🧑‍💻 Как отключать пользователей от сети Wi-Fi с помощью Python?

KickThemOut - скрипт на Python с говорящим названием. Инструмент позволяет выкидывать пользователей из Wi-Fi сети, что бы использовать всю пропускную способность самому, оборвать нежелательные подключения или же повеселиться над пользователями.

Утилита позволяет выбрать и удалить определенные устройства или исключить сразу все ☠️

⚠️ Информация предоставлена исключительно с целью ознакомления. И побуждает обратить внимание на проблемы в безопасности.

👨‍💻 Установка и использование

🔩 GitHub

#pentest #redteam #github #soft #python

@pro_python_code

🔥 Полезные библиотеки Python

SAHI - легковесная библиотека машинного зрения для обнаружения крупномасштабных объектов и сегментации экземпляров.

🖥 GitHub/Инструкция

#python #ml

@pro_python_code

🐍🕹️ Как написать игру на Python: 5 игровых движков

Туториал для тех, кто хочет сделать игру на Python (и пока не изучать Unity или Unreal Engine). Напишем код простой игры со сбором монет и сравним на трех различных движках, а также сделаем пару игр в стилях Interactive Fiction и визуального романа.

➡️Читать дальше

@pro_python_code

🖥 Как сэкономить деньги, время (и окружающую среду) с помощью Python

Не редко мы сталкиваемся с тем, что закачиваем приложения на свои устройства, например, которые нам предоставляют команды тренировок. И даже оформляем подписки на данные программы/приложения. План состоит в том, чтобы вы могли смотреть программу тренировок, находясь в зале. Но также можете столкнуться с тем, что программа представляет из себя просто набор видео с YouTube.

И тут в голове может возникнуть вопрос: «Почему бы не скачать эти видео и не отменить подписку?»

Но так как, приложение может оказаться платным, а наша задача не потратить финансы, мы можем попробовать бесплатную версию. Тем самым мы натыкаемся на проблему, связанная с кучей объявлений и реклам.

Избежать эту проблему, возможно, можно попробовав загрузить видео с помощью кода Python.

➡️ Читать дальше

@pro_python_code

🔍 Парсинг веб-сайтов с помощью pandas и Python с помощью всего нескольких строк кода.

Парсинг веб-сайтов не должен быть сложным, особенно если вы знаете Python.

Динамические веб-сайты можно парсить с помощью таких библиотек, как Selenium и Scrapy. Простые веб-сайты можно парсить с помощью BeautifulSoup, а сверх простые сайты можно парсить только с помощью pandas.

И нам нужна всего одна или две строки кода, чтобы парсить сайты с pandas.

В этой статье мы собираемся собрать данные из Wikipedia.

Мы извлечем групповые таблицы с чемпионата мира по футболу FIFA 2022. Есть 8 таблиц от группы A до группы H, и мы получим из с помощью нескольких строк кода, используя pandas и Python.

➡️ Читать дальше

@pro_python_code

🖥 Universal Checker Bot

United-Checker-Bot – бот на Python для получения информации о различных хостах с нескольких нод

Позволяет осуществлять ping, проверку по http, проверять порты и другое

Работает это таким образом:
- На удаленные сервера устанавливается API-сервер
- На ещё один сервер(или рядом) устанавливается бот
- В настройках бота (в файле nodes.py) указываются адреса серверов API
- В зависимости от команды бот получает информацию с указанных нод
- Архитектура не отменяет того, что в боте есть команды, которые выполняются на хосте где установлен бот.

🔩 Ссылка на проект

@pro_python_code

🖥 Распределение памяти в Python: сколько и в каких случаях занимают типы данных

Идея статьи возникла после просмотра одного видео, где автор разбирает различные способы создания списка из одинаковых элементов. Меня заинтересовала эта тема, и я начал углубляться в нее. В частности, почему в том или ином случае объем занимаемой памяти отличается.

В этом материале разберем, как устроено выделение памяти под объекты в Python. Потом кратко о том, как работает очистка памяти от неиспользуемых объектов. И, наконец, о разнице в занимаемой памяти на примере типов list, dict и tuple.

➡️ Читать дальше

@pro_python_code

🖥 ImageScraper

Парсим изображения веб-страниц c Python, просто введя URL-адрес.

🔩 GitHub

@pro_python_code

🖥 Pandas для одноразового кодирования данных, предотвращающего высокую мощность

В этой статье мы раскроем тему простого метода однократного кодирования переменных с использованием Pandas

Будем полагать, что большинство согласится с тем, что для начала необходима очистка данных. Проект обычно начинается с некоторого исследования и очистки, прежде чем мы сможем перейти к части моделирования.

Действительно, большая часть работы специалиста по обработке данных выполняется между очисткой и преобразованием набора данных.

Проблема, которую необходимо решить в этом кратком руководстве, заключается в том, что мы должны иметь дело с кодировкой переменных. Большинство алгоритмов машинного обучения ожидают, что для оценки чего-либо используются цифры, а не текст. В конце концов, компьютеры - это логические машины, которые полагаются на числа в качестве своего основного языка.

С учетом сказанного, когда мы получим набор данных, содержащий категориальные переменные, нам, вероятно, потребуется преобразовать его в числа, чтобы мы могли представить преобразованные данные для работы алгоритма с ними.

Обычно используется преобразование One Hot Encoding [OHE], которое берет категории и делает их двоичными значениями. Посмотрите на следующий рисунок. Первая строка — это категория A, поэтому после OHE она становится тремя столбцами, где A — положительное значение (1), а B/C — отрицательное. Следующая строка — это строка для категории B. Поскольку B сейчас положительна, она получает 1, а остальные получают 0. И это относится ко всем категориям, которые у нас есть.

➡️ Читать дальше
➡️ Код

@pro_python_code

🖥 Bandit – инструмент, предназначенный для поиска и обнаружения распространенных проблем безопасности в коде Python

Для запуска досточно просто указать файл со скриптом который хотите проверить. Как только Bandit завершит сканирование всех файлов, вы получите подробный анализ кода + список потенциально проблемных строк

🖥 Github
🗒 Documentation

@pro_python_code

🖥 Обработка данных и визуализация временных рядов с использованием Python

В этой статье я извлеку и визуализирую значимую статистику из данных временных рядов. Чтобы понять основные концепции, связанные с анализом временных рядов, я буду работать с временными рядами Open Power System Data (OPSD) для Германии. Набор данных состоит из ежедневного потребления электроэнергии и производства солнечной и ветровой энергии в период с 2006 по 2017 год.

➡️ Читать дальше
💨 Код

@pro_python_code