IT-новости про Python, которые стоит знать

Собрали в одном месте самые важные ссылки
консультируем про IT, Python

     18.12.2016       Выпуск 156 (12.12.2016 - 18.12.2016)       Статьи
     16.12.2016       Выпуск 156 (12.12.2016 - 18.12.2016)       Статьи

Обработка событий мыши и клавиатуры на графиках Matplotlib

Иногда при использовании библиотеки Matplotlib требуется добавить возможность пользователю взаимодействовать с нарисованным графиком — выделять интересующие области, перетаскивать объекты на графике и т.п. Для подобных задач библиотека Matplotlib позволяет обрабатывать различные события, связанные с действиями мышью и нажатиями клавиш. 

     15.12.2016       Выпуск 156 (12.12.2016 - 18.12.2016)       Статьи
     15.12.2016       Выпуск 156 (12.12.2016 - 18.12.2016)       Статьи

Отладка вашей ОС: урок по выделению памяти

Всё началось, как и многие другие расследования, с баг-репорта.

Название отчёта было довольно простым: «При HTTP-подключении iter_content медленно работает с чанками большого размера». Подобное название немедленно включило у меня в голове сирену по двум причинам. Во-первых, довольно сложно определить, что здесь означает «медленно»? Насколько медленно? Насколько велик «большой размер»? Во-вторых, если бы описанное проявлялось действительно серьёзно, то мы бы об этом уже знали. Метод iter_content используется давно, и если бы он существенно притормаживал в распространённом пользовательском режиме, то мимо нас такая информация не прошла бы.

     14.12.2016       Выпуск 156 (12.12.2016 - 18.12.2016)       Статьи
     14.12.2016       Выпуск 156 (12.12.2016 - 18.12.2016)       Статьи

Синтаксический анализ текстов с помощью SyntaxNet

Для одной из задач мне понадобился синтаксический анализатор русскоязычных текстов. Что это такое. Например, у нас есть предложение «Мама мыла раму». Нам нужно получить связи слов в этом предложении в виде дерева.
Из этого дерева понятно, что связаны слова «мама» и «мыла», а также «мыла» и «раму», а слова «мама» и «раму» напрямую не связаны.

     13.12.2016       Выпуск 156 (12.12.2016 - 18.12.2016)       Статьи

Python 3.6: быстрый обзор

Python 3.6. выйдет 23 декабря, пора разобраться, что нас ожидает

     13.12.2016       Выпуск 156 (12.12.2016 - 18.12.2016)       Статьи
     12.12.2016       Выпуск 156 (12.12.2016 - 18.12.2016)       Статьи
     12.12.2016       Выпуск 156 (12.12.2016 - 18.12.2016)       Статьи
     12.12.2016       Выпуск 156 (12.12.2016 - 18.12.2016)       Статьи

Миллион строк в секунду из Postgres с помощью Python

asyncpg — новая Python open-source библиотека для работы с PostgreSQL. Она была написана с использованием asyncio и Python 3.5. asyncpg — самый быстрый драйвер для работы с PostgreSQL среди похожих реализаций на Python, NodeJS и Go.

     12.12.2016       Выпуск 156 (12.12.2016 - 18.12.2016)       Статьи

Сравнение стратегий игры 2048

2048 — игра появившаяся в 2014ом году и быстро ставшая популярной убивалкой времени. Простые правила игры только подталкивают игроков к созданию клонов, ботов и выигрышных стратегий. В том числе и на Хабре. (Клонботстратегия) В этой статье рассказывается про удобный инструмент оценки стратегий игры и примеры его работы на нескольких ботах.

     11.12.2016       Выпуск 155 (05.12.2016 - 11.12.2016)       Статьи

Декларативная конфигурация пакетов Питона

О новых возможностях, предлагаемых setuptools, для декларативного конфигурирования пакетов ваших приложений на Питоне.

Рад сообщить, что, начиная с версии 30.4.0 setuptools поддерживает конфигурирование пакетов приложений в файлах конфигурации, например, setup.cfg.

     11.12.2016       Выпуск 155 (05.12.2016 - 11.12.2016)       Статьи
     11.12.2016       Выпуск 155 (05.12.2016 - 11.12.2016)       Статьи
     11.12.2016       Выпуск 155 (05.12.2016 - 11.12.2016)       Статьи

Сравнение производительности GPU-расчетов на Python и C

Python обладает рядом привлекательных преимуществ к которым относится простота реализации программных решений, наглядность и лаконичность кода, наличие большого числа библиотек и многочисленного активного комьюнити. В то же время, известная всем медлительность питона часто ограничивает его применимость для “тяжелых” вычислений. Для ряда задач можно добиться существенного ускорения расчетов путем использования технологии CUDA для параллельных вычислений на GPU. Цель этого небольшого исследования — анализ возможностей эффективного использования python для расчетов на GPU и сравнение производительности различных python-решений с реализацией на C.