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
加入频道
🖥 Ленивые импорты в Python — lazy import

🟡Все import'ы, по умолчанию, выполняются во время загрузки скриптов. Это не всегда хорошо: представим себе CLI-утилиту с 2 командами:
$ ./utility.py --help
./utility.py usage:

* --help Shows this message
* hard_work Does all the work

$ ./utility.py hard_work
Importing the universe...
Looking for stars*...
Done!

1 команда показывает документацию, 2 — делает что-то полезное. Если для одной из команды требуются некие импорты (возможно тяжёлые), они будут выполняться для всех команд, даже если они там не нужны. Это сказывается на времени запуска скрипта.

🟡Посмотреть, какие импорты выполняются при запуске скрипта можно с помощью встроенного профайлера:
$ PYTHONPROFILEIMPORTTIME=1 ./utility.py --help
import time: self [us] | cumulative | imported package
import time: 1000 | 1000 | the_universe
import time: 2000 | 2000 | stars
...

Для чтения таких файликов рекомендую использовать tuna, визуализатор профайлов:
$ PYTHONPROFILEIMPORTTIME=1 ./utility.py --help 2> import.log
$ tuna import.log


🟡Что делать с такими импортами, которые нужны не всегда? Использовать ленивые импорты!

▶️ Подробнее про ленивые импорты

@pythonl
Please open Telegram to view this post
VIEW IN TELEGRAM
🖥 ArchiveBox — создание своего собственного веб-архива при помощи Python

pip install archivebox

ArchiveBox — open-source инструмент, написанный на Python, который позволяет архивировать публичный и частный веб-контент, сохраняя контроль над своими данными.

Зачем? Без активных усилий по сохранению все, что есть в интернете, в конечном итоге исчезает или деградирует. Archive.org отлично справляется с ролью централизованного сервиса, но сохраняемые URL должны быть публичными, и они не могут сохранять все типы контента.

ArchiveBox принимает URL-адреса/историю браузера/закладки/Pocket/Pinboard/..., позволяет сохранять HTML, JS, PDF, медиа и многое другое

🖥 GitHub

@pythonl
Please open Telegram to view this post
VIEW IN TELEGRAM
Please open Telegram to view this post
VIEW IN TELEGRAM
🖥 SQLGlot — парсер, оптимизатор и движок SQL на Python

pip3 install "sqlglot[rs]"

SQLGlot может использоваться для форматирования SQL или перевода между 21 различными диалектами, в том числе DuckDB, Presto / Trino, Spark / Databricks, Snowflake и BigQuery. Он предназначен для чтения широкого спектра входных данных SQL и вывода синтаксически и семантически корректного SQL на целевых диалектах.

SQLGlot — это очень полный общий парсер SQL с надежным набором тестов. Он также достаточно производителен (за счёт токенизатора на Rust) и при этом написан исключительно на Python.

Вы можете легко настраивать парсер, анализировать запросы, обходить деревья выражений и программно создавать SQL.

Синтаксические ошибки подсвечиваются, несовместимость диалектов отображается, однако SQLGlot не стремится быть валидатором SQL, поэтому он может не обнаружить некоторые синтаксические ошибки.

🖥 GitHub

@pythonl
Please open Telegram to view this post
VIEW IN TELEGRAM
Please open Telegram to view this post
VIEW IN TELEGRAM
🖥 Gensim — Python библиотека для работы с естественным языком

pip install gensim

Gensim может использоваться индексации документов и поиска сходства в больших текстах.
Особенно актуальным Gensim будет для специалистов по обработке естественного языка (NLP) и информационному поиску.

🖥 GitHub

@pythonl
Please open Telegram to view this post
VIEW IN TELEGRAM
🖥 unsafe-python

Библиотека, помогающая писать небезопасный для памяти код на "чистом" python, без какого-либо импорта (т.е. без ctypes и т.д.).

Github

@pythonl
Please open Telegram to view this post
VIEW IN TELEGRAM
This media is not supported in your browser
VIEW IN TELEGRAM
🖥 Так можно использовать API GPT-4o vision в Jupyter Notebook

Удобство Python и мощь GPT-4o.
GPT-4o распознаёт вводимые жесты и подбирает максимально подходящие по виду графики кривых.
Распознаются даже довольно сложные композиции из разных линий и текста.

Github

@pythonl
Please open Telegram to view this post
VIEW IN TELEGRAM
🖥 Структуры данных в Python — cheat sheet

Держите мощную шпаргалку по структурам данных в Python; здесь всё объясняется на примерах, так будет кристально понятно
Описываются такие понятия, как мутабельность, иммутабельность, рассказывается про штуки типа list comprehensions и многое другое

📎 Шпаргалка

@pythonl
Please open Telegram to view this post
VIEW IN TELEGRAM
Please open Telegram to view this post
VIEW IN TELEGRAM
🖥 httpbin — сервис HTTP-запросов и ответов, написанный на Python + Flask

Быстрый запуск с помощью Docker:
docker run -p 80:80 kennethreitz/httpbin

🖥 GitHub
🟡 Методы и запросы

@pythonl
Please open Telegram to view this post
VIEW IN TELEGRAM
📌Featuretools для генерации признаков

python -m pip install featuretools

Featuretools — это Python библиотека для автоматизированной разработки фич, т.е. определения переменных из набора данных для обучения ML-модели.
Featuretools отлично справляется с преобразованием временных и реляционных наборов данных в матрицы признаков для машинного обучения.

🖥 GitHub
🟡 Доки

@pythonl
Please open Telegram to view this post
VIEW IN TELEGRAM
Please open Telegram to view this post
VIEW IN TELEGRAM
🔥Подборка лучших обучающих каналов для программистов.

➡️ Делитесь с коллегами и сохраняйте себе, чтобы не потерять

Машинное обучение

Machine Learning - запускаем лучшие ИИ модели, пишем код, погружаемся в нейросети
Ml Собеседование - подготовка к собесу по мл, алгоритмам, коду
Ml ru - актуальные статьи, новости, код и обучающие материалы
Ml Jobs - вакансии ML
ML Книги - актуальные бесплатные книги МО
ML чат

🏆 Golang
Golang
Golang собеседование - разбор задач и вопросов с собесов
Golang вакансии -работа для Go разработчика
Golang книги библиотека книг
Golang задачи и тесты
Golang чат
Golang news - новости из мира go
Golang дайджест

💥 Linux /Этичный хакинг
Linux Academy - гайды, секреты и лучшие материалы по Linux
Kali linux - погрузись в мир этичного хакинга и кибербезопасности
linux_kal - kali чат
Информационная безопасность

🚀 Data Science

Анализ данных - полезные фишки, код, гайды и советы, маст-хэв датасаентиста
Data Jobs - ds вакансии
Аналитик данных
Data Science книги - актуальные бесплатные книги
Big data

🛢Базы данных
Sql базы данных - научим работе с базами данных профессионально
Библиотека баз данных
SQL чат
Вакансии Sql аналитик данных

#️⃣C#

С# академия - лучший канал по c#
С# заметки — код, лучшие практики, заметки программиста c#
С# задачи и тесты
С# библиотека - актуальные бесплатные книги
C# вакансии - работа

🐍 Python

Python/django - самый крупный обучающий канал по Python
Python Собеседование - подготовка к собеседовению python и разбор алгоритмов
Pro python - статьи, новости, код и обучающие материалы
Python Jobs - вакансии Python
Python чат
Python книги

Java

Java академия - java от Senior разработчика
Java вакансии
Java чат
Java вопросы с собеседований
Java книги

💻 C++

C++ академия
С++ книги
C++ задачи - подготовка к собеседовению мл, алгоритмам
C++ вакансии

⚡️ Frontend
Javascript академия - крупнейший js канал
React - лучшие гайды и советы по работе с react
Frontend - тутрориалы, уроки, гайды, код
PHP
Книги frontend
Задачи frontend

🦀 Rust
Rust программирование
Rust чат
Rust книги для программистов

📲 Мобильная разработка
Android разработка
Мобильный разработчик гайды и уроки

🇬🇧 Английский для программистов

🧠 Искусственный интеллект
ИИ и технологии
Neural - нейросети для работы и жизни
Книги ИИ
Artificial Intelligence

🔥 DevOPs
Devops для программистов
Книги Devops

🌟 Docker/Kubernets
Docker
Kubernets

📓 Книги
Библиотеки Книг для программситов

💼 Папка с вакансиями:
Папка Go разработчика:
Папка Python разработчика:
Папка Data Science
Папка Java разработчика
Папка C#
Папка Frontend

💥 Бесплатный Chatgpt бот
🖥 Реализация модели Llama 3 на чистом NumPy

Держите подробный гайд по созданию Llama 3 только средствами Python и библиотеки NumPy.
В качестве источников вдохновения и примеров использовались такие реализации:
llama2.c
llama.np
modeling_llama.py — с Hugging Face

$ python llama3.py "I have a dream"
"""
I have a dream. He dream of a big, beautiful garden full of flower and tree. He dream of playing with hi friend and eating yummy snack.
One day, he wa walking in the garden when he saw

Token count: 50, elapsed: 1.53s, 33 tokens/s
"""


🖥 GitHub
🟡 Подробное описание реализации

@pythonl
Please open Telegram to view this post
VIEW IN TELEGRAM
Please open Telegram to view this post
VIEW IN TELEGRAM