Собрали в одном месте самые важные ссылки
читайте нас в Telegram
Модуль для легковесных потоков в Python. Скачать можно по ссылке: https://pypi.python.org/pypi/greenlet/
(26.12.2016 - 01.01.2017)
Хочу поделиться опытом портирования проекта с Python 2.7 на Python 3.5. Необычными засадами и прочими интересными нюансами.
Язык программирования Python очень востребован на современном рынке, он развивается изо дня в день, и вокруг него сложилось активное сообщество. Во избежание конфликтов между разработчиками-питонистами, создатели языка написали соглашение PEP 8, описывающее правила оформления кода, однако даже там отмечено, что:
Пожалуй, можно описать с помощью программного кода почти все, что нас окружает. И хорошо, что почти, это позволяет нам не погружаться полностью в матрицу. Да, еще довольно трудно запрограммировать поведение отдельно взятых политиков, ведь как можно описать то, что не поддается логике? А вот мудрость, как противовес этому — можно.
Разбираясь со Spark Apache, столкнулся с тем, что после достаточно небольшого усложнения алгоритмов подготовки данных расчеты стали выполняться крайне медленно. Поэтому захотелось реализовать что-нибудь на C# и сравнить производительность с аналогичным по классу решением на стеке python (pandas-numpy-skilearn). Аналогичным, потому что они выполняются на локальной машине. Подготовка данных на C# осуществлялась встроенными средствами (linq), расчет линейной регрессии библиотекой extremeoptimization.
Немного людей которые никогда не играли в настольные экономические игры, такие как монополия, рынок, миллионер. Мы с друзьями играли в них дни на пролёт. Со временем, после зазубривания всех правил, и десятков сыгранных партий, хотелось чего-то большего. И мы начали рисовать игры сами. Сначала маленькие, и в большей степени копирующие возможности тех игр, что мы выдели раньше, но потом приходили и свои идеи. В конце доходило до того, что игра располагалась на 9 листах формата А4, а её правила были настолько нетерпимыми к новичкам, что кроме нас никто не мог научиться в неё играть (хотя в монополию со мной играли родители). Там было много всего, строительство, экономика, игровое взаимодействие (например подставы или взаимопомощь). Десятки видов оружия, машин. Чтобы стрелять нужны были патроны. С некоторыми ранениями можно было продолжать играть, с другими путь в больницу, и т.п.
Гибкий фреймворк для написания web-пауков (парсеров). Изменения описаны по ссылке https://allmychanges.com/p/python/scrapy/#1.3.0. Скачать можно по ссылке: https://pypi.python.org/pypi/scrapy
• Существенным образом видоизменена компоновка функциональных блоков программы для повышения её эргономичности.
• Увеличена скорость генерации динамических страниц за счёт оптимизации запросов к базе данных.
• Улучшена гибкость поиска по номеру расходника. Теперь возможен поиск по фрагменту номера.
• Добавлен фильтр по наименованиям.
• Реализована выгрузка результатов работы отчётов в CSV файл для последующей работы в табличном процессоре.
• Исправления замеченных ошибок.
• Добавлена возможность буферизации расходников в специальную область для генерации наклеек.
• Улучшена подробность отчётов.
Как создавать A/B-тесты SMS-рассылок с нейросетью DeepSeek
Личный ИИ-ассистент на ваших данных. Часть 2: Веб-интерфейс, авторизация и стриминг ответов от ИИ
Talk Python to Me: #502: Django Ledger: Accounting with Python
Python Bytes: #429 Nitpicking Python
Некоторые особенности создания диаграммы Санки (Sankey Diagram) на Python библиотека plotly
Game Engine 3 — оболочка для визуального программирования игр на Python (от идеи до реализации)
Оповещение о РО через колонки Яндекса (Ну или в целом получение сигналов в УДЯ)
Почему @patch из unittest.mock ломает вам тесты, если не указать autospec=True
Простой пример использования в ПЛК нейросетевого контроллера
Как обсчитать RFM-анализ за 5 шагов