1874
Сборник наиболее интересных Python материалов. https://pythondigest.ru/ Сделать донат - https://boosty.to/pydigest Блог автора - @whydaily Рекомендуем хостинг https://firstvds.ru/?from=421453
Параметризованные тесты в Pytest: обзор с примерами
https://ift.tt/0kA28LE
Хотите сделать процесс тестирования более эффективным и покрыть больше случаев с меньшим количеством кода? Тогда параметризованные тесты в Pytest — именно то, что вам нужно. В этой статье мы разберёмся, как с помощью параметризации можно существенно ускорить и упростить тестирование вашего приложения.
[Видео] Лучший курс по Python 9: Переменные
https://www.youtube.com/watch?v=crSzQKfevZU
Я хотел сделать видео про переменные, которое бы рассказывало: а как на самом деле происходит создание и поиск имени? Все рассказывают про переменные, как про какие "коробки" для значений. А не они не коробки!
Предсказываем солнечные затмения с помощью ~100 строк кода Python
https://ift.tt/eRELgOj
8 апреля 2024 года автор статьи, основатель и СЕО компании Modal Labs, Эрик Бернхардссон планировал посмотреть свое первое полное солнечное затмение. За день до этого ему пришла в голову идея — что, если попробовать рассчитать периодичность этого явления в прошлом и будущем, используя Python?
pocketpy: Portable Python 3.x Interpreter in Modern C
https://ift.tt/r2JXBzy
Requests vs. HTTPX vs. AIOHTTP
https://ift.tt/cPnEBeY
Learn about the differences between Requests, HTTPX, and AIOHTTP, and when to use each library for your Python projects.
PythonistR: A Match Made in Data Heaven
https://ift.tt/1EBDw52
In data science you’ll sometimes hear a debate between R and Python. Cosima says ‘why not choose both?’ She outlines a data pipeline that uses the best tool for each job.
Python⇒Speed: Let's build and optimize a Rust extension for Python
https://ift.tt/ITc1wHE
Цепи Маркова в Telegram-боте
https://ift.tt/wXcgZ2P
5 лет назад я задался целью создать сильный искусственный интеллект (СИИ).Думаю, стоит начать с того, как я создал бота для Телеграма с цепями Маркова.
Делаем простой рисовальщик в PySide6
https://ift.tt/0vg8d3S
Дело в том, что для своего пет-проекта мне нужна была рисовалка на минималке, но при этом, должна иметь базовый функционал, от нее не требуется быть полноценным графическим редактором.
Python⇒Speed: It's time to stop using Python 3.8
https://ift.tt/u6OoW1F
Использование подчеркивания в коде на Python
https://ift.tt/uxheYq5
Подчёркивание _ — это символ, который используются в именах в коде на Питоне. Он влияет на то, как код работает и как код читают. Знания о том, куда поместить подчёркивание, помогает писать код.
#python #pydigest
IT-новости про Python перед вами.
Часть материалов из выпуска Python Дайджест:
- Использование подчеркивания в коде на Python
- Python в Rye-у
- А/Б тестирование: множественная проверка гипотез
- Поиск открытых сетевых ресурсов и их права доступа
- [Видео] Расширяем возможности стандартной библиотеки
- [Видео] Python нельзя Go: меня не зацепил новый тренд
- zerox - Zero shot pdf OCR with gpt-4o-mini
- greenlet - 3.1.0
Заходите в гости - https://pythondigest.ru/issue/561/
zerox - Zero shot pdf OCR with gpt-4o-mini
https://ift.tt/kcYKb6q
Работа с большими файлами в Python
https://ift.tt/Ag3bG9p
Обработка больших текстовых файлов — распространенная задача в различных областях, таких как анализ данных, машинное обучение, веб-скрапинг и другие. Например, при работе с логами веб-сервера, которые могут достигать гигабайтов в размере, или при обработке больших наборов данных, таких как базы данных транзакций. В таких сценариях, когда файлы слишком велики для загрузки в память целиком, эффективное управление памятью становится критически важным.
Раскрываем секреты роя: оптимизация на Python с помощью PSO
https://ift.tt/Jdja5Aw
Рассмотрим самоорганизующиеся системы в природе, например, стаи птиц или рыб. Представим такую систему как совокупность частиц, где каждая особь – это отдельная частица.
pylint - 3.3.0
https://ift.tt/yrqt167
Статический анализатор Python-кода. Скачать можно по ссылке: https://pypi.python.org/pypi/pylint/
От документации к готовому API: Генерация кода из Swagger для FastAPI
https://ift.tt/DOuB68f
В этой статье я расскажу о Swagger и о том, как сгенерировать API и Pydantic модели из Swagger-документации для FastAPI, используя инструмент OpenAPI Generator. В конце статьи вы найдете ссылки на исходный код.
«База данных» в гугл таблицах для телеграм-бота
https://ift.tt/AJO597y
Практически все боты используют какое-нибудь хранилище информации. Чаще всего применяются базы данных, но иногда их использование может быть избыточным, особенно если вам не нужны ACID-транзакции и есть желание менять данные руками в максимально простом интерфейсе. Для хранения информации можно использовать гугл-таблицы. Сегодня мы разберём пример телеграмм бота для проведения тестов, где вопросы и ответы хранятся в разных вкладках одной Google-таблицы.
kombu - 5.4.2
https://ift.tt/IoDMXCN
Фреймворк для работы с AMQP. Скачать можно по ссылке: https://pypi.python.org/pypi/kombu/
pymongo - 4.9.1
https://ift.tt/BZ47faU
Python интерфейс для MongoDB. Скачать можно по ссылке: https://pypi.python.org/pypi/pymongo/
pymongo - 4.9
https://ift.tt/S1dO7Gt
Python интерфейс для MongoDB. Скачать можно по ссылке: https://pypi.python.org/pypi/pymongo/
virtualenv - 20.26.5
https://ift.tt/j2VFNid
Инструмент создания виртуального рабочего окружения. Скачать можно по ссылке: https://pypi.python.org/pypi/virtualenv
Теорема о разбиении регрессоров: делаем CUPED аб-тесты в один шаг
https://ift.tt/mlqIf4r
Здесь я не буду детально объяснять базовый алгоритм CUPED аб-тестирования: про это уже достаточно материала в сети. Основное внимание уделим рассмотрению метода через призму регрессий. Цель статьи - познакомить читателя с теоремой, безумно полезной для понимания работы регрессий, а главное - продемонстрировать, как с помощью этой теоремы проводить CUPED тесты не в три последовательных шага (как в базовом алгоритме), а с помощью одной регрессии.
SQLAlchemy - 2.0.35
https://ift.tt/OF0Shud
Библиотека работы с базами данных. Скачать можно по ссылке: https://pypi.python.org/pypi/SQLAlchemy/
Пошаговое руководство по созданию синтетических данных в Python
https://ift.tt/Tl4ChPc
Представьте: вы только что написали модель машинного обучения и вам нужно протестировать её работу в конкретном сценарии. Или вы собираетесь опубликовать научную статью о пользовательском решении в области Data Science, но имеющиеся датасеты нельзя использовать из-за юридических ограничений.
Сводка от pythonz 08.09.2024 — 15.09.2024
https://ift.tt/kjicphg
А теперь о том, что происходило в последнее время на других ресурсах.
Книги Python — рекомендации для вдумчивого изучения
https://ift.tt/CahoR27
Как хорошо вы знаете python? Вы только начали делать неуверенные шаги в изучении или уже беглого осмотра кода хватит, чтобы найти ошибки? Для совсем новичков и для настоящих профессионалов-питонистов! Для любой аудитории найдётся своя книга! Мы собрали 8 вспомогательных книг для тех, кто решил связать свою жизнь с python. Разнообразные книги для вдумчивого знакомства.
А/Б тестирование: множественная проверка гипотез
https://ift.tt/Mocnh65
Сегодня обсудим, как проверять много гипотез в одном эксперименте. Разберёмся, почему растут вероятности ошибок. Познакомимся с метриками множественного тестирования и поправками, которые позволяют их контролировать. Узнаем, как оценить необходимый размер групп и повысить чувствительность.
csv_trimming - Remove Common Ugliness From CSV Files
https://ift.tt/kWvHEgY