История одного тестового задания

Рассказ о сражении с довольно непростым тестовым заданием для соискателя должности разработчика на Python

Pipelining - удачная модель обработки данных

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

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?

Эффективная векторизация в PyPy

Описание того что это, для чего нужно и как работает

R vs Python в научных вычислениях

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

Pusher 1.1.3

Python-библиотека для работы с сервисом push-уведомлений объявила о улучшениях http модуля, а значит улушении производительности для приложений работающих в режиме реального времени

Список python-биндингов к различным сервисам

Впечатляющая портянка начиная от Amazon до Pirate Bay

Хороший тест, плохой тест

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

Введение в механику разбора данных из внешних источников с помощью Requests

Изучаем новые функции postgres в Django 1.8

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

Потенциальные проблемы в коде

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

Визуализация путешествия по Европе

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

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

Руководство по созданию проекта Django 1.8 и Python 3

Довольно большое и подробное руководство на примере сложного приложения

Python 3 в науке - начинается большая миграция!

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

Работа с файлами в формате Excel

Небольшой примерчик использования openpyxl

Обработка потоков данных на Spark и Kafka

Знакомство с семейством модулей pyspark на основе решения практической задачи

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.