PythonDigest

2022-08-29 03:45:44 Пишем Telegram бот текущей погоды по IP адресу на Python aiogram
https://habr.com/ru/post/684038/?utm_campaign=684038&utm_source=habrahabr&utm_medium=rss

Штош. В этой статье я расскажу вам, как создать Telegram бота, который получает текущую погоду по IP адресу. Мы будем использовать язык Python и асинхронную библиотеку для взаимодействия с Telegram Bot API - aiogram. Открыть/Комментировать

2022-08-29 01:50:44 PyCharm 2022.2.1
https://blog.jetbrains.com/pycharm/2022/08/2022-2-1-2/ Открыть/Комментировать

2022-08-29 00:43:32 Neural Machine Translation with Bahdanau’s Attention Using TensorFlow and Keras
https://pyimagesearch.com/2022/08/22/neural-machine-translation-with-bahdanaus-attention-using-tensorflow-and-keras/ Открыть/Комментировать

2022-08-28 22:23:15 Сравнение стандарта PEP8 и «Чистого кода» Роберта Мартина
https://habr.com/ru/post/683956/?utm_campaign=683956&utm_source=habrahabr&utm_medium=rss

Нет, эта статья не очередной обзор, на парадигму автора. Это статья о сравнении двух стандартов PEP8 и "Чистого кода". Вместе с вами я посмотрю чем отличаются эти два стандарта между собой, в чём их сходство. Полученные знания углубят понимание фундаментальных принципов программирования и возможно повлияют на стиль оформления кода. Открыть/Комментировать

2022-08-28 21:36:06 4 анти-паттерна pandas и способы борьбы с ними
https://habr.com/ru/post/682388/?utm_campaign=682388&utm_source=habrahabr&utm_medium=rss

Pandas — это мощная библиотека для анализа данных, API которой обладает широкими функциональными возможностями. Этот API позволяет решить любую задачу, связанную с обработкой данных, несколькими способами. Некоторые из подходов к решению задач лучше других. Часто бывает так, что пользователи pandas узнают о подходах, не отличающихся особой эффективностью, привыкают к ним и постоянно их применяют. Этот материал посвящён разбору четырёх анти-паттернов pandas и рассказу о приёмах работы, которые стоит использовать вместо них.Автор черпал вдохновение из многих источников, ссылки на которые даны в статье. В частности — из замечательной книги Effective Pandas. Открыть/Комментировать

2022-08-22 19:45:19 Все, что вам нужно знать об Airflow DAGs, ч.3 — Проектирование DAG
https://habr.com/ru/post/682714/?utm_campaign=682714&utm_source=habrahabr&utm_medium=rss

Поскольку Airflow — это на 100% код, знание основ Python - это все, что нужно, чтобы начать писать DAG. Однако написание эффективных, безопасных и масштабируемых DAG требует учета некоторых моментов, специфичных для Airflow. В этом разделе мы рассмотрим некоторые передовые методы разработки DAG, которые максимально используют возможности Airflow. В целом, большинство лучших практик, которые мы здесь рассматриваем, относятся к одной из двух категорий Открыть/Комментировать

2022-08-22 17:38:56 Часть 4. Ищем матчи в Dota 2 по названиям роликов на YouTube с помощью BERT и OpenDota
https://habr.com/ru/post/682480/?utm_campaign=682480&utm_source=habrahabr&utm_medium=rss

Представьте, что с одной стороны у вас есть видео на YouTube с интересными моментами из матча по Dota 2. А с другой стороны база данных всех матчей по Dota 2. Как для видео найти соответствующую запись в БД? Этой задачей мы сегодня и займемся.

  Открыть/Комментировать

2022-08-22 16:27:06 Суффиксное дерево на python
https://habr.com/ru/post/681940/?utm_campaign=681940&utm_source=habrahabr&utm_medium=rss

Суффиксное дерево (Suffix Tree, ST) – это структура данных, которая позволяет "проиндексировать" строку за линейное время от её длины, чтобы потом быстро находить подстроки (за время О(длина искомой подстроки)). Открыть/Комментировать

2022-08-22 16:26:07 Расчет и анализ корреляционного отношения средствами Python
https://habr.com/ru/post/683442/?utm_campaign=683442&utm_source=habrahabr&utm_medium=rss

Расчет и анализ корреляционного отношения средствами Python. Открыть/Комментировать

2022-08-22 14:00:13 Четыре функции для быстрой работы с Big Data
https://habr.com/ru/post/682694/?utm_campaign=682694&utm_source=habrahabr&utm_medium=rss

Я часто пользуюсь функциями для работы с большими данными. Они позволяют упросить и ускорить работу. Некоторые я нашел на просторах интернета, другие написал сам. Сегодня хочу поделиться четырьмя из них, может кому-то будет полезно. Открыть/Комментировать