Разъяснивший Python

Скачиваем изображение с помощью ссылки в Python

import requests

url = "<ссылка на ваше изображение>"
response = requests.get(url)

with open("image.jpg", "wb") as file:
    file.write(response.content)

print("Изображение успешно загружено.")

Скопируйте этот код и замените текст <ссылка на ваше изображение> на реальную ссылку, например — https://github.com/github_logo.jpg

Таким же образом можно скачивать любые мелкие файлы.
Текстовые, архивы, иконки и тд.

Главное не забудьте поставить библиотеку requests командой ⚙️ pip install requests

Разъяснивший Python

Boto3 - официальный SDK (Software Development Kit), для работы с Amazon Web Services (AWS) и для работы с их облачными сервисами на Python.

Это мощный инструмент , который позволяет разработчикам создавать, управлять различные задачи в облаке, такие как работа с хранилищем файлов S3, виртуальными серверами EC2, базой данных DynamoDB и многими другими сервисами.

Разработана кнш самой компанией Amazon, библиотека также обеспечивает широкие возможности интеграции с AWS, что делает её популярным инструментом среди программистов, работающих с облаками.

Ставится командой ⚙️ pip install boto3
Официальная документация и примеры кода здесь

Разъяснивший Python

Как легко сконвертировать изображение в любой нужный формат (например JPG -> PNG)?

Для этого в модуле Pillow есть методы save() и convert(), которые позволяют сохранить ваше фото в новом формате или просто переименовать его, например, image.jpg в img.png

Важно понимать, что в таком случае меняется не просто расширение файла, но и сами метаданные внутри файла!

Для того чтобы сделать это в Python, нужно сначала установить Pillow:

pip install pillow

Затем напишите следующий код:

from PIL import Image

img = Image.open("имя_файла.jpg")

img.save("имя_файла.png")

Замените "имя_файла.jpg" на ваше имя файла или путь к нему, и после запуска этого кода ваше фото будет сохранено в формате PNG.

В случае обратной конвертации (например, из PNG в JPG) может потребоваться смена режима.
Для этого используем метод convert():

img = img.convert('RGB')

Ставится командой ⚙️ pip install pillow
Документация Pillow здесь
Подробнее про смену режима — convert()

Разъяснивший Python

Pylint - популярный линтер для Python версий 2.x/3.x.

Он проверяет код на соответствие PEP-8.
А также непосредственно запускает его, чтобы найти ошибки.
Либо какие-то неочевидные проблемы.

Также линтер сообщает разработчику, как улучшить свой код или сделать его более читабельным.

Крч для Python разработчика — Must Have

Ставится командой ⚙️ pip install pylint
Документация и примеры кода здесь

Разъяснивший Python

smtplib - библиотека для отправки сообщений на адрес электронной почты в Python.

Библиотеку smtplib не нужно скачивать, это означает, что она стандартная.

Плюсы библиотеки: простая в использовании, можно отправлять письма на почту всего за несколько строк кода, как показано на скрине.

Также smtplib поддерживает защищенное соединение SSL/TLS с SMTP сервером.

Документация и примеры код здесь (русская)
Официальная документация здесь (английская)

Разъяснивший Python

Mutagen - библиотека предназначенная для редактирования тегов ID3v1.1/ID3v2.4 и APEv2

Она поддерживает множество форматов, включая MP3, Ogg Vorbis, FLAC и многие другие.

Mutagen также предоставляет возможность работы с аудиофайлами в потоковом режиме, что делает ее очень удобной и мощной.

Ставится командой ⚙️ pip install mutagen
Документация и примеры кода здесь

Разъяснивший Python

Использование генераторов для создания бесконечных последовательностей в Python

Генераторы в Python позволяют создавать ленивые последовательности, которые вычисляются по мере необходимости.

Это мощный инструмент для работы с большими или даже бесконечными данными, поскольку генераторы экономят память и ресурсы. Один из интересных и необычных способов использования генераторов — создание бесконечных последовательностей.

Библиотека использует и предназначена для того, чтобы стать полезным дополнением к распространенным инструментам анализа данных Python, таким как pandas, scikit-learn и matplotlib.

Ставится командой ⚙️ pip install dora
Документация и примеры кода здесь

Разъяснивший Python

Dora — это библиотека для очистки и разведочного анализа данных, которая значительно упрощает решение задач Data Science. С ее помощью можно преобразовывать категориальные данные в порядковые, менять и удалять столбцы, выделять, извлекать и визуализировать признаки и решать много других задач.

Библиотека содержит удобные функции для очистки данных, выбора и извлечения признаков, визуализации, секционирования данных для проверки модели и версионных преобразований данных.

Библиотека использует и предназначена для того, чтобы стать полезным дополнением к распространенным инструментам анализа данных Python, таким как pandas, scikit-learn и matplotlib.

Ставится командой ⚙️ pip install dora
Документация и примеры кода здесь

Разъяснивший Python

Тайминг кода без сторонних библиотек

Нужно быстро узнать, сколько времени занимает выполнение участка кода? Воспользуйтесь встроенным модулем time.

time.perf_counter() предоставляет наиболее точные замеры времени исполнения — идеально для бенчмаркинга.

Итог:
С помощью time.perf_counter() можно легко измерять производительность кода без внешних зависимостей.

Разъяснивший Python

Vega-Altair — декларативная библиотека статистической визуализации для Python. С Vega-Altair вы можете потратить больше времени на понимание своих данных и их значения. Вега-Альтаир API прост, дружелюбен и согласован и построен на основе мощной спецификации Vega-Lite JSON. Простота позволяет создавать красивые и эффективные визуализации с минимальным количеством кода.

Vega-Altair был первоначально разработан Джейком Вандерпласом и Брайаном Грейнджер в тесном сотрудничестве с UW Интерактивная лаборатория данных. Проект с открытым исходным кодом Vega-Altair не связан с Altair Engineering, Inc.

Ставится командой ⚙️ pip install altair
Документация и примеры кода здесь

Разъяснивший Python

Что такое декораторы в Python

Декораторы в Python — это мощный инструмент, который позволяет модифицировать поведение функций, классов без изменения их кода. Они представляют собой функции высшего порядка, то есть функции, которые принимают другие функции в качестве аргументов и возвращают новые функции. В Python декораторы обычно применяются с помощью синтаксиса @decorator перед определением функции или класса

В примере на фото декоратор timing_decorator измеряет время выполнения функции some_long_running_function и выводит результат на экран.

Декораторы в Python являются удобным способом добавления нового поведения к функциям или классам без изменения их кода. Они используются для решения множества задач, таких как логирование, кеширование, проверка прав доступа и других. Важно понимать основы работы с декораторами, чтобы эффективно использовать их в своих проектах.

Освоив принципы работы с декораторами, вы сможете значительно улучшить структуру своего кода и упростить его поддержку

Разъяснивший Python

⚡️Совсем скоро трое из вас получат по новому iPhone 16!

Чтобы не упустить свой шанс, подпишитесь на @economica, @ruble30 и @trendswhat и нажмите «Участвую!» под этим постом, если ещё этого не сделали. Результаты уже 2 июня в 18:00!

Requests - одна из самых популярных общедоступных библиотек Python. Ее цель – сделать HTTP-запросы более простыми и удобными для восприятия. Библиотека Requests имеет лицензию Apache2 и написана на Python. Она является фактическим стандартом, который используют разработчики для выполнения HTTP-запросов в Python.

Помимо того, что библиотека Requests может использоваться для отправки HTTP-запросов на сервер, она также позволяет добавлять в них данные формы, содержимое, заголовок, файлы, состоящие из нескольких частей, и т.д. С этой библиотекой разработчикам не нужно добавлять запрос к URL-адресу или кодировать данные POST вручную.

Библиотека Requests абстрагируется от многочисленных сложностей создания HTTP-запросов в простом API, поэтому разработчики могут больше сосредоточится на взаимодействии со службами. Библиотека поддерживает Python 2.7, 3.4 и выше, а также отлично работает с PyPy.

Ставится командой ⚙️ $ pipenv install requests-html
Документация и примеры кода здесь

Разъяснивший Python

Celery - Celery нужна для работы с фоновыми задачами. Она позволяет выстраивать их в очередь и распределять выполнение между разными процессорами и устройствами. Это помогает уменьшить нагрузку на процессор и выполнять трудоемкие задачи без ущерба производительности. Больше всего Celery полезна для разработчиков приложений.

Очереди задач используются в качестве механизма для распределения работы между потоками или машины.

Celery общается через сообщения, обычно через брокера для посредничества между клиентами и работниками. Чтобы инициировать задачу, клиент ставит message в очереди, затем брокер доставляет сообщение рабочему процессу.

Ставится командой ⚙️ pip install celery
Документация и примеры кода здесь

Разъяснивший Python

Проверка необходимой версии Python

Чтобы ваши пользователи не могли запустить скрипт в несовместимой версии, в коде стоит проверить наличие актуальной версии Python. Проведите простую проверку.

Разъяснивший Python

Замер времени выполнения кода с timeit

Иногда нужно быстро понять, насколько эффективно работает участок кода. Вместо ручного замера времени можно использовать модуль timeit, который делает это корректно и точно.

timeit учитывает накладные расходы, прогрев интерпретатора и выполняет код в изолированной среде, что делает его отличным инструментом для микробенчмарков.

Итог:
timeit — отличный способ сравнивать производительность разных решений и выбирать самое быстрое.

Разъяснивший Python

Opyrator — инструмент, позволяющий превратить любую вашу Python функцию в полноценный микросервис с веб API, статистикой обращений, графиками и тд.

Это позволяет пользователям развертывать сервисы и получать к ним доступ через HTTP API или интерактивный пользовательский интерфейс

Ставится командой ⚙️ pip install opyrator
Документация и примеры кода здесь.

Разъяснивший Python

NEAT-Python — это библиотека, реализующая NEAT на языке программирования Python. Она обеспечивает легкую и гибкую возможность использования эволюционного подхода NEAT для разнообразных задач, включая классификацию.

NEAT также позволяет удобно определять морфологические модели нейронов. Эти модели могут быть смоделированы с помощью интерфейса с симулятором NEURON [Carnevale2004] или могут быть проанализированы двумя классическими методами:

▫️(i) метод разделения переменных [Major1993] для
получения ядер импеданса в виде суперпозиция экспоненциальных величин
▫️(ii) метод Коха для вычисления импедансов с линеаризованными ионными каналами аналитически в частотной области [Koch1985].

Кроме того, NEAT реализует фреймворк нейронного дерева оценки [Wybo2019] и связанный с ним симулятор C++ для анализа независимости от субъединиц.

Ставится командой pip install neatdend
Документация и примеры кода здесь

Разъяснивший Python

⚡️Дарим сразу три новеньких iPhone 16 за подписку!

Для участия в розыгрыше нужно:
1. Быть подписанным на The Экономист, Доллар по тридцать и Чё по трендам?
2. Нажать «Участвую!» под этим постом

Бот случайным образом выберет победителей 2 июня в 18:00. Айфоны за свой счёт застрахуем и отправим в любую точку мира. Всем удачи!

Как работать с наследованием в Python?

Наследование — одна из основных концепций объектно-ориентированного программирования, которая позволяет создавать новые классы на основе существующих, переиспользуя их свойства и методы. В Python наследование реализуется довольно просто и интуитивно.

Основная идея наследования заключается в том, что один класс (потомок) может наследовать атрибуты и методы другого класса (родителя). Это позволяет избежать дублирования кода и упрощает изменения и обновления.

Python поддерживает множественное наследование, то есть один класс может наследовать свойства и методы сразу от нескольких классов-родителей. Для этого достаточно указать их имена через запятую в скобках после имени класса-потомка.

В контексте наследования в Python есть несколько важных функций и атрибутов, которые могут пригодиться:

Наследование в Python — мощный инструмент, который позволяет создавать гибкие и масштабируемые программы.

Разъяснивший Python