PyPy Development: улучшено исключение SyntaxError
http://feedproxy.google.com/~r/PyPyStatusBlog/~3/nYz8hk9kwbI/improving-syntaxerror-in-pypy.html

PyCharm 2018.1.1
http://feedproxy.google.com/~r/Pycharm/~3/Gl2QUXLy0QQ/

Массивы с NumPy
https://realpython.com/numpy-array-programming/

Введение в хэшеирование
http://blog.thedigitalcatonline.com/blog/2018/04/06/introduction-to-hashing/

Объединение и разделение  PDF файлов
http://www.blog.pythonlibrary.org/2018/04/11/splitting-and-merging-pdfs-with-python/

Django: Sitemaps для нескольких языков
https://406.ch/writing/django-sitemaps-and-alternates/

Many-to-many field lookup в Django REST Framework
https://www.peterbe.com/plog/efficient-m2m-django-rest-framework

Python интерпретируемый или компилируемый? Да.
https://nedbatchelder.com//blog/201803/is_python_interpreted_or_compiled_yes.html

Как с помощью анализа геоданных предсказать количество вызовов экстренных служб в разных частях города?
https://habrahabr.ru/post/353334/?utm_campaign=353334

Попробуйте решить задачу из онлайн-хакатона Geohack.112 (https://datasouls.com/c/mts-geohack/description). Дано: территория Москвы и Московской области была разделена на квадраты размеров от 500 на 500 метров. В качестве исходных данных представлено среднее количество вызовов экстренных служб в день (номера 112, 101, 102, 103, 104, 010, 020, 030, 040). Рассматриваемый регион был поделен на западную и восточную часть. Участникам предлагается, обучившись по западной части, предсказать количество вызовов экстренных служб для всех квадратов восточной.

Nuitka: A Python Compiler
http://nuitka.net/doc/user-manual.html

#python #pydigest

Все самое интересное из мира Python за неделю в одном месте - Python Дайджест.

В 225 выпуске вы найдете:

- JupyterHub, или как управлять сотнями пользователей Python. Лекция Яндекса
- Опасные pickles — вредоносная сериализация в Python
- Извлекаем мета данные и текст из PDF
- Как с помощью анализа геоданных предсказать количество вызовов экстренных служб в разных частях города?
- Применение сверточных нейронных сетей для задач NLP
- Мега-Учебник Flask, Часть XIX: Развертывание на основе Docker-контейнеров
- Django: Sitemaps для нескольких языков
- gopro-py-api - неофициальный API для камер Go Pro
- dictquery - SQL-like для запросов в словари

и еще много интересного

Заходите в гости - https://pythondigest.ru/issue/225/
Присылайте интересные новости через форму на сайте.

Мега-Учебник Flask, Часть XIX: Развертывание на основе Docker-контейнеров
https://habrahabr.ru/post/353234/?utm_campaign=353234

Это девятнадцатая часть серии мега-учебника Flask, в которой я собираюсь развернуть Microblog на платформе Docker.

Опасные pickles — вредоносная сериализация в Python
https://habrahabr.ru/post/353480/?utm_campaign=353480

Panta rhei и вот уже приближается запуск обновленного курса «Web-разработчик на Python» (https://otus.pw/kYot/) и у нас остался ещё материал, который мы нашли сильно небезынтересным и коим хотим поделиться с вами.


Чем опасны pickles?
 
Эти соленые огурчики крайне опасны. Я даже не знаю, как объяснить, насколько. Просто поверь мне. Это важно, понимаешь?
“Explosive Disorder” Pan Telare


Прежде чем с головой погрузиться в опкод, поговорим об основах. В стандартной библиотеке Python есть модуль под названием pickle (https://docs.python.org/3/library/pickle.html#module-pickle) (в переводе “соленый огурчик” или просто ”консервация”), который используется для сериализации и десериализации (https://ru.wikipedia.org/wiki/%D0%A1%D0%B5%D1%80%D0%B8%D0%B0%D0%BB%D0%B8%D0%B7%D0%B0%D1%86%D0%B8%D1%8F) объектов. Только называется это не сериализация/десериализация, а pickling/unpickling (дословно — “консервация/расконсервация”).

daily-tweeter - утилита для постинга сообщений в twitter по расписанию
https://doughellmann.com/blog/2018/04/13/daily-tweeter-0-1-0/

keras-flask-deploy-webapp - разворачиваем Keras модель с помощью Flask
http://github.com/mtobeiyf/keras-flask-deploy-webapp

Deep-Learning-Papers-Reading-Roadmap
http://github.com/floodsung/Deep-Learning-Papers-Reading-Roadmap

Python 2.7.15 RC 1
http://feedproxy.google.com/~r/PythonInsider/~3/MFwLlNq1pcw/python-2715-release-candidate-1-is-now.html

Reverse Engineering Soundcloud API
https://pythontips.com/2018/04/15/reverse-engineering-soundcloud-api/

StackOverflow: интересные вопросы за неделю (cxxi)
http://python-weekly.blogspot.com/2018/04/cxxi-stackoverflow-python-report.html

JupyterHub, или как управлять сотнями пользователей Python. Лекция Яндекса
https://habrahabr.ru/post/353546/?utm_campaign=353546

Платформа Jupyter позволяет начинающим разработчикам, аналитикам данных и студентам быстрее начать программировать на Python. Предположим, ваша команда растёт — в ней теперь не только программисты, но и менеджеры, аналитики, исследователи. Рано или поздно отсутствие совместного рабочего окружения и сложность настройки начнут тормозить работу. Справиться с этой проблемой поможет JupyterHub — многопользовательский сервер c возможностью запускать Jupyter одной кнопкой. Он отлично подходит для тех, кто преподаёт Python, а также для аналитиков. Пользователю нужен только браузер: никаких проблем с установкой ПО на ноутбук, совместимостью, пакетами. Мейнтейнеры Jupyter активно развивают JupyterHub наряду с JupyterLab и nteract.