Библиотека питониста | Python, Django, Flask
40.3K subscribers
2.8K photos
78 videos
51 files
4.39K links
Все самое полезное для питониста в одном канале.

Список наших каналов: https://t.iss.one/proglibrary/9197

Курс по ML: https://cl

Для обратной связи: @proglibrary_feeedback_bot

По рекламе: @proglib_adv
РКН: https://gosuslugi.ru/snet/67b885cbd501cf3b2cdb5b36
Download Telegram
💬 А это вторая часть опроса. Ждём ваших ответов! 👇
2
Forwarded from Библиотека программиста | программирование, кодинг, разработка
🐳 Подборка шпаргалок по Docker: на заметку разработчику

#шпаргалки #инфографика
👍20
🧑‍💻 Какие методы есть у генератора, но нет у итератора?

1️⃣ send(value)
Позволяет передать значение внутрь генератора. Это значение становится результатом выражения yield в теле генератора.

2️⃣ throw(type, value=None, traceback=None)
Используется для выбрасывания исключения внутри генератора в точке последнего yield. Позволяет обрабатывать ошибки.

3️⃣ close()
Завершает выполнение генератора, вызывая исключение GeneratorExit. Обычно используется для освобождения ресурсов.

#вопросы_с_собеседований
👍334
✏️ Разбор задачи с собеседования по Python

Условие: Вы поднимаетесь по лестнице, состоящей из n ступенек. Каждый раз вы можете подняться на 1 или 2 ступени. Сколькими различными способами можно добраться до вершины?

Решение: В карточке

Не можете решить? Забирайте наш курс:
🔵 Основы программирования на Python
Please open Telegram to view this post
VIEW IN TELEGRAM
👍81
Kool Log Parser — CLI-инструмент для работы с структурированными логами разных форматов

🔹Поддерживает множество форматов логов: JSON Lines, logfmt, CSV, TSV, SQLite и другие.
🔹Осуществляет фильтрацию по уровню логирования, временным интервалам или пользовательским выражениям.
🔹Проводит анализ: статистика событий, временные пробелы, паттерны уровней логов.
🔹Превращает неструктурированные данные в структурированные с помощью Python-кода.
🔹Поддерживает цветовую подсветку, выделение ключевых полей (например, временной метки, уровня логов, сообщений).

🔗 Ссылка на репозиторий
❤‍🔥8👍42
🤖 Машинное обучение для начинающих: основные понятия, задачи и сфера применения

Читайте в нашей статье детальное описание основных принципов, понятий и разновидностей машинного обучения.

➡️ Статья

Забирайте курс по машинному обучению и прокачивайтесь:
🔵 Базовые модели ML и приложения
Please open Telegram to view this post
VIEW IN TELEGRAM
👏71👍1
🔎 FindMy.py — библиотека для взаимодействия с API Find My от Apple

Особенности:
▪️Кроссплатформенность: не требуется Mac.
▪️Получение и расшифровка отчётов о местоположении.
▪️Поддержка официальных аксессуаров (AirTags, устройства Apple и т.д.).
▪️Поддержка кастомных AirTags (OpenHaystack).
▪️Сканирование ближайших устройств Find My.
▪️и др.

🔗 Ссылка на библиотеку
2
📚Напоминаем про наш полный курс «Самоучитель по Python для начинающих»

Мы написали и собрали для вас в одну подборку все 25 глав и 230 практических заданий!

🐍 Часть 1: Особенности, сферы применения, установка, онлайн IDE
🐍 Часть 2: Все, что нужно для изучения Python с нуля – книги, сайты, каналы и курсы
🐍 Часть 3: Типы данных: преобразование и базовые операции
🐍 Часть 4: Методы работы со строками
🐍 Часть 5: Методы работы со списками и списковыми включениями
🐍 Часть 6: Методы работы со словарями и генераторами словарей
🐍 Часть 7: Методы работы с кортежами
🐍 Часть 8: Методы работы со множествами
🐍 Часть 9: Особенности цикла for
🐍 Часть 10: Условный цикл while
🐍 Часть 11: Функции с позиционными и именованными аргументами
🐍 Часть 12: Анонимные функции
🐍 Часть 13: Рекурсивные функции
🐍 Часть 14: Функции высшего порядка, замыкания и декораторы
🐍 Часть 15: Методы работы с файлами и файловой системой
🐍 Часть 16: Регулярные выражения
🐍 Часть 17: Основы скрапинга и парсинга
🐍 Часть 18: Основы ООП – инкапсуляция и наследование
🐍 Часть 19: Основы ООП – абстракция и полиморфизм
🐍 Часть 20: Графический интерфейс на Tkinter
🐍 Часть 21: Основы разработки игр на Pygame
🐍 Часть 22: Основы работы с SQLite
🐍 Часть 23: Основы веб-разработки на Flask
🐍 Часть 24: Основы работы с NumPy
🐍 Часть 25: Основы анализа данных с Pandas
👍15🥰43