Zen of Python

​Протоколы в Python. О них мало говорят, а зря

Рассказали, зачем нужны протоколы, почему о них так мало говорят и зачем нужен статический анализатор mypy.

Статья

​Метаэвристические решения Задачи коммивояжёра

В данной статье рассматриваем и реализуем на Python различные подходы (GA, ACO, SA) к решению задачи коммивояжёра.

#гайд

​Поздравляем верно решивших задачу про животных Ноя

Задаче на выделение парных животных верное решение предложили подписчики:

— wh173_cr0w;
— Лев Выскубов.

Поздравляем победителей!

#задача

​Flet для полноценных интерфейсов

Часовая серия видеоуроков на английском, посвящённая Flet — инструменту для построения UI. С её помощью вы узнаете, как реализовать:

— поля ввода;
— Drag'n'Drop;
— анимацию элементов;
— PubSub (если упрощённо — отправку сообщений) и проч.

#UI

​Задача на поиск чисел

Напишите функцию, которая в массиве целых чисел найдёт такое, что встречается нечётное количество раз. Всегда будет только одно целое число, которое появляется нечётное количество раз.

Примеры:
— [7] должно возвращать 7, поскольку оно встречается 1 раз (что нечётно);
—[1,1,2] должно возвращать 2, поскольку оно встречается 1 раз;
—[0,1,0,1,0] должно возвращать 0, поскольку оно встречается 3 раза
—[1,2,2,3,3,3,4,3,3,3,2,2,1] должно возвращать 4, поскольку оно появляется 1 раз.

#задача

​PyScript для исполнения Python в HTML

Инструмент позволяет исполнять скрипты прямо в одноименном теге:

<body>
<div id="output"></div>
<script type="py" src="./main.py" config="./pyscript.toml"></script>
</body>

Документация

#библиотека

​Как использовать GPT-3 для поиска и рекомендаций текстового контента

В статье вы узнаете, как генерировать вектора текстовых корпусов и вычислять степень похожести (cosine similarity) с помощью GPT API и numpy.

Статья

#django #gpt

​Reflex для полноценных приложений и сайтов

Фреймворк на Python избавляет от необходимости связывать фронтенд / бэкенд и предлагает:

— набор популярных компонентов (слайдеры, формы, Flex'ы, графики);
— сэлф-хостинг на поддомене (myapp.reflex.app);
— полную кастомизацию с CSS;

reflex.dev

#библиотека

​3 простых способа ускорить код на Python

Разобрали на примере несложной программы, как ускорить её исполнение в 4 с лишним раза. Не всегда встроенный компонент ЯП отрабатывает быстрее сторонней библиотеки. В статье вы узнаете, кто опередил в скорости лямбда-функцию.

https://tprg.ru/PjyX

#факты

​Пятничный Win Share

Что интересного получилось у вас в Python и IT в целом за прошедшую неделю? Поделитесь в комментариях.

#winshare

Шпаргалка PySpark от DataCamp

#pyspark

​Как вызвать звук колокольчика в bash

Удобный способ оповестить разработчика об окончании работы скрипта.sh:

echo $'\a'
tput bel
printf '\a'

Наверное, стоит повторить вызов несколько раз, чтобы не пропустить.

#bash

​«Python для всех» Чарльза Северанса

Книга помогает плавно начать программировать. Она представляет собой курс программирования. Краткий и четкий стиль изложения и многочисленные упражнения позволят достаточно быстро овладеть основными навыками программирования и методами обработки данных. Издание предназначено широкому кругу читателей, которые не являются программистами и хотели бы освоить язык с нуля.

Профиль книги на Livelib

#книга

Слишком жестоко

​PyWebCopy для бэкапинга / слива сайта

PyWebCopy — бесплатный инструмент для копирования отдельных веб-страниц или же полного копирования сайта на жёсткий диск.

Модуль позволяет:
— сохранить одну страницу;
— скопировать сайт целиком.

При сохранении сайта стоит учитывать его размер и вероятную нагрузку на сервер.

Ссылка на репозиторий

#библиотека

Шикарная шпаргалка по poetry — усовершенствованному наследнику pip.

#факты

​Fake2db для игрушечных баз данных

Библиотека позволяет создавать базы и заполнять их фейковыми данными, что крайне полезно для тестирования. Поддерживает работу с sqlite, mysql, postgresql, mongodb, redis, couchdb.

Репозиторий на GitHub

#библиотека

​PonyORM для мэппинга из реляционной базы

PonyORM — библиотека, позволяющая удобно работать с объектами, хранящимися в виде строк в реляционной базе данных.

В запросе ниже мы извлекаем всех клиентов, общая сумма покупок которых превышает 1000, причем с использованием лямбда-функции:

Customer.select(lambda c: sum(c.orders.total_price) > 1000)

Документация

#библиотека

​Задача о животных Ноя

Как и в библейские времена, нам нужно доставлять животных в ковчег парами. Мы заинтересованы только в том, чтобы получить по одной паре каждого животного, и не заинтересованы в животных, которых меньше двух… в конце концов, им нужно спариваться, чтобы заново заселить планету!

Вам будет предоставлен список животных, в котором нужно проверить, каких животных по двое, а затем вернуть словарь, содержащий название животного и их четное количество:

>>> two_by_two(['goat', 'goat', 'rabbit', 'rabbit', 'rabbit', 'duck', 'horse', 'horse', 'swan'])
... {'goat': 2, 'horse': 2, 'rabbit': 2}

Если список животных пуст, нужно вернуть False:
>>> two_by_two([])
... False

Если у животного нет пары, нужно вернуть пустой словарь:

>>> two_by_two(['goat'])
...{}

Ждем ваши решения в комментариях.

#задача

​functime для построения прогнозирования временных рядов

Утилита принимает многостолбцовые датафреймы, «дружит» с OpenAI и поддерживает метрики MASE, SMAPE и другие:

import polars as pl
import functime.llm

y = pl.read_parquet("../data/commodities.parquet")
context = "Этот датасет содержит данные о стоимости товаров за период 1980 - 2022."

Анализируем тренд и сезонность двух товаров:

analysis = y_pred.llm.analyze(
context=dataset_context,
basket=["Aluminum", "Banana, Europe"]
)
print("Analysis:\n", analysis)

Сравним группы товаров:

basket_a = ["Aluminum", "Banana, Europe"]
basket_b = ["Chicken", "Cocoa"]
comparison = y_pred.llm.compare(
basket=basket_a,
other_basket=basket_b
)
print("Comparison:\n", comparison)

Репозиторий на GitHub

#библиотека