Python/ django – Telegram

Python/ django

58.9K subscribers

2.07K photos

61 videos

47 files

2.79K links

по всем вопросам @haarrp

@itchannels_telegram - 🔥 все ит-каналы

@ai_machinelearning_big_data -ML

@ArtificialIntelligencedl -AI

@datascienceiot - 📚

@pythonlbooks

РКН: clck.ru/3FmxmM

About

Blog

Apps

Platform

58.9K subscribers

This media is not supported in your browser

VIEW IN TELEGRAM

🖥

Roop

one-click deepfake (face swap)

Root крутой проект на Python для качественных дипфейков в один клик.

🖥

Github

@pythonl

Please open Telegram to view this post

VIEW IN TELEGRAM

6.6K views15:42

Best-of Python

🏆 A ranked list of awesome Python open-source libraries & tools. Updated weekly.

Этот кураторский список содержит 390 крутых мл проектов с открытым исходным кодом на Python, в общей сложности 1,6 миллиона звезд, сгруппированных в 28 категорий.

▪ Github

@pythonl

6.2K views12:10

🖥

ReactPy

ReactPy is a library for building user interfaces in Python without Javascript.

ReactPy - это библиотека для создания пользовательских интерфейсов на языке Python без использования Javascript. Интерфейсы ReactPy создаются из компонентов, которые выглядят и ведут себя аналогично тем, что есть в ReactJS.

▪Github

@pythonl

Please open Telegram to view this post

VIEW IN TELEGRAM

6.6K views16:12

💫 Lark - a parsing toolkit for Python

Lark can parse all context-free languages.

Lark - это набор инструментов синтаксического анализа для Python, созданный с упором на скорость, производительность и модульность.

$ pip install lark --upgrade

from lark import Lark


l = Lark('''start: WORD "," WORD "!"

            %import common.WORD   // imports from terminal library
            %ignore " "           // Disregard spaces in text
         ''')

print( l.parse("Hello, World!") )

Tree(start, [Token(WORD, 'Hello'), Token(WORD, 'World')])

▪Github

@pythonl

6.5K views07:06

🔥 13 Django Packages to Every Developer Must Install

13 маст хэв пакетов Django, которые установить каждый разработчик.

1. Django Debug Toolbar

Этот мощный пакет предоставляет визуальный интерфейс для отладки, который выводит подробную информацию о SQL-запросах и их показателях производительности.
pip install django-debug-toolbar

2. Django Rest Framework

Этот комплексный пакет упрощает создание RESTful API, предоставляя надежные инструменты для сериализации, аутентификации и тд.
pip install djangorestframework

3. Celery

Это распределенная асинхронная очередь заданий, которая обладает широким функционалом. В нашем конструкторе сайтов нам часто приходиться запускать асинхронные с точки зрения ответа пользователю задачи.

pip install celery

4. Django-Crispy-Forms

Этот удобный инструмент упрощает процесс рендеринга и стилизации форм.
pip install django-crispy-forms

5. Django-Cache

Этот пакет позволяет хранить часто используемые данные в памяти, уменьшая количество повторяющихся запросов к базе данных.
pip install django-cache

6. Django Allauth

Этот пакет предлагает комплексные функции регистрации пользователей, входа в систему и управления учетными записями.
pip install django-allauth

10. Django Guardian

Этот пакет позволяет вам управлять разрешениями на уровне объектов, позволяя определять контроль доступа для отдельных экземпляров моделей.
pip install django-guardian

11. Django Storages

Этот пакет интегрируется с популярными провайдерами облачных хранилищ, такими как Amazon S3 и Google Cloud Storage.
pip install django-storages

12. Django Compressor

Этот пакет автоматически объединяет и сжимает файлы CSS и JavaScript, уменьшая количество HTTP-запросов и улучшая время загрузки страниц.
pip install django-compressor

13. Django Haystack

Этот пакет интегрирует различные поисковые системы, такие как Elasticsearch и Solr, позволяя вам создать надежные поисковые возможности для вашего приложения.
pip install django-haystack

@pythonl

10.3K views13:18

🎮 Code For Games in Python: Free Python Games Source Code

20 игр на Python с полным кодом.

1. Mario Game

Делаем Марио. Создаем днопользовательскую игру, где игрок (Марио) должен уворачиваться от огненных шаров, вылетающих из дракона.

2. Dino Game
Это клон-адаптация игры с динозавриком на google chrome под названием "T-Rex Dino Run".

3. Simple Fighting Game

Простй файтинг.
Игра ведется в простом интерфейсе, в котором используются только кнопки и текст.

4. Jumbled Word Quiz Game
Игра квиз.
Человек может начать викторину, нажав на кнопку "Старт". Также можно выбрать тип слов, которые необходимо исправить в викторине.

5. Rock-Paper-Scissor Game
Игра "Камень, бумага, ножницы" на Python разработана с использованием Tkinter и графического интерфейса пользователя (GUI).

6. Bouncing Ball Game
Эта игра "Прыгающий мяч" использует Canvas для прорисовки объектов.

7. Hangman Game
Игра "Виселица" не требует никаких специальных модулей, кроме random и time.

8. Snake Game
Игра "Змейка" - это классическая аркадная игра.

9. Aircraft War Game
Военная игра "Самолеты" на Python на pygame

10. Tank Game
Это игра между компьютером и пользователем. Простая танковая игра Python.

11. Stickman
Игра с хорощей графикой и удобным управлением.

12. Tetris
Создаем свой тетрис на питоне.

13. Snakes and Ladders

Игра змейки и лестницы.

14. Speed Typing Test
Делаем свой тест на скорость печати.

15. Puzzle Game
Пазл с доской 4*4 и с 15 номерами.

16. Guess the Word Game
Игра угадай слово.

17. Tic Tac Toe Game
Все правила игры такие же, как и в игре в крестики-нолики в реальном времени.

18. F1 Race Road Game
Простые гоники.

19. Flappy Bird
Делаем легендарную флаппи берд.

20. Quiz Application
Квиз на Python.

@pythonl

6.5K views13:02

Forwarded from Анализ данных (Data analysis)

🔥 5 примеров использования Redis с кодом на Python

1. Caching
Redis можно использовать для кэширования часто используемых данных, снижая нагрузку на ваше основное хранилище данных. Вот пример того, как реализовать кэширование с помощью Redis в Python

import redis

# Connect to Redis
r = redis.Redis(host='localhost', port=6379, db=0)

def get_data_from_cache(key):
    # Check if data exists in the cache
    if r.exists(key):
        # Retrieve data from the cache
        data = r.get(key)
        return data.decode('utf-8')  # Convert bytes to string
    else:
        # Fetch data from the primary data source
        data = fetch_data_from_source()

        # Store data in the cache with a timeout of 1 hour
        r.setex(key, 3600, data)
        return data

2. Pub/Sub (Publish/Subscribe):
Redis поддерживает паттерн pub/sub, позволяя вам создавать системы обмена сообщениями. Вот пример:

import redis
import time

# Connect to Redis
r = redis.Redis(host='localhost', port=6379, db=0)

def publish_message(channel, message):
    # Publish a message to the specified channel
    r.publish(channel, message)

def subscribe_channel(channel):
    # Subscribe to a channel and process incoming messages
    pubsub = r.pubsub()
    pubsub.subscribe(channel)

    for message in pubsub.listen():
        print(message['data'].decode('utf-8'))  # Process the received message

3. Rate Limiting:
Redis можно использовать для реализации ограничения скорости, чтобы контролировать количество запросов или операций за период времени. Пример:

import redis

# Connect to Redis
r = redis.Redis(host='localhost', port=6379, db=0)

def check_rate_limit(ip_address):
    # Increment the request count for the IP address
    request_count = r.incr(ip_address)

    # If the count exceeds the limit (e.g., 100 requests per minute), deny the request
    if request_count > 100:
        return False

    return True

4. Session Storage:
Redis можно использовать для хранения данных сеанса в веб-приложениях. Пример:

import redis
import uuid

# Connect to Redis
r = redis.Redis(host='localhost', port=6379, db=0)

def create_session(user_id):
    # Generate a unique session ID
    session_id = str(uuid.uuid4())

    # Store the session data in Redis with a timeout of 30 minutes
    r.setex(session_id, 1800, user_id)

    return session_id

def get_user_id_from_session(session_id):
    # Retrieve the user ID from the session data in Redis
    user_id = r.get(session_id)

    if user_id is not None:
        return user_id.decode('utf-8')  # Convert bytes to string
    else:
        return None

5. Leaderboard:
Redis можно использовать для создания таблиц лидеров или рейтингов на основе набранных баллов. Пример:

import redis

# Connect to Redis
r = redis.Redis(host='localhost', port=6379, db=0)

def update_score(player_id, score):
    # Update the score of a player
    r.zadd('leaderboard', {player_id: score})

def get_leaderboard():
    # Get the top 10 players from the leaderboard
    leaderboard = r.zrevrange('leaderboard', 0, 9, withscores=True)

    for player, score in leaderboard:
        print(f"Player: {player.decode('utf-8')}, Score: {score}")

Это лишь несколько примеров того, как Redis можно использовать в Python. Redis предоставляет множество других мощных функций и структур данных, которые можно использовать в различных приложениях.

▪Github

@data_analysis_ml

4.8K views09:59

Top 10 Python Functions

Топ-10 полезных функций Python, о которых вы возможно не знаете.

1. The Elusive enumerate() 🗂

or index, value in enumerate(["apple", "banana", "cherry"], start=1):
    print(f"The index is {index} and the value is {value}")

2. zip() Up Your Lists 🤐

names = ["Batman", "Superman", "Wonder Woman"]
superpowers = ["Rich", "Strong", "Lasso of Truth"]

for hero, power in zip(names, superpowers):
    print(f"{hero} is really just super {power}!")

3. collections.Counter() — The Crowd Tamer 📊

from collections import Counter
party_list = ["Alice", "Bob", "Alice", "Eve", "Bob", "Eve", "Alice"]
print(Counter(party_list))
# Output: Counter({'Alice': 3, 'Bob': 2, 'Eve': 2})

4. functools.lru_cache() — The Time Traveler ⏱

from functools import lru_cache

@lru_cache
def fib(n):
    if n < 2:
        return n
    return fib(n-1) + fib(n-2)

5. All Aboard the any() and all() Express 🚂

friends_going = [False, False, True, False]
print(any(friends_going))  # Output: True

chores_done = [True, True, True, True]
print(all(chores_done))  # Output: True

6. Get Slick with itertools.chain() 🚲

from itertools import chain

list1 = [1, 2, 3]
list2 = ['a', 'b', 'c']
combined = list(chain(list1, list2))
print(combined)  # Output: [1, 2, 3, 'a', 'b', 'c']

7. The Great defaultdict() Magician 🎩

from collections import defaultdict

d = defaultdict(int)
print(d["new_key"])  # Output: 0, and "new_key" is now a key in the dict

8. Jazz Up with reversed() 🔄

original_list = [1, 2, 3, 4, 5]
for item in reversed(original_list):
    print(item, end=' ')  # Output: 5 4 3 2 1

9. Don’t Get Lost, Use pathlib.Path() 🗺

from pathlib import Path

# Navigate to your home directory and create a file there.
home = Path.home()
file = home / "treasure_map.txt"
file.touch()
print(f"Your treasure map is located at: {file}")

10. The Underestimated else in Loops 🎢

for i in range(5):
    if i == 10:
        break
else:
    print("Loop completed without a 'break'. Batman approves.")

Disclaimers 📢:

📌Будьте осторожны при использовании таких функций, как itertools.chain() и collections.Counter() на больших наборах данных. Они могут потреблять больше памяти, чем слон на шведском столе. 🐘

📌Не злоупотребляйте функцией functools.lru_cache(). Это как машина времени - слишком много возиться с ней может привести к нежелательным последствиям.

📌Хотя defaultdict() - волшебная функция, убедитесь, что вы действительно хотите добавить новый ключ в свой dict, иначе словарь может бесконтрольно расти,

@pythonl

5.4K viewsedited 09:59

📩 Python Email Automation Script

Вот пример базового скрипат Python для автоматизации простой задачи отправки электронной почты.

import smtplib
from email.mime.text import MIMEText


sender_email = "[email protected]"
recipient_email = "[email protected]"

subject = "Automated Email"
message = "This is an automated email sent using Python."


# SMTP server configuration (example: Gmail)


smtp_server = "smtp.gmail.com"
smtp_port = 587
smtp_username = "your_username"
smtp_password = "your_password"



msg = MIMEText(message)
msg["Subject"] = subject
msg["From"] = sender_email
msg["To"] = recipient_email
try:

    server = smtplib.SMTP(smtp_server, smtp_port)
    server.starttls()
       server.login(smtp_username, smtp_password)
    server.sendmail(sender_email, recipient_email, msg.as_string())
    print("Email sent successfully!")
    
except Exception as e:
    print("Error sending email:", str(e))
    
finally:

    server.quit()

4.9K views11:12

💲

Awesome OSS Monetization

A curated list of awesome monetization approaches for open source software.

Кураторский список практичных подходов к монетизации программного обеспечения с открытым исходным кодом.

Этот список является результатом обширного интернет-исследования. Он разбит на категориям от платных консультациях, где вы можете заработать, до различных проектов, где вы можете заработать на поиске багов в коде.

🖥

Github

@pythonl

Please open Telegram to view this post

VIEW IN TELEGRAM

5.1K views11:12

Stock Recommendations from Yahoo Finance Using ML Models in Python.

Строим модель рекомендации по акциям от Yahoo Finance с использованием ML-моделей на Python.


import yfinance as yf
import pandas as pd
from sklearn.model_selection import train_test_split
from sklearn.ensemble import RandomForestClassifier
import matplotlib.pyplot as plt

symbol = 'AAPL'
stock_data = yf.download(symbol, start='2022-01-05', end='2023-01-06')

df = pd.DataFrame(stock_data)

df['DailyReturn'] = df['Close'].pct_change()
df['Target'] = df['DailyReturn'].apply(lambda x: 1 if x > 0 else 0)

df = df.dropna()

X = df[['Open', 'High', 'Low', 'Close', 'Volume']]
y = df['Target']

X_train, X_test, y_train, y_test = train_test_split(X, y, test_size=0.2, random_state=42)

model = RandomForestClassifier(n_estimators=100, random_state=42)
model.fit(X_train, y_train)

y_pred = model.predict(X_test)

predictions_df = pd.DataFrame({'Actual': y_test, 'Predicted': y_pred})

plt.figure(figsize=(10, 6))
plt.plot(predictions_df.index, predictions_df['Actual'], label='Actual')
plt.plot(predictions_df.index, predictions_df['Predicted'], label='Predicted')
plt.xlabel('Date')
plt.ylabel('Target')
plt.title('Actual vs. Predicted Stock Recommendations')
plt.legend()
plt.show()

5.6K viewsedited 08:06

☎️

How to Schedule WhatsApp Messages Using Python and PyWhatKit

В посте мы рассмотрим, как использовать PyWhatKit для создания отложенных сообщений WhatsApp с помощью Python. 🐍

pip install pywhatkit

import pywhatkit

phone_num = '+123456789'
message = 'hello'
hour = 17
minute = 25

try:
    pywhatkit.sendwhatmsg(phone_num, message, hour, minute)
    print(f'Message sent to {phone_num} successfully!')
except Exception as e:
    print(f'Error: {str(e)}')

▪Github
▪Docs

@pythonl

Please open Telegram to view this post

VIEW IN TELEGRAM

6.2K viewsedited 10:45

🖥

Unraveling the Magic of Sorting: A Python Guide for Novices

Введение в алгоритмы: Примеры алгоритмов на Python для новичков.

▪Bubble Sort

def bubble_sort(list):
    for i in range(len(list)):
        for j in range(len(list) - 1):
            if list[j] > list[j + 1]:
                list[j], list[j + 1] = list[j + 1], list[j] # swap
    return list

▪Selection Sort

def selection_sort(list):
    for i in range(len(list)):
        min_index = i
        for j in range(i + 1, len(list)):
            if list[min_index] > list[j]:
                min_index = j
        list[i], list[min_index] = list[min_index], list[i] # swap
    return list

▪Insertion Sort

def insertion_sort(list):
    for i in range(1, len(list)):
        key = list[i]
        j = i - 1
        while j >=0 and key < list[j] :
            list[j+1] = list[j]
            j -= 1
        list[j+1] = key
    return list

▪Quick Sort

def partition(array, low, high):
    i = (low-1)
    pivot = array[high]

    for j in range(low, high):
        if array[j] <= pivot:
            i = i+1
            array[i], array[j] = array[j], array[i]
    array[i+1], array[high] = array[high], array[i+1]
    return (i+1)

def quick_sort(array, low, high):
    if len(array) == 1:
        return array
    if low < high:
        partition_index = partition(array, low, high)
        quick_sort(array, low, partition_index-1)
        quick_sort(array, partition_index+1, high)

Please open Telegram to view this post

VIEW IN TELEGRAM

5.3K views11:16

8 крутых способов свести функции Python в одну строку

▪Видео

@pythonl

4.6K viewsedited 07:26

YAPF

A formatter for Python files.

YAPF - это форматировщик Python, основанный на clang-format. По сути, алгоритм анализирует код и вычисляет наилучшее форматирование, соответствующее заданному стилю. Это избавляет от хлопот, связанных с поддержкой кода.

$ pip install yapf

Example:

x = {  'a':37,'b':42,

'c':927}

y = 'hello ''world'
z = 'hello '+'world'
a = 'hello {}'.format('world')
class foo  (     object  ):
  def f    (self   ):
    return       37*-+2
  def g(self, x,y=42):
      return y
def f  (   a ) :
  return      37+-+a[42-x :  y**3]

reformat:

x = {'a': 37, 'b': 42, 'c': 927}

y = 'hello ' 'world'
z = 'hello ' + 'world'
a = 'hello {}'.format('world')


class foo(object):
    def f(self):
        return 37 * -+2

    def g(self, x, y=42):
        return y


def f(a):
    return 37 + -+a[42 - x:y**3]

🖥

Github

@pythonl

Please open Telegram to view this post

VIEW IN TELEGRAM

5.0K views07:30

🔥 Подборка каналов для Python разработчиков

🖥

Machine learning

ai_ml – крупнейши канал по ии, нейросетям и науке о данных.
datasc - дата сайнс обучение самой востребованной профессии.
@bigdatai - Big Data

@machinelearning_ru – гайды по машинному обучению
@machinelearning_interview – подготовка к собеседованию мл.
@datascienceiot – бесплатные книги ds
@ArtificialIntelligencedl – ИИ

@machinee_learning – чат о машинном обучении
@datascienceml_jobs - вакансии ds, ml
@Machinelearning_Jobs - чат с вакансиями

🖥

Python

@pythonl - главный канал самого популярного языка программирования.
@pro_python_code – учим python с ментором.
@python_job_interview – подготовка к Python собеседованию.
@python_testit - проверочные тесты на python
@pythonlbooks - современные книги Python
@python_djangojobs - работа для Python программистов
@python_django_work - чат обсуждения вакансий

#️⃣ c# c++
C# - погружение в C#
@csharp_cplus чат
@csharp_1001_notes - инструменты C#

🖥

Machine learning

ai_ml – крупнейши канал по ии, нейросетям и науке о данных.
datasc - дата сайнс обучение самой востребованной профессии.
@bigdatai - Big Data

@machinelearning_ru – гайды по машинному обучению
@machinelearning_interview – подготовка к собеседованию мл.
@datascienceiot – бесплатные книги ds
@ArtificialIntelligencedl – ИИ

@machinee_learning – чат о машинном обучении
@datascienceml_jobs - вакансии ds, ml
@Machinelearning_Jobs - чат с вакансиями

🖥

SQL базы данных

@sqlhub - Повышение эффективности кода с грамотным использованием бд.
@chat_sql - чат изучения бд.

👣

Golang
@Golang_google - восхитительный язык от Google, мощный и перспективный.
@golang_interview - вопросы и ответы с собеседований по Go. Для всех уровней разработчиков.
@golangtests - интересные тесты и задачи GO
@golangl - чат изучающих Go
@GolangJobsit - отборные вакансии и работа GO
@golang_jobsgo - чат для ищущих работу.
@golang_books - полезные книги Golang
@golang_speak - обсуждение языка Go
@golangnewss - новости go

🖥

Linux
linux - kali linux ос для хакинга
linux chat - чат linux для обучения и помощи.
@linux_read - бесплатные книги linux

🖥

Javascript / front

@react_tg - - 40,14% разработчиков сайтов использовали React в 2022 году - это самая популярная библиотека для создания сайтов.
@javascript -канал для JS и FrontEnd разработчиков. Лучшие практики и примеры кода. Туториалы и фишки JS
@Js Tests - каверзные тесты JS
@hashdev - погружение в web разработку.
@javascriptjobjs - отборные вакансии и работа FrontEnd.
@jsspeak - чат поиска FrontEnd работы.

🖥

Java
@javatg - выучить Java с senior разработчиком на практике
@javachats - чат для ответов на вопросы по Java
@java_library - библиотека книг Java
@android_its - Android разработка
@java_quizes - тесты Java
@Java_workit - работа Java
@progersit - шпаргалки ит

👷‍♂️ IT работа

https://yangx.top/addlist/_zyy_jQ_QUsyM2Vi -ит каналы по яп с вакансиями

🤡It memes
@memes_prog - ит-мемы

⚙️ Rust
@rust_code - Rust избавлен от болевых точек, которые есть во многих современных яп
@rust_chats - чат rust

📓 Книги

https://yangx.top/addlist/HwywK4fErd8wYzQy - актуальные книги по всем яп

⭐️

Нейронные сети
@vistehno - chatgpt ведет блог, решает любые задачи и отвечает на любые ваши вопросы.
@aigen - сети для генерации картинок. видео, музыки и многого другого.
@neural – погружение в нейросети.

📢

English for coders

@english_forprogrammers - Английский для программистов

🖥

Devops
Devops - канал для DevOps специалистов.

Please open Telegram to view this post

VIEW IN TELEGRAM

4.3K views10:51

👩‍❤‍👨Creating a Tinder bot in Python

Создание бота для Tinder на Python

💻Для этого проекта нужно скачать и установить Chromedriver.

from selenium import webdriver
from selenium.webdriver.chrome.service import Service
from selenium.webdriver.chrome.options import Options
import time
 

opening_line = "Hi!"
number_of_swipes = 10
 
path = # paste your chromedriver path here
service = Service(executable_path=path)
web = 'https://tinder.com/'
 
options = Options()
options.add_experimental_option("debuggerAddress", "localhost:9222")
driver = webdriver.Chrome(service=service, options=options)
 
driver.get(web)
time.sleep(3)
 
for i in range(number_of_swipes):
    try:
        like_button = driver.find_element(by='xpath', value='//button//span[text()="Like"]')
        driver.execute_script("arguments[0].click();", like_button)
        time.sleep(2)
 
        its_match_window = driver.find_element(by='xpath', value='//textarea[@placeholder="Say something nice!"]')
        its_match_window.send_keys(opening_line)
        time.sleep(1)
 
        send_message_button = driver.find_element(by='xpath', value='//button/span[text()="Send"]')
        send_message_button.click()
        time.sleep(1)
 
        close_its_match_window = driver.find_element(by='xpath', value='//button[@title="Back to Tinder"]')
        close_its_match_window.click()
 
    except:
        try:
            box = driver.find_element(by='xpath', value='//button/span[text()="Maybe Later"] | //button/span[text()="Not interested"] | //button/span[text()="No Thanks"]')
            box.click()
        except:
            pass

▪ Video

@pythonl

4.1K views12:01

Python itertools.compress. Удобный способ фильтрации данных

▪Видео

@pythonl

4.3K views12:02

🖥

Creating own RANDOM number generator

Создание собственного генератора RANDOM.

import datetime
import pytz  # Required library for time zone support

def randomnum(time_zone):
    # Getting the current time in the specified time zone
    time_now = datetime.datetime.now(pytz.timezone(time_zone))

    # Getting time in terms of microseconds
    random_seed = time_now.microsecond

    # An equation which returns a number between 0 and 10
    seed = random_seed * 8 % 11

    # Making random number somewhat unpredictable
    random_micro_secs = []
    for i in range(seed):
        random_micro_secs.append(time_now.second**seed)

    seed_2 = sum(random_micro_secs)

    # Generating the final random number
    truly_random_num = (seed_2 * 8 % 11)

    return truly_random_num

# Example usage
time_zone = 'America/New_York'  # Specify the desired time zone
random_number = randomnum(time_zone)
print(random_number)

Please open Telegram to view this post

VIEW IN TELEGRAM

4.3K views10:05

Math for Devs - Cosine Similarity in Python

Математика для разработчиков - Косинусное сходство на Python

Функция Python cosine_similarity(vector1: list[float], vector2: list[float]) -> float: принимает на вход два вектора и вычисляет их косинусное сходство.

from math import sqrt, pow

def cosine_similarity(vector1: list[float], vector2: list[float]) -> float:
    """Returns the cosine of the angle between two vectors."""
    # the cosine similarity between two vectors is the dot product of the two vectors divided by the magnitude of each vector

    dot_product = 0
    magnitude_vector1 = 0
    magnitude_vector2 = 0

    vector1_length = len(vector1)
    vector2_length = len(vector2)

    if vector1_length > vector2_length:
        # fill vector2 with 0s until it is the same length as vector1 (required for dot product)
        vector2 = vector2 + [0] * (vector1_length - vector2_length)
    elif vector2_length > vector1_length:
        # fill vector1 with 0s until it is the same length as vector2 (required for dot product)
        vector1 = vector1 + [0] * (vector2_length - vector1_length)

    # dot product calculation
    for i in range(len(vector1)):
        dot_product += vector1[i] * vector2[i]

    # vector1 magnitude calculation
    for i in range(len(vector1)):
        magnitude_vector1 += pow(vector1[i], 2)

    # vector2 magnitude calculation
    for i in range(len(vector2)):
        magnitude_vector2 += pow(vector2[i], 2)

    # final magnitude calculation
    magnitude = sqrt(magnitude_vector1) * sqrt(magnitude_vector2)

    # return cosine similarity
    return dot_product / magnitude

vector1 = [1, 2, 3]
vector2 = [2, 3, 4]
similarity = cosine_similarity(vector1, vector2)

print("The cosine similarity between vector1 and vector2 is: ", similarity

4.3K viewsedited 10:12