Собрали в одном месте самые важные ссылкии сделали Тренажер IT-инцидентов для DevOps/SRE
Предлагается обрабатывать данные порциями способными уместиться в памяти с помощью модуля multiprocessing и его встроенного механизма очередей
В учебнике подробно рассматриваются, объясняются и анализируются наиболее часто используемые структуры данных и алгоритмы. Изложение идёт от простого (что такое алгоритм, как оценить его производительность) к сложному (деревья, графы) с живыми примерами и кодом.
Упражнение на тему замыканий, декораторов и области видимости в Python
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.
Практический пример использования Cython для ускорения вычислительных алгоритмов
Подняты вопросы отличия использования Python для web-разработки по сравнению с оной на PHP
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
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.
Несколько хороших рекомендаций, которые следует держать в голове, чтобы не вносить не вынужденных потерь производительности кода.
Динамическая проверка типов данных передаваемых в функцию на основе специального декоратора и аннотаций из PEP3107
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#
Собственно поиск перестановок и комбинаций в итеративном режиме (без предварительной генерации полного набора данных)
Перевод статьи «Should Everybody Learn to Code?», которая показалась переводчику с хабры (и не одному ему) заслуживающей внимания.
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.
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.
Продолжение перевода статей о Django с сайта effectivedjango.com. Этот цикл статей, по мнению автора перевода, будет полезен веб-разработчикам, которые делают только первые шаги в изучении Django
В этой версии разработчики сделали упор на инструменты для научного программирования, такие как поддержка IPython Notebook прямо в PyCharm и просмотрщик массивов NumPy. Одновременно с этим добавили улучшенную поддержку кода, написанного с использованием библиотеки NumPy и включили поддержку matplotlib в интегрированной консоли Python.