▫️Как реализовать алгоритм поиска путей в графе с помощью алгоритма A* в Python?◽️

Вот пример кода на Python, который реализует алгоритм A* для поиска путей в графе:

from queue import PriorityQueue

# Реализация алгоритма A* для поиска кратчайшего пути в графе
def a_star(graph, start, goal):
# Инициализация очереди с приоритетами и добавление начальной вершины в очередь
frontier = PriorityQueue()
frontier.put(start, 0)

# Инициализация словаря с расстояниями от начальной вершины до остальных вершин графа
distance = {start: 0}

# Инициализация словаря с предыдущими вершинами на кратчайшем пути
previous = {}

# Пока очередь не пуста, извлекаем вершину с наименьшим приоритетом
while not frontier.empty():
current = frontier.get()

# Если мы достигли целевой вершины, то возвращаем путь
if current == goal:
path = []
while current in previous:
path.append(current)
current = previous[current]
path.append(start)
path.reverse()
return path

# Итерируемся по соседним вершинам текущей вершины
for next in graph.neighbors(current):
# Вычисляем расстояние от начальной вершины до следующей вершины
new_distance = distance[current] + graph.distance(current, next)

# Если мы не посещали следующую вершину или обнаружили более короткий путь до нее, то обновляем информацию
if next not in distance or new_distance < distance[next]:
distance[next] = new_distance
priority = new_distance + graph.heuristic(next, goal)
frontier.put(next, priority)
previous[next] = current

В этом примере мы использовали очередь с приоритетами из модуля queue для хранения вершин графа, которые нужно обойти, и словарь distance для хранения расстояний от начальной вершины до остальных вершин графа. Также мы использовали словарь previous для хранения предыдущих вершин на кратчайшем пути. Функция neighbors возвращает соседние вершины текущей вершины, а функция distance возвращает расстояние между двумя вершинами графа. Функция heuristic возвращает эвристическую оценку расстояния от следующей вершины до целевой вершины.

@pro_python_code

Пришло время полезного чтива: Selenium — невероятно удобный инструмент для вашего браузера, который в связке с Python позволяет автоматизировать что угодно.

Вы научитесь всему: от автоматического сбора нужной информации, до мониторинга определённых событий на сайте. Selenium позволяет работать с множеством вкладок и окон браузера, выполняя заданный сценарий.

Книга за авторством Павла Хошина из платного курса.

💾 Огромная шпаргалка по консольным командам Git с пояснением на русском

#git #cheatsheet #russian

@pro_python_code

71 полезный проект для изучения Python.

Видео, статьи и исходный код присутствуют, а если у вас аллергия на PDF — есть ссылка на GitHub.

F-строки в Python — подробное руководство

Строковые литералы (f-strings) появились в Python 3.6. Эти строки не только улучшают читаемость кода, но и работают быстрее. Однако новичкам часто сложно разобраться, как и где использовать f-string.

В этой статье собрано 73 примера работы со строковыми литералами, которые точно помогут стать мастером в этой теме любому программисту:

https://miguendes.me/73-examples-to-help-you-master-pythons-f-strings

#python

Илон Маск, как и обещал, выложил на GitHub код Twitter — внутри исходники и алгоритмы ленты рекомендаций.

Руководство Twitter'a обещает и дальше делиться данными, которые не представляют риска для соцсети.

Также попросили сообщество GitHub делиться предложениями по улучшению кода — конечно, своих разрабов то поувольняли.

@pro_python_code

🖥 Улучшите свой следующий проект с помощью этих 7 библиотек Python

Вы когда-нибудь обнаруживали, что застряли в середине проекта, пытаясь решить сложную проблему? Что ж, вы не одиноки. Многие разработчики сталкиваются с такими проблемами при создании программного обеспечения, и именно в данных ситуациях пригождаются библиотеки.

Они помогают вам легко создавать сложные и трудоёмкие ПО, экономя ваше время и усилия. С таким количеством библиотек может быть трудно решить, какую из них использовать. Итак, я составил список из 7 библиотек Python, которые обязательно помогут вам на вашем пути разработчика.

1. Dash (https://github.com/plotly/dash)
Это самый загружаемый и надёжный Python-фреймворк для создания веб-приложений в сферах ML и data science. Эта библиотека связывает современные элементы пользовательского интерфейса, такие как выпадающие списки, ползунки и графики, непосредственно с вашим аналитическим кодом на Python. На GitHub у неё более 18 тысяч звёзд. Вы можете ознакомиться с данной библиотекой здесь.

2. PyWhatKit (https://github.com/Ankit404butfound/PyWhatKit)
В настоящее время это одна из самых популярных библиотек для автоматизации WhatsApp и YouTube. Она проста в использовании и не требует от вас каких-либо дополнительных настроек. Библиотека PyWhatKit включает в себя множество функций, таких как отправка изображения группе WhatsApp или контакту, преобразование изображения в формат ASCII, отправка писем с HTML-кодом и многое другое. У неё более 1 тысячи звёзд на GitHub. Вы можете ознакомиться с данной библиотекой здесь.

3. Alive-progress (https://github.com/rsalmei/alive-progress)
Отображение экрана загрузки или индикатора выполнения во время вычисления или загрузки данных является одной из распространённых практик при разработке программного обеспечения для улучшения пользовательского интерфейса. Как вы уже догадались по названию, эта библиотека предоставляет красивый индикатор выполнения. Она также включает в себя множество функций, таких как настройка, live spinner, ETA, классная анимация и многое другое. У неё более 4 тысяч звёзд на GitHub. Вы можете ознакомиться с данной библиотекой здесь.

4. TextBlob (https://github.com/sloria/TextBlob)
Если вам приходится работать с обработкой текста, то это хороший ресурс для вас. Эта библиотека предоставляет простой API для погружения в обычные задачи обработки естественного языка (NLP), такие как пометка частей речи, извлечение именных фраз, анализ настроений, классификация, перевод и многое другое. Она обладает множеством функций, таких как извлечение именных фраз, анализ настроений, исправление орфографии и многое другое. У неё более 8 тысяч звезд на GitHub. Вы можете ознакомиться с данной библиотекой здесь.

5. Pdfplumber (https://github.com/jsvine/pdfplumber)
Как следует из названия, если вам приходится работать с pdf, то это хороший ресурс для вас. Эта библиотека поможет вам извлекать текст и таблицы из PDF-файлов, упрощая точную обработку больших объёмов PDF-данных. У неё более 3,5 тысяч звезд на GitHub. Вы можете ознакомиться с данной библиотекой здесь.

6. Pdoc (https://github.com/mitmproxy/pdoc)
Документация – один из важнейших этапов разработки программного обеспечения. Как вы уже догадались, эта библиотека поможет вам с документацией API вашего проекта. Она включает в себя множество функций, таких как Documentation is plain Markdown, первоклассную поддержку аннотаций типов, все другие современные функции Python 3, встроенный веб-сервер с оперативной перезагрузкой и многое другое. Эта библиотека имеет более 1,5 тысяч звёзд на GitHub. Вы можете ознакомиться с данной библиотекой здесь.

7. Pyrogram (https://github.com/pyrogram/pyrogram)
Эта библиотека позволяет создавать Telegram-ботов и приложения на Python, включая поддержку асинхронного программирования и зашифрованных сообщений. Она также позволяет вам легко взаимодействовать с основным Telegram API через учётную запись пользователя (пользовательский клиент) или идентификатор бота (альтернатива bot API). У неё более 3 тысяч звёзд на GitHub. Вы можете ознакомиться с данной библиотекой здесь.

​Аутентификация с помощью Django и SPA

Используя Django для создания одностраничных приложений у вас может возникнуть резонный вопрос: «Как мне настроить аутентификацию?». Что ж, если есть вопрос, то найдётся и ответ.

В этой статье вы узнаете, как без лишних заморочек настроить аутентификацию, используя возможности Django:

https://www.mikesukmanowsky.com/blog/authentication-with-django-and-spas

#django #python #бэкенд

Кортежи и операции над ними с примерами кода

#doc #python #cheatsheet