ServerStatsBot - Telegram bot для сбора и мониторинга статуса сервера

do-latency - проверяем latency разных регионов Digital Ocean

pytrader - торговый бот для криптовалют

EuroPython 2016: более 150 докладов ждут тебя

Путь джедая: comprehensions в Python

По ссылке вы найдете тутриал про comprehensions в Python, все это на примерах с отсылками к Звездным Войнам

Пример кода: утилита для сравнения двух файлов example utils CLI

yoton - декоратор добавляющий кэш для функций

@yoton.cache(key_pattern="dummy_cache_key", expire_seconds=60)
def dummy_func():
    return "hello"

>> dummy_func()  # call the function
"hello" set in the cache

scrapyjs - поддержка JavaScript для Scrapy используя Splash

python-diskcache - кэш на базе файлов для Python

In [1]: import pylibmc
In [2]: client = pylibmc.Client(['127.0.0.1'], binary=True)
In [3]: client[b'key'] = b'value'
In [4]: %timeit client[b'key']

10000 loops, best of 3: 25.4 µs per loop

In [5]: import diskcache as dc
In [6]: cache = dc.Cache('tmp')
In [7]: cache[b'key'] = b'value'
In [8]: %timeit cache[b'key']

100000 loops, best of 3: 11.8 µs per loop

pysqlite - 2.8.2

Python DB-API модуль для SQLite 3.. Изменения описаны по ссылке https://allmychanges.com/p/python/pysqlite/#2.8.2. Скачать можно по ссылке: https://pypi.python.org/pypi/pysqlite

PyonR - реализация Python для Racket

General_Deep_Q_RL - General deep Q learning framework

channels-examples - пример проекта сиспользованием Django Channels

Python 201 – OrderedDict std syntax dict

Используем Selenium и Python для создания скриншотов сайтов с тяжелым javascript

Raspberry Pi & Python Internet 'Thing' pt. 1

Наконец-то, Real-Time Django: введение в Django Channels

Функциональное программирование: концепции, идиомы и философия fp atd functional programming functools immutable functor idiom monad

Авторизация на основе токенов с помощью Django и React

Прогнозирование с помощью PySpark используя MLlib и ML пакеты

Процесс прогнозирования в значительной степени зависит от данных и часто использует передовые методы машинного обучения. В этой статье мы посмотрим разновидности данных, как делать некоторый предварительный анализ данных, а также как генерировать модели прогнозирования оттока абонентов - все с помощью PySpark и ее рамках машинного обучения.