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
Давайте сделаем крупное приложение на Flask (язык Python)
https://ift.tt/OgGhu4C
Я объединил все эти фичи в реальный проект с открытым исходным кодом, чтобы у вас сложилась целостная картина. Мы с вами создадим UX/UI на Figma, напишем фронтенд на HTML, CSS, SASS, Bootstrap и JavaScript, создадим ER-диаграмму в MySQL Workbench, напишем бекэнд на Flask, создадим регистрацию через социальные сети OAuth 2.0 в один клик, используем брокер сообщений и асинхронную очередь Celery для отправки писем на электронную почту, сделаем WYSIWYG-редактор, реализуем полнотекстовый поиск Elasticsearch, закешируем Redis, покроем тестами pytest и запустим в Docker-контейнерах, поговорим о многопроцессности для WSGI-шлюза Gunicorn.
SQLAlchemy - 2.0.32
https://ift.tt/5rhdQ79
Библиотека работы с базами данных. Скачать можно по ссылке: https://pypi.python.org/pypi/SQLAlchemy/
Различные вычисления, многопоточность, асинхронность и мультипроцессность в Python
https://ift.tt/Lnq9so2
Эта статья рассчитана на людей, которые уже знакомы с Python, хотя бы на уровне junior+. Я объясню, какие есть отличия и особенности в многопоточности, асинхронности и мультипроцессорности в Python, где и когда они используются. Как говорится в пословице: «Всё познаётся в сравнении», именно в таком стиле я подготовил примеры. Кроме этого, буду специально делать ошибки и рассматривать неправильные подходы, чтобы можно было сразу разобраться, убедиться и запомнить, почему так делать нельзя и какой другой подход в этом случае нужно использовать.
FastHTML – Modern web applications in pure Python
https://fastht.ml/
Сводка от pythonz net 28.07.2024 — 04.08.2024
https://ift.tt/HD5tcpm
А теперь о том, что происходило в последнее время на других ресурсах.
HowTo: базовая геоаналитика
https://ift.tt/aI9bdr8
Хочу поделиться примером‑инструкцией как получить инсайты из геоданных без регистрации, смс (только open‑source и бесплатные инструменты: OSM, python, Портал открытых данных Правительства Москвы, DataLens). Как сделать так, чтобы дашборд не "умер" от количества точек и тяжелых полигонов, работал сравнительно быстро и давал пользователю представление общей картины.
flake8 - 7.1.1
https://ift.tt/Iuz6VTF
Модуль проверки форматирования кода. Скачать можно по ссылке: https://pypi.python.org/pypi/flake8/
[Видео] Опыт обучения и прим. нейросетей.
https://www.youtube.com/watch?v=VMDWjJoT8yE
Опыт обучения и применения нейросетей в качестве модуля российской DCAP системы. Для анализа неструктурированных данных необходимо применять нейросети. Я хочу рассказать о проблемах, с которыми мы столкнулись при создании нейросетей, от этапа сбора и разметки данных и до создания нескольких микросервисов. Слайды: https://ift.tt/QTYfWm9
[Видео] Pythonoкартография
https://www.youtube.com/watch?v=3nB1IMQx21Q
Pythonoкартография, или как заставить беспилотный автомобиль соблюдать ПДД Рассмотрю кейсы использования Python для создания высокоточных карт (HDMap) в беспилотной технологии и как мы автоматизируем большое количество задач по оцифровке локаций SberAuotTech. Слайды: https://ift.tt/7wNBl8F
Python in Visual Studio Code – August 2024 Release
https://ift.tt/6wTqxfZ
Моржовый оператор := в Python
https://ift.tt/SH7Do93
В Python 3.8 появился моржовый оператор (:=), который стал причиной бурных споров в сообществе. О нем и пойдет речь в этой статье. А начнем мы с истории о том, как моржовый оператор довел Гвидо ван Россума, создателя Python, до ухода с должности "великодушного пожизненного диктатора" проекта по разработке языка.
django-sql-explorer - Share Data With SQL Queries
https://ift.tt/quVwUAl
Как ускорить интеграцию API с помощью библиотеки и продвигать свои услуги
https://ift.tt/ea1qUci
В этой статье я рассмотрю практику использования библиотек разработчиками на разных языках программирования для упрощения интеграции с API.
Опыт автоматизации рутины: подсчет спецификации при помощи python
https://ift.tt/CeL18qS
Так случилось, что работал я инженером-проектировщиком в небольшой компании, занимающейся архитектурным освещением. Работа включала в том числе разработку узлов крепления светильников, что требовало, заодно, посчитать все элементы для этого требующиеся. Подсчет в редакторе таблиц без применения макросов меня решительно не устраивал. Найденные альтернативы были слишком громоздкими и/или платными. Так я и пришел к идее взяться за программирование и изобрести свой велосипед.
fabiocaccamo/django-colorfield
https://ift.tt/unXxHhB
A color field for Django models with a nice color-picker in the admin.
Как оптимизировать аккумуляторную батарею
https://ift.tt/dx6kHge
Сразу оговорюсь, что в статье речь пойдёт преимущественно о теоретической стороне проектирования батарей, нежели о практических рекомендациях по исправлению их технических проблем — жаль разочаровывать тех, кого больше интересует последнее.
История оптимизации Python сервиса: пара простых системных улучшений
https://ift.tt/gRGUnAq
В двух предыдущих статьях здесь и тут мы рассказывали историю создания одного из компонентов платформы экспериментов в компании. В тех статьях говорилось о множестве изменений и улучшений, которые претерпел Python-код, чтобы работать достаточно быстро. Но как бы качественно не был написан код, все усилия могут сойти на нет, если он будет запущен в неправильной среде. В этой статье продолжим рассказ об оптимизациях и улучшениях, но в этот раз речь будет идти не столько об особенностях предметной области и решаемой бизнес-задачи, сколько о том, как мы архитектурно организовали работу сервиса для получения минимального времени ответа.
aiohttp - 3.10.1
https://ift.tt/4HOEtPu
http клиент/сервер для asyncio. Скачать можно по ссылке: https://pypi.python.org/pypi/aiohttp
#python #pydigest
IT-новости про Python перед вами.
Часть материалов из выпуска Python Дайджест:
- История оптимизации Python сервиса: пара простых системных улучшений
- Коррекция искажений широкоугольного объектива с помощью прямых линий
- HowTo: базовая геоаналитика
- [Видео] Pythonoкартография
- [Видео] Распознать за 3 секунды. Узнать автоответчик до тарификации
- [Видео] Разблокируй это! Что такое nogil?
- [Видео] Управление пакетами — хорошее, плохое, злое?
- FastHTML – Modern web applications in pure Python
- django-taggit - 6.0.0
- Nuitka 2.4
Заходите в гости - https://pythondigest.ru/issue/555/
Python 3.13.0 release candidate 1
https://ift.tt/6lrgNbB
coverage - 7.6.1
https://ift.tt/XSQZ1dP
Утилита позволяющая измерить процент покрытия тестами. Скачать можно по ссылке: https://pypi.python.org/pypi/coverage/
[Видео] Переиспользование go-шной библиотеки малой кровью.
https://www.youtube.com/watch?v=uQh9LEi0C5M
В этом докладе будет рассказ о том, как ленивые разработчики не захотели писать и поддерживать один и тот же фукнционал на языках Golang и Python, и решили вызывать гошный код из питона. Какой подход обмена структурами можно использовать, если методы принимают и возвращают "сложные структуры"? Сильно ли отличается скорость выполнения нативной реализации на питоне от примененного подхода? Слайды: https://ift.tt/ypnwzhm
Коррекция искажений широкоугольного объектива с помощью прямых линий
https://ift.tt/i0SdjRN
Введение в MLflow
https://ift.tt/Be3k4pT
MLflow - это инструмент для управления жизненным циклом машинного обучения: отслеживание экспериментов, управление и деплой моделей и проектов. В этом руководстве мы посмотрим, как организовать эксперименты и запуски, оптимизировать гиперпараметры с помощью optuna, сравнивать модели и выбирать лучшие параметры. Также рассмотрим логирование моделей, использование их в разных форматах, упаковку проекта в MLproject и установку удаленного Tracking Server MLflow.
django-filter - 24.3
https://ift.tt/YmChq1v
Django-приложение для гибкой фильтрации объектов модели (querysets). Скачать можно по ссылке: https://pypi.python.org/pypi/django-filter/
Быстрая оценка эффекта рекламы/события на ключевые показатели: Python + Causal Impact
https://ift.tt/N5T4sx6
Сегодня я хочу поделиться, пожалуй, самым простым и быстрым способом оценки эффекта рекламы/события на ключевые показатели. Способ заключается в использовании библиотеки pycausalimpact для Python.
Кастомные email-оповещения в Apache Airflow
https://ift.tt/gBXD2K6
Они должны собирать необходимую информацию на всех стадиях пайплайна, то есть в каждой из задач DAG'a, а в зависимости от успешного выполнения или при отклонении алгоритма, формировать тело email-сообщения. Например: в задаче происходит ошибка валидации данных и в этом случае должна сообщаться конкретная причина падения DAG. Информация должна быть полезной и понятной для бизнеса.