Практики и трюки для масштабирования Celery
https://medium.com/better-programming/python-celery-best-practices-ae182730bb81
https://medium.com/better-programming/python-celery-best-practices-ae182730bb81
textshot - grabbing text from screenshot
http://github.com/ianzhao05/textshot
http://github.com/ianzhao05/textshot
Fil - memory profiler for (data) scientists
https://pythonspeed.com/articles/memory-profiler-data-scientists/
https://pythonspeed.com/articles/memory-profiler-data-scientists/
Test and Code: 114: The Python Software Foundation (PSF) Board Elections - Ewa Jodlowska / Christopher Neugebauer
https://testandcode.com/114
Audio
https://testandcode.com/114
Audio
Отладка Django приложения в Docker через VS Code
https://testdriven.io/blog/django-debugging-vs-code/
https://testdriven.io/blog/django-debugging-vs-code/
Unit Testing for Data Scientists
https://towardsdatascience.com/unit-testing-for-data-scientists-dc5e0cd397fb
https://towardsdatascience.com/unit-testing-for-data-scientists-dc5e0cd397fb
Шпаргалка по визуализации данных в Python с помощью Plotly
https://habr.com/ru/post/502958/?utm_campaign=502958&utm_source=habrahabr&utm_medium=rss
В этой простыне все примеры разобраны от совсем простых к более сложным, так что разработчикам с опытом будет скучно. Так же эта «шпаргалка» не заменит на 100% примеры из документации.
https://habr.com/ru/post/502958/?utm_campaign=502958&utm_source=habrahabr&utm_medium=rss
В этой простыне все примеры разобраны от совсем простых к более сложным, так что разработчикам с опытом будет скучно. Так же эта «шпаргалка» не заменит на 100% примеры из документации.
6 способов значительно ускорить pandas с помощью пары строк кода. Часть 1
https://habr.com/ru/post/503726/?utm_campaign=503726&utm_source=habrahabr&utm_medium=rss
В этой статье я расскажу о шести инструментах, способных значительно ускорить ваш pandas код. Инструменты я собрал по одному принципу — простота интеграции в существующую кодовую базу. Для большинства инструментов вам достаточно установить модуль и добавить пару строк кода.
https://habr.com/ru/post/503726/?utm_campaign=503726&utm_source=habrahabr&utm_medium=rss
В этой статье я расскажу о шести инструментах, способных значительно ускорить ваш pandas код. Инструменты я собрал по одному принципу — простота интеграции в существующую кодовую базу. Для большинства инструментов вам достаточно установить модуль и добавить пару строк кода.
Создание и модификация PDF файлов
https://realpython.com/creating-modifying-pdf/
https://realpython.com/creating-modifying-pdf/
Keyword-only arguments
https://lukeplant.me.uk/blog/posts/keyword-only-arguments-in-python/
https://lukeplant.me.uk/blog/posts/keyword-only-arguments-in-python/
Простой способ спарсить таблицы с сайта
https://towardsdatascience.com/the-simplest-way-to-scrape-tabular-data-with-python-d17abda3096d
С помощью pandas
https://towardsdatascience.com/the-simplest-way-to-scrape-tabular-data-with-python-d17abda3096d
С помощью pandas
Podcast.__init__: Dependency Management Improvements In Pip's Resolver
https://www.pythonpodcast.com/pip-resolver-dependency-management-episode-264/
Audio
https://www.pythonpodcast.com/pip-resolver-dependency-management-episode-264/
Audio
Оптимизация запросов Django ORM
https://webdevblog.ru/optimizaciya-zaprosov-django-orm/
Оригинальная статья: Rocio Aramberri – Optimizing Django ORM Queries (http://schegel.net/posts/optimizing-django-orm-queries/)
Django ORM (Object Relational Mapping) – одна из самых мощных функций Django. Благодаря ей мы можем взаимодействовать с базой данных, используя код Python вместо SQL.
https://webdevblog.ru/optimizaciya-zaprosov-django-orm/
Оригинальная статья: Rocio Aramberri – Optimizing Django ORM Queries (http://schegel.net/posts/optimizing-django-orm-queries/)
Django ORM (Object Relational Mapping) – одна из самых мощных функций Django. Благодаря ей мы можем взаимодействовать с базой данных, используя код Python вместо SQL.
Python.org рекомендует: Программирование для НЕпрограммистов
https://habr.com/ru/post/480898/?utm_campaign=480898&utm_source=habrahabr&utm_medium=rss
Предлагаем вашему вниманию подборку материалов от python.org о том, с чего начать первые шаги в программировании. Если Вы никогда не занимались программированием раньше, эти материалы для вас. Данные туториалы не предполагают, что у вас есть какой-то опыт. (Если у вас уже есть опыт программирования, посетите Beginners Guide).
https://habr.com/ru/post/480898/?utm_campaign=480898&utm_source=habrahabr&utm_medium=rss
Предлагаем вашему вниманию подборку материалов от python.org о том, с чего начать первые шаги в программировании. Если Вы никогда не занимались программированием раньше, эти материалы для вас. Данные туториалы не предполагают, что у вас есть какой-то опыт. (Если у вас уже есть опыт программирования, посетите Beginners Guide).
Твой первый шаг в Data Science. Титаник
https://habr.com/ru/post/503954/?utm_campaign=503954&utm_source=habrahabr&utm_medium=rss
Я считаю, что бОльшее количество дел мы бы могли совершать, если бы нам предоставляли пошаговые инструкции, которые скажут что и как делать. Сам же вспоминаю в своей жизни такие моменты, когда не мог начаться какое-то дело из-за того, что было просто сложно понять, с чего нужно начинать. Быть может, когда-то давно в интернете ты увидел слова «Data Science» и решил, что тебе до этого далеко, а люди, которые этим занимаются где-то там, в другом мире. Так нет же, они прямо здесь. И, возможно, благодаря людям из этой сферы тебе в ленту попала статья. Существует полно курсов, которые помогут тебе освоится с этим ремеслом, здесь же я помогу тебе сделать первый шаг.
Ну что, ты готов? Сразу скажу, что тебе придется знать Python 3, поскольку его я буду использовать здесь. А также советую заранее установить на Jupyter Notebook или посмотреть, как использовать google colab.
https://habr.com/ru/post/503954/?utm_campaign=503954&utm_source=habrahabr&utm_medium=rss
Я считаю, что бОльшее количество дел мы бы могли совершать, если бы нам предоставляли пошаговые инструкции, которые скажут что и как делать. Сам же вспоминаю в своей жизни такие моменты, когда не мог начаться какое-то дело из-за того, что было просто сложно понять, с чего нужно начинать. Быть может, когда-то давно в интернете ты увидел слова «Data Science» и решил, что тебе до этого далеко, а люди, которые этим занимаются где-то там, в другом мире. Так нет же, они прямо здесь. И, возможно, благодаря людям из этой сферы тебе в ленту попала статья. Существует полно курсов, которые помогут тебе освоится с этим ремеслом, здесь же я помогу тебе сделать первый шаг.
Ну что, ты готов? Сразу скажу, что тебе придется знать Python 3, поскольку его я буду использовать здесь. А также советую заранее установить на Jupyter Notebook или посмотреть, как использовать google colab.
httprunner - One-stop solution for HTTP(S) testing.
http://github.com/httprunner/httprunner
http://github.com/httprunner/httprunner
6 способов значительно ускорить pandas с помощью пары строк кода. Часть 2
https://habr.com/ru/post/504006/?utm_campaign=504006&utm_source=habrahabr&utm_medium=rss
В предыдущей статье (https://habr.com/ru/post/503726/) мы с вами рассмотрели несколько несложных способов ускорить Pandas через jit-компиляцию и использование нескольких ядер с помощью таких инструментов как Numba и Pandarallel. В этот раз мы поговорим о более мощных инструментах, с помощью которых можно не только ускорить pandas, но и кластеризовать его, таким образом позволив обрабатывать большие данные.
https://habr.com/ru/post/504006/?utm_campaign=504006&utm_source=habrahabr&utm_medium=rss
В предыдущей статье (https://habr.com/ru/post/503726/) мы с вами рассмотрели несколько несложных способов ускорить Pandas через jit-компиляцию и использование нескольких ядер с помощью таких инструментов как Numba и Pandarallel. В этот раз мы поговорим о более мощных инструментах, с помощью которых можно не только ускорить pandas, но и кластеризовать его, таким образом позволив обрабатывать большие данные.
Введение в Python Functools
https://habr.com/ru/post/504102/?utm_campaign=504102&utm_source=habrahabr&utm_medium=rss
Functools – это библиотека Python, которая предназначена для работы с функциями высшего порядка. Такие функции могут принимать в себя другие функции и возвращать функции. Они помогают разработчиком писать код, который можно переиспользовать. Функции можно использовать или расширять, не переписывая их полностью. Модуль functools в Python предоставляет различные инструменты, которые позволяют добиться описанного эффекта. Например, следующие:
https://habr.com/ru/post/504102/?utm_campaign=504102&utm_source=habrahabr&utm_medium=rss
Functools – это библиотека Python, которая предназначена для работы с функциями высшего порядка. Такие функции могут принимать в себя другие функции и возвращать функции. Они помогают разработчиком писать код, который можно переиспользовать. Функции можно использовать или расширять, не переписывая их полностью. Модуль functools в Python предоставляет различные инструменты, которые позволяют добиться описанного эффекта. Например, следующие:
Как реализовать кластеризацию в Power BI с помощью PyCaret
https://habr.com/ru/post/504124/?utm_campaign=504124&utm_source=habrahabr&utm_medium=rss
В одной из последних статей (https://towardsdatascience.com/build-your-first-anomaly-detector-in-power-bi-using-pycaret-2b41b363244e) мы говорили о том, как создать детектор аномалий в Power BI, интегрировав в него PyCaret, и помочь аналитикам и специалистам по анализу данных добавить машинное обучение в отчеты и панели мониторинга без лишних трудозатрат.
В этой статье мы рассмотрим, как с помощью PyCaret и Power BI провести кластерный анализ. Если раньше вы ничего не слышали о PyCaret, начать знакомство с ним вы можете тут (https://habr.com/ru/company/otus/blog/497770/).
https://habr.com/ru/post/504124/?utm_campaign=504124&utm_source=habrahabr&utm_medium=rss
В одной из последних статей (https://towardsdatascience.com/build-your-first-anomaly-detector-in-power-bi-using-pycaret-2b41b363244e) мы говорили о том, как создать детектор аномалий в Power BI, интегрировав в него PyCaret, и помочь аналитикам и специалистам по анализу данных добавить машинное обучение в отчеты и панели мониторинга без лишних трудозатрат.
В этой статье мы рассмотрим, как с помощью PyCaret и Power BI провести кластерный анализ. Если раньше вы ничего не слышали о PyCaret, начать знакомство с ним вы можете тут (https://habr.com/ru/company/otus/blog/497770/).