Собрали в одном месте самые важные ссылкии сделали Тренажер IT-инцидентов для DevOps/SRE
Анонсирован выпуск пакета обновлений с исправлениями ошибок для популярной Python-IDE
Предлагает API для выборки данных со сторонних ресурсов и вебинтерфейс для контроля и управления многими аспектами этого процесса
Подборка модулей и инструментов упрощающих задачу замера эффективности кода на python
Предлагается обрабатывать данные порциями способными уместиться в памяти с помощью модуля multiprocessing и его встроенного механизма очередей
При авторизации по ключи через Paramico существует задача поиска нужного ssh-ключа для данного хоста по слепку (fingerprint). Данная статья вкратце объясняет как это сделать наиболее простым путем.
Подробное руководство о том как найти нужный прямоугольник и выделить из него данные с помощью модулей cv2 и numpy
Краткая, но достаточно емкая статья и пример проекта на github
Практический пример использования Cython для ускорения вычислительных алгоритмов
Точнее говоря, модуль позволяет не заботиться об активации, если следовать определенным соглашениям
Имеется в виду применение модуля logging и по замерам автора - даже в режиме CRITICAL (грубо говоря вообще без записи в лог) дает сильное падение производительности. Следует иметь это в виду и проверить свои приложения.
Основная идея проекта CFFI - сделать внешние интерфейсы, в виде функций написанных на C, просто доступными из python. В данной статье рассказывается о том как распространить для конечных пользователей ваш проект основанный на использовании CFFI
Имеется в виду использование python в качестве скриптового языка для ваших приложений на C#
Динамическая проверка типов данных передаваемых в функцию на основе специального декоратора и аннотаций из PEP3107
Data Science подразумевает некоторый набор методов и задач для обработки и анализа данных. В настоящее время в этом направлении нашел очень хорошее приложение язык программирования python и существует множество удобных и интересных инструментов, о которых и рассказывается в статье.
Несколько хороших рекомендаций, которые следует держать в голове, чтобы не вносить не вынужденных потерь производительности кода.
Белорусские Python’исты в этом году отметили Хэллоуин вместе, на Python Meetup. Так получилось, что последняя пятница месяца выпала как раз на 31 октября. Это, конечно, не могло не сказаться на формате проведения встречи. Духи играли с техникой, а наши докладчики рассказывали об асинхронной работе в JavaScript и Python, преимуществах open source ERP и CRM системы Odoo и жаловались, как же не просто быть хорошим программистом, но плохим человеком.
Перевод статьи «Should Everybody Learn to Code?», которая показалась переводчику с хабры (и не одному ему) заслуживающей внимания.
Собственно поиск перестановок и комбинаций в итеративном режиме (без предварительной генерации полного набора данных)
Вкратце: что-то вроде городской легенды. Если искать сложные темы по программированию в гуглопоиске, то вам могут предложить (среди прочего) решить интерактивный тест и если он будет успешно пройден, то не исключено, что с вами свяжется Google по поводу трудоустройства
Разбирается конкретная задача unit-тестирования, основные ошибки, которые допускают при ее решении и рекомендации о том куда смотреть, чтобы эти ошибки не допускать