Собрали в одном месте самые важные ссылкии сделали Тренажер IT-инцидентов для DevOps/SRE
Напомним, что этот проект предоставляет платформу для решения учебных задач на разных языках программирования. По мнению создателей их рейтинга их рейтинг более объективный в сравнении с TIOBE по причине того, что отражает конкретную заинтересованность разработчиков. С другой стороны, может быть на python просто лаконичнее всего записывать решения задач?
Довольно интересный пример использования OpenCV для удаления фигур заданной формы с изображения. В примере удалены все эллипсы, а прямоугольники оставлены.
Краткий рассказ о целом наборе инструментов самой разной направленности, включая PyPy, Pyston, Nuitka, Cython, Numba
Автор статьи считает, что ни одна из приведенных им самим статей не описывает метаклассы так же доступно как делает он сам. Стоит дать ему шанс - попытка, как минимум, не плохая.
Да, иногда стоит публиковать, документировать и новые подходы к реализации тех или иных идей. Например, как организовать переменные именованные аргументы в базовом классе для пущей их расщиряемости
Думаю, многих из вас когда-либо посещала мысль «вот бы сохранить статьи с Хабра». Такая же мысль посетила и автора, более того он предлагает и описывает решение
Автор знакомит нас с модулем line_profiler и способом его применения для поиска проблем производительности
Довольно обширная статья с разжевыванием составляющих элементов и примерами кода
Приводится одно из возможных решений для проблемы со вспышкой однообразных сообщений об ошибках, которые заваливают почтовый ящик в некоторых специфических случаях с неудачным деплоем
Очень спорная статья о проблеме дистрибутирования кода на python, но все же хорошая тем, что указывает на то что проблема есть - система дистрибутирования в python неудобная, архаичная и не для людей. Другое дело, что и приводимый в пример npm не многим лучше.
Обещается серия статей о том как написать игру "Змейка" на фреймворке Kivy и подготовить из него приложение для Android. Уже доступны вторая и третья части.
Еще одна статья, с попыткой понять почему GIL не всегда плохо и как решаются задачи, в которых все-таки нужно обойти ограничения как GIL, так и производительности собственно и реализации языковых конструкций Python
Рассматриваются тонкости проксирования объектов, необходимого для обертки ленивыми вычислениями уже имеющихся объектов и функций
Проект интересен тем, что из коробки дает нам доступ к качественной реализации сложных алгоритмов (потоки, сеть, GUI, числовые, машинное обучение, обработка изображений, сжатие данных и т.д.), а главное с неплохой документацией.
Основное применение метаклассов, по мнению автора, это выставление соответствия неких простых идентификаторов (например строк-имен классов при сериализации) соответствующим классам. Как именно это происходит и описывается в данной статье.
Небольшой рассказ о подходе к решению это весьма сложной и многоплановой задачи, а также краткое знакомство с PyEnsembl
В этом посте описано, как можно проверять работоспособность приложений на bottle. Приведены не только базовые примеры, но и показан простой проект с покрытием тестами. Рассмотрены несколько способов тестирования, а также библиотека webtest
Их далеко не три, но автор остановился на нескольких особенно ему не понравившихся
Ответ на вопрос о принципиальной возможности сделать это на основе Bottle
Рецепт конфигурирования для совместной работы Django, Postgres, Redis, и Rabbitmq и запуска всего этого добра в Docker-контейнере