Pros and Cons of Dynamic Languages

This conversation is around Luke Plant’s excellent article Python’s “Disappointing” Superpowers that describes specific uses of Python’s dynamic capabilities that wouldn’t be possible in a static typed language.

Three Python Trends in 2023

Python/Rust co-projects, web apps, and more typing

UpTrain - Your open-source ML monitoring and refinement toolkit

redis - 4.5.1

Python клиент для Redis. Изменения описаны по ссылке https://pypi.org/project/redis/4.5.1/. Скачать можно по ссылке: http://pypi.python.org/pypi/redis/

virtualenv - 20.19.0

Инструмент создания виртуального рабочего окружения. Изменения описаны по ссылке https://pypi.org/project/virtualenv/20.19.0/. Скачать можно по ссылке: https://pypi.python.org/pypi/virtualenv

anywidget Custom jupyter widgets made easy.

AudioLDM - Generate speech, sound effects, music and beyond, with text

Migrating from Flask to FastAPI, Part 1

Python in Visual Studio Code – February 2023 Release

django-admin-confirm - a mixin for ModelAdmin that adds confirmations to changes, additions and actions

Python⇒Speed: Don't bother trying to estimate Pandas memory usage

You have a file with data you want to process with Pandas, and you want to make sure you won’t run out of memory. How do you estimate memory usage given the file size? At times you may see estimates like these: “Have 5 to 10 times as much RAM as the size of your dataset”, or “several times the size of your dataset”, or 2×-3× the size of the dataset. All of these estimates can both under- and over-estimate memory usage, depending on the situation. In fact, I will go so far as to say that estimating memory usage is just not worth doing. In particular, this article will: Demonstrate the very broad range of memory usage you will see just from loading the data, before any processing is done. Cover alternative approaches to estimation: measurement and streaming.

Django security releases: 4.1.6, 4.0.9, and 3.2.17

numpy - 1.24.2

Модуль для работы с многомерными массивами. Изменения описаны по ссылке https://pypi.org/project/numpy/1.24.2/. Скачать можно по ссылке: http://pypi.python.org/pypi/numpy/

simplejson - 3.18.3

Простой, быстрый, расширяемый JSON кодер / декодер для Python. Изменения описаны по ссылке https://pypi.org/project/simplejson/3.18.3/. Скачать можно по ссылке: http://pypi.python.org/pypi/simplejson/

pylint - 2.16.1

Статический анализатор Python-кода. Изменения описаны по ссылке https://pypi.org/project/pylint/2.16.1/. Скачать можно по ссылке: http://pypi.python.org/pypi/pylint/

scrapy - 2.8.0

Гибкий фреймворк для написания web-пауков (парсеров). Изменения описаны по ссылке https://pypi.org/project/scrapy/2.8.0/. Скачать можно по ссылке: https://pypi.python.org/pypi/scrapy

python-benedict - Dict Subclass With Keylist/Keypath Support

SQLAlchemy - 2.0.1

Библиотека работы с базами данных. Изменения описаны по ссылке https://pypi.org/project/sqlalchemy/2.0.1/. Скачать можно по ссылке: http://pypi.python.org/pypi/SQLAlchemy/

Django - 3.2.17

Мощный web-фреймворк. Изменения описаны по ссылке https://pypi.org/project/django/3.2.17/. Скачать можно по ссылке: http://pypi.python.org/pypi/Django/

beautifulsoup4 - 4.11.2

XML/HTML парсер. Изменения описаны по ссылке https://pypi.org/project/beautifulsoup4/4.11.2/. Скачать можно по ссылке: https://pypi.python.org/pypi/beautifulsoup4/