Почему я не люблю конфигурацию в django-style

Автор библиотеки aiohttp делится своим мнением по поводу правильности и неправильности организации конфигов в приложении

Масштабируем Python

В этот раз о производительности и прожорливости синтаксических конструкций, а не о способах оптимизации за счет сторонних инструментов

Pipelining - удачная модель обработки данных

Рассказ об этапах и задачах эффективной, масштабируемой и поддерживаемой модели обработки данных

Эффективная векторизация в PyPy

Описание того что это, для чего нужно и как работает

Изучаем новые функции postgres в Django 1.8

Разгадываем картинку из твиттера компании Intel

Имеется страшилка, обладающая невероятным количеством подчеркиваний, лямбд и чрезвычайно редкой функцией __import__. Автор разбирается в то что это за зверь и что он делает?

Введение в механику разбора данных из внешних источников с помощью Requests

Хороший тест, плохой тест

Попытка развенчать некоторые мифы о unit-тестах (100% Coverage, много ассертов на тест, скорость моков)

R vs Python в научных вычислениях

В русском языке еще нет устоявшегося термина Data Scienсe, но статья именно об этом.

Потенциальные проблемы в коде

Еще один хороший обзор приемов, которые не следуют применять в трезвом уме и здравой памяти

PyGrabbit - извлекаем правильные картинки с сайтов

Библиотека автоматизирующая поиск главной картинки на web-странице

В чем привлекательность языков с динамической типизацией?

Развернутый ответ на этот вопрос в качестве полемики к наблюдающейся тенденции ввода статической типизации

Автоматическая генерация requirements.txt на основе импортов

Небольшая реклама модуля pipreqs подходящего для редких случаев когда virtualenv не используется или используется не для одного этого проекта

Визуализация путешествия по Европе

Как пример эффективного применения самых разных иструментов, включая Python и matplotlib

Руководство по созданию проекта Django 1.8 и Python 3

Довольно большое и подробное руководство на примере сложного приложения

Работа с файлами в формате Excel

Небольшой примерчик использования openpyxl

Python 3 в науке - начинается большая миграция!

По исследованию автора можно сделать вывод, что перед python3 все-же брезжит свет

Обработка потоков данных на Spark и Kafka

Знакомство с семейством модулей pyspark на основе решения практической задачи

Проверяем анаграммы

Обзор решений задачи о проверки анаграмм на СheckIO

Отрисовка IPython notebooks прямо на GitHub

Интерактивные тетради IPython и Jupyter теперь визуализируются прямо на Github.
Jupyter — молодой проект, основанный на платформо-независимой части IPython, который предоставляет удобный инструмент для научных и статистических расчетов в виде «интерактивных тетрадей» (notebooks). Ранее интерактивные тетради можно было создавать и просматривать с помощью nbviewer (nbviewer.jupyter.org), теперь они рендерятся прямо в репозитории. Движок рендеринга поддерживает Python, Julia и R, работает в публичных и приватных репозиториях и интегрируется с nbviewer.