Собрали в одном месте самые важные ссылкичитайте нас в Twitter
Написание программ это веселый процесс. А вот повышение производительности - боль. Программы Python не являются исключением. Здесь я хотел бы показать вам, как можно быстро анализировать код Python, чтобы найти медленные части кода программы
В этой статье мы представим полный пример системы агрегации данных с помощью Python, событий S3 и DynamoDB.
В этой статье мы будем использовать реальные данные и попробуем визуализировать их с помощью 7 библиотек для визуализации.
Введение в async и await и асинхронное программирование
Как и многие любители путешествовать, я нахожу координаты достопримечательностей городов на сайте autotravel.ru (далее — сайт). Под свои нужды написал небольшую утилиту для скачивания файлов с достопримечательностями для последующей заливки в навигатор. Программа предельно простая, но работает именно так, как мне было нужно. Кроме того реализовано простейшее средство экономии времени загрузки и траффика — кэширование. Программа, которую я назвал AtTrackDownloader, написана на Python 3 с использованием Beautiful Soup — библиотеки для синтаксического разбора файлов HTML. Для графического интерфейса используется PyQt — просто потому, что я знаком с Qt.
Автор статьи указывает на основные отличия Python2 и Python3 с точки зрения пользователя (программиста).
Всем привет! Когда-то давно, еще года 4 назад, сидя в Бишкеке, я смотрел видео с конференции и думал, какие же докладчики крутые спецы и даже не думал, что сам попаду на эту конференцию, как докладчик. В этой статье я расскажу вам о том. как я подавал заявку, как готовился и как проходила сама конференция. Заявку подавал я 19 января этого года, а 5го октября ее одобрили. Радости, конечно же было много и пришла пора готовиться к докладу.
Программа, способная к логическим выводам в рамках поставленной задачи, может казаться техническим чудом и воплощением Скайнета. Но, как можно убедиться ниже, на сегодняшний день создать такую программу на языке Python не составит труда, если использовать семантические технологии. Мы остановимся на наглядном примере онтологий — родословных — и для любого члена семьи в родословной сможем выводить его родственные отношения произвольной сложности (она ограничена вычислительными ресурсами). К примеру, на фамильном древе семьи Романовых ниже показан внучатый двоюродный племянник (first cousin twice removed) российского императора Петра II.
Это достаточно вольный перевод статьи об основных новшествах асинхронного драйвера для mongodb используемого в tornado. Основной мотив, который послужил для написания этого перевода — новшества, появившиеся в этой версии, такие как поддержкаasyncio, async, await и Python 3.5. Сама статья не сколько перечисление новшеств, сколько лаконичные примеры асинхронной работы с MongoDB.
Matplotlib позволяет рисовать на графиках различные геометрические фигуры, стрелки, а также линии, заданные различными способами. В этой статье будут рассмотрены основные моменты, характерные для рисования различных геометрических фигур. В качестве примера будет рассматриваться скрипт, который рисует следующую картинку:
Статья описывает возможность использовать RAM в качестве хранилища для базы данных PostgreSQL. Что в свою очередь повышает скорость тестирования
Статья описывает пример использования Twillo для оповещения о событиях. В качестве события выбран проход МКС над пользователем.
Статья описывает как реализовать обработку жестов на Python. В качестве примера была выбрана игра Pacman. Автор с помощью жестов поиграл в нее
Знали что класс Response в Flask можно переоределить? А что эта операция вполне стандартна? И можно все преобразования ответа не дубликовать от функции к функции, а записать все в одном классе? Тогда эта статья будет интересна
from flask import Flask, Response class MyResponse(Response): pass app = Flask(__name__) app.response_class = MyResponse
Это вторая часть из цикла статей "Advanced Jupyter Notebook Tricks." В этой статье вы познакомитесь с возможностью Jupyter как создание интерактивных виджетов.
Иногда питоновский путь решения проблем со временем меняется. Например, подсчет элементов. В статье будет рассмотрено несколько способов подсчета элементов в списке и как в связи с этим менялся Pythonic-way. О производительности задумаемся позже
В последнее время Юра Селиванов (ага, тот самый автор PEP-492 aka async/await и MagicPython) работал над тем чтобы сделать asyncio побыстрее. Он взял libuv и построил с её помощью uvloop -- asyncio совместимый event loop. Результаты замера производительности здесь. Получается, что uvloop в 3.5 раза быстрее стандартного и в 1.25 раза обгоняет gevent. Т.е. абсолютный победитель по скорости в мире Python. Библиотека пока еще не имеет стабильной версии, скоро всё будет.