхронное программирование в Python

Асинхронное программирование является подходом в разработке программного обеспечения, который позволяет одновременно выполнять несколько задач без блокирования основного потока выполнения.

Преимущества асинхронного программирования включают:

Более эффективное использование ресурсов
Улучшенная отзывчивость приложений
Упрощение кода для параллельного выполнения задач

Основы асинхронного программирования в Python

Для использования асинхронного программирования в Python, необходимо знакомство с ключевыми словами async и await:

async используется для объявления асинхронной функции. Это означает, что функция будет возвращать объект coroutine, который можно выполнить асинхронно.
await используется внутри асинхронной функции для ожидания результата другой асинхронной операции. Это позволяет основному потоку продолжить выполнение других задач, пока ожидается результат.

Разъяснивший Python

Ограничение времени выполнения кода с signal

Когда нужно завершать долгие операции (например, при парсинге или работе с API), полезно уметь ставить таймаут на блок кода.

Итог:
Модуль signal позволяет элегантно ограничивать время выполнения операций. Особенно полезен при работе с нестабильными внешними источниками или написании защищённых CLI-утилит. Работает только в UNIX-системах.

Разъяснивший Python

Scikit-learn - это широко используемая библиотека для машинного обучения на Python. Она построена поверх NumPy и SciPy и предлагает широкий спектр инструментов для создания и оценки моделей машинного обучения. Scikit-learn отлично подходит для построения традиционных моделей машинного обучения, таких как линейная регрессия, деревья решений и кластеризация k-средних.

Как использовать scikit-learn, чтобы построить простую модель линейной регрессии представлено на картинке

Ставится командой ⚙️ pip install -U scikit-learn
Документация и примеры кода здесь

Разъяснивший Python

Используйте функцию enumerate для перебора элементов списка и их индексов

enumerate - это встроенная функция, которая принимает список и возвращает объект, который можно использовать в цикле for для перебора элементов списка и их соответствующих индексов.

Разъяснивший Python

Я не люблю NumPy

В статье рассказывают о противоречивой любви к NumPy: мощный инструмент для работы с массивами, который иногда сводит с ума своей непредсказуемостью и странностями

Читать...

Разъяснивший Python

rembg - это библиотека для удаления фона у любого изображения.
Работает с помощью нейронной сети.
И также является консольной утилитой.

Открыть изображение можно как массив байтов, либо через PIL.
Оба варианта rembg понимает.
А для удаления фона достаточно импортировать и вызвать метод remove(input).

Ставится командой ⚙️ pip install rembg[gpu,cli]
Документация и примеры кода здесь.

Разъяснивший Python

Faker — полезная библиотека, которая поможет вам создавать реалистичные тестовые данные.

Независимо от того, нужны ли вам данные для тестирования, заполнения базы данных или демонстрации функционала, Faker делает процесс генерации данных простым и эффективным.

Faker предоставляет генераторы для различных типов данных, таких как имена, адреса, номера телефонов, электронные почты, даты, текст и многое другое. Это идеальное решение для тех, кто хочет ускорить процесс тестирования.

На примере выше мы написали функцию generate_fake_user, которая использует различные методы Faker, чтобы создать случайные данные для имени, электронной почты, номера телефона и адреса. Затем мы выводим полученные данные о пользователе.

Ставится командой ⚙️ pip3 install faker
Документация и примеры кода здесь

Разъяснивший Python

Ускоряем Python в сто раз при помощи менее чем ста строк на Rust

Статья описывает проблему с производительностью большой и сложной Python-библиотеки для 3D-обработки и рассказывает, как её удалось ускорить в сто раз при помощи Rust. Автор представляет несколько итераций оптимизации, которые могут помочь в решении подобных проблем с производительностью.

Читать...

Разъяснивший Python

Как элегантно объединять словари с приоритетом значений

Часто нужно объединить два словаря, где значения из второго имеют приоритет. Это можно сделать просто и читаемо.

Итог:
Синтаксис {**dict1, **dict2} объединяет словари, давая приоритет второму. Удобен для настройки конфигураций, параметров и всего, что связано с override'ами.

Разъяснивший Python

collections — встроенный модуль, который предоставляет удобные и эффективные инструменты для обработки и работы с различными типами данных.

collections включает в себя специализированные контейнеры, которые расширяют функциональность встроенных типов данных и позволяют более эффективно решать различные задачи.

Недавно мы показывали некоторые классы из модуля collections, однако про сам модуль не рассказали.

Подробнее тут

Разъяснивший Python

pynacl — библиотека, обеспечивающая простой и безопасный доступ к криптографическим функциям, основанным на библиотеке Networking and Cryptography (NaCl).

pynacl предоставляет надежные инструменты для решения задач, связанных с криптографией, такие как шифрование, подпись сообщений, хэширование и генерация случайных чисел. Она обеспечивает высокий уровень безопасности и надежности, что делает ее идеальным выбором для приложений, требующих защиты данных и обеспечения целостности информации.

На примере выше у нас есть два скрипта: один для шифрования сообщения, а другой для его расшифровки. Используя pynacl, мы можем безопасно передать зашифрованное сообщение от отправителя к получателю.

Разъяснивший Python

Как замерить время выполнения кода элегантно

Иногда нужно узнать, сколько времени занял блок кода — для отладки, оптимизации или просто интереса. Вместо громоздких решений можно использовать контекстный менеджер.

Итог:
Контекстный менеджер timeit позволяет быстро замерять производительность без лишнего шума. Особенно полезен при профилировании отдельных участков кода.

Разъяснивший Python

ffmpeg — это свободное и открытое программное обеспечение, предоставляющее набор инструментов для записи, преобразования и манипулирования аудио и видео файлами.

С помощью ffmpeg вы можете выполнять различные операции над аудио и видео файлами, такие как конвертация форматов, изменение разрешения, наложение фильтров, обрезка, склеивание и многое другое. Благодаря своей гибкости и мощности, ffmpeg является популярным выбором для разработчиков, работающих с мультимедиа

В примере выше мы используем модуль subprocess для вызова команды ffmpeg из Python. Мы указываем входной файл input.mp4 и желаемый выходной файл output.avi. После этого мы создаем команду ffmpeg и передаем ее в subprocess.call().

Таким образом, при выполнении этого кода ffmpeg сконвертирует входной видеофайл input.mp4 в формат AVI и сохранит его как output.avi.

Подробнее тут

Разъяснивший Python