IT-новости про Python, которые стоит знать

Собрали в одном месте самые важные ссылки
и сделали Тренажер IT-инцидентов для DevOps/SRE

     29.10.2015       Выпуск 97 (26.10.2015 - 01.11.2015)       Статьи

PyTest

По историческому призванию я SQL-щик. Однако судьба занесла меня на BigData и после этого понесла кривая — я освоил и Java, и Python, и функциональное программирование (изучение Scala стоит в списке). Собственно на одном из кусков проекта встала необходимость тестирования кода на Python. Ребята из QA посоветовали для этих целей PyTest, но даже они затруднились толком ответить чем этот зверь хорош. К сожалению, в русскоязычном сегменте информации по данному вопросу не так уж и много: как это используют в Yandex да и все по-хорошему. При этом описанное в этой статье выглядит достаточно сложно для человека начинающего путешествие по этой стезе. Не говоря уже об официальной документации — она приобрела для меня смысл лишь после того, как я разобрался с самим модулем по другим источникам. Не спорю, там написаны интересные вещи, но, к сожалению, совсем не для старта.

     29.10.2015       Выпуск 97 (26.10.2015 - 01.11.2015)       Интересные проекты, инструменты, библиотеки

Legofy – превращаем изображение в лего-подобное

Библиотека для превращения изображения в лего-подобную

Before After

     31.10.2015       Выпуск 97 (26.10.2015 - 01.11.2015)       Релизы

PyPy 4.0.0

В отличие от прошлых выпусков, в версии PyPy 4.0 впервые наблюдается снижение производительности: новый выпуск в среднем на 1.5% медленнее прошлой версии PyPy, но по-прежнему в 7 раз быстрее классического CPython 2.7.

     29.10.2015       Выпуск 97 (26.10.2015 - 01.11.2015)       Интересные проекты, инструменты, библиотеки

libtree - деревья в Python

Библиотека позволяет организовать работу с деревьями. Это будет очень просто и производительно. НО! Используется БД - Postgresql

     28.10.2015       Выпуск 97 (26.10.2015 - 01.11.2015)       Колонка автора

Пишем web-проекты: Погружение в полнотекстовый поиск, используя Python

Чем больше/непонятней сайт, тем чаще используют поиск. В докладе Андрея Солдатенко вы сможете узнать как организовать хороший поиск по вашему сайту

https://www.youtube.com/watch?v=vXl7EEURfO8

     28.10.2015       Выпуск 97 (26.10.2015 - 01.11.2015)       Интересные проекты, инструменты, библиотеки

stackanswers.vim - плагин для vim, получаем ответы со stackoverflow прям из редактора

Проект служит хорошим примером соединения vimL (языка Vim) и Python для создания плагина.

     27.10.2015       Выпуск 97 (26.10.2015 - 01.11.2015)       Интересные проекты, инструменты, библиотеки

agate - анализ данных для людей

agate - библиотека для анализа данных, которая оптимизируется для людей, а не для машин. При использовании agate множество рутинных задач берет на себя автоматика предоставляя наружу понятный API

     27.10.2015       Выпуск 97 (26.10.2015 - 01.11.2015)       Колонка автора

Учебные материалы: Куда ползёт питон?

Чем Python и его экосистема отличается от других языков программирования? Какая у Python ниша? Какие сильные и слабые стороны у языка и батареек? На все эти вопросы Григорий попробует ответить в своём обзорном докладе, рассказывающем о том, куда ползёт Python в 2015 году

https://www.youtube.com/watch?v=_79KfX-3sQc

     26.10.2015       Выпуск 97 (26.10.2015 - 01.11.2015)       Интересные проекты, инструменты, библиотеки

memorpy - редактируем память windows программ на лету

memorpy с помощью ctypes позволяет находить запущенные программы на Windows и редактировать их блоки памяти.

     26.10.2015       Выпуск 97 (26.10.2015 - 01.11.2015)       Колонка автора

Синтаксис Python: raw-unicode-escape против u'\xd0\x9a'

ython 2 и проблемы с кодировками — это единое целое. И мало, что сами файлы с исходниками сохраняют в самых разных кодировках, так и текстовые файлы с данными этим грешат. Казалось бы, используйencode/decode и что тут думать. Но бывает, что декодируешь юникод и получаешь строку:

u'\xd0\x9a\xd1\x83\xd1\x80\xd1\x83\xd0\xbc\xd0\xbe\xd1\x87'

     25.10.2015       Выпуск 96 (19.10.2015 - 25.10.2015)       Статьи

Как подружить AWS Lambda и PostgreSQL

С недавних пор в сервисе AWS Lambda появилась нативная поддержка Python 2.7. Для тех, кто не в курсе, что такое AWS Lambda, отсылаю к статье на хабре. Основное преимущество использования сервиса — создание масштабируемой беcсерверной архитектуры. В данной статье я расскажу о способе подружить AWS Lambda и PostgreSQL.

 

     25.10.2015       Выпуск 96 (19.10.2015 - 25.10.2015)       Статьи

Андрей Светлов — MagicPython -- Syntax Highlighter для SublimeText

Мой приятель Юра Селиванов попросил написать рекламный пост о его новом проекте MagicPython.

Это syntax highlighter для Sublime Text и Atom, который поддерживает все новые языковые конструкции Python 3.5 (async def и await например) плюс type annotations, string formatting и регулярные выражения.

Sublime поддерживает Python из коробки, но с Python 3 (а особенно с Python 3.5) у него проблемы. MagicPython понимает всё.
Разметка шаблонов для форматирования строк и регулярок заслуживает отдельного упоминания -- выглядит прекрасно и заметно облегчает жизнь.

     24.10.2015       Выпуск 96 (19.10.2015 - 25.10.2015)       Колонка автора

Таинство стандартной библиотеки: zipimport - импортируем код из zip файлов

Еще в далеком Python 2.3 был добавлен модуль zipimport. Этот модуль упростил возможность импорта изzip файлов:

     26.10.2015       Выпуск 96 (19.10.2015 - 25.10.2015)       Колонка автора

Таинство стандартной библиотеки: timeit - измерим время работы!

Представим мы придумали алгоритм, на пальцах оценили его быстродействие, закодили и получили медленно работающий софт. Что делать? куда бежать? С чего стоит начать? Да сначала стоит измерить сколько ресурсов (память, время, проц) кушает ваш софт. Уже имея числа на руках можно думать дальше. Для измерения временных затрат для вашего кода можно воспользоваться библиотекой timeit. А другие ресурсы измерим в след. раз. Она позволяет измерить время работы куска кода программы:

     26.10.2015       Выпуск 96 (19.10.2015 - 25.10.2015)       Колонка автора

Математика в Python: Матрицы в NumPy

Списки - встроенный тип Python, могут содержать любые элементы: целые, дробные числа, строки, объекты. Это великая сила Python, но в то же время и слабость — в отношении скорости работы. В стандартные дистрибутивы Python входит модуль array, реализующий аналог массивов C/C++, он может пригодиться для простейших расчётов с многомерными массивами, матрицами. NumPy — мощнейшая библиотека для научных вычислений. Написать здесь операции с матрицами так же просто, как и с обычными числами. Матрица в NumPy — это объект numpy.array, массив чисел одного типа, какой угодно размерности: 0 (одно число, скаляр), 1 (вектор), 2 (матрица), 3 (тензор третьего ранга)...