Как создать Python wrapper и не сойти с ума
https://habr.com/ru/post/467615/?utm_campaign=467615&utm_source=habrahabr&utm_medium=rss

Недавно прочитал статью про очень полезный инструмент, и так как я уже давно искал какой-то проект, чтобы начать контрибьютить, решил посмотреть, что там есть на гитхабе и чем можно помочь. Одно из issue было на счет создания обертки (дальше буду использовать wrapper) для Cи-шной библиотеки. В тот момент я подумал "О, что-то интересное, уверен, это займет не больше часа". Как же сильно я ошибался.
 
В этой статье я решил показать не один путь для решения подобной задачи, а несколько разных вариантов. Я покажу варианты создания модулей на Pythonс компиляцией в С, использование маленькой самописной библиотеки С в Python и – последний вариант – использование большой C библиотеки в Python без боли и pxd файлов.

mem_usage_ui - отслеживаем потребление памяти
https://github.com/parikls/mem_usage_ui

UI на aiohttp и vuejs для замеров потребления памяти процесса и построения графиков

Test and Code: 88: Error Monitoring, Crash Reporting, Performance Monitoring - JD Trask
https://testandcode.com/88

Audio

50 оттенков matplotlib — The Master Plots (с полным кодом на Python)
https://habr.com/ru/post/468295/?utm_campaign=468295&utm_source=habrahabr&utm_medium=rss

Те, кто работает с данными, отлично знают, что не в нейросетке счастье — а в том, как правильно обработать данные. Но чтобы их обработать, необходимо сначала проанализировать корреляции, выбрать нужные данные, выкинуть ненужные и так далее. Для подобных целей часто используется визуализация с помощью библиотеки matplotlib.

StackOverflow: интересные вопросы за неделю (cxcv)
http://python-weekly.blogspot.com/2019/09/cxcv-stackoverflow-python-report.html

Как организовать работу с кодом если ты Data Scientist
https://towardsdatascience.com/workflow-for-reportable-reusable-and-reproducible-computational-research-45d036c8a908

Осваиваем дополнительные навыки с Pandas за 20 минут
https://towardsdatascience.com/learn-advanced-features-for-pythons-main-data-analysis-library-in-20-minutes-d0eedd90d086

#python #pydigest

Сборник Python новостей уже перед вами.

В 300 выпуске Python Дайджест вы найдете:

- Делаем домашнюю библиотеку с Notion и Python
- Анализируем историю прослушивания в «Яндекс.Музыке»
- PyCrunch – Интеллектуальное выполнение тестов и визуальное покрытие кода в IDE
- Симуляция кастомного физического взаимодействия на python + matplotlib
- Как оптимизировать pandas при работе с большими datasetами (очерк)
- Наследование и композиция: руководство по ООП в Python
- Must-have алгоритмы машинного обучения
- C/C++ из Python (CFFI, pybind11)
- SpeedTorch - ускоряем Torch, с помощью переноса CPU <-> GPU
- mem_usage_ui - отслеживаем потребление памяти
- autokeras - AutoML for deep learning

Заходите в гости - https://pythondigest.ru/issue/300/
Присылайте интересные новости через форму на сайте.

Генератор простых арифметических примеров для чайников и не только
https://habr.com/ru/post/468457/?utm_campaign=468457&utm_source=habrahabr&utm_medium=rss

В этой «статье», а вернее сказать очерке, покажу очень простой способ развлечься зная самые основы latex и python.

Podcast.__init__: Exploratory Data Analysis Made Easy At The Command Line
https://www.pythonpodcast.com/visidata-exploratory-data-analysis-episode-230/

Audio

Keras: отслеживаем пере/недообучение сети
https://www.pyimagesearch.com/2019/09/23/keras-starting-stopping-and-resuming-training/

Учимся вовремя останавливать обучение или дообучать

Разбираемся с асинхронностью Python
https://realpython.com/python-async-features/

Для новичков

espresso - A Fast End-to-End Neural Speech Recognition Toolkit
http://github.com/freewym/espresso

Робот-танк на Raspberry Pi с Intel Neural Computer Stick 2
https://habr.com/ru/post/459126/?utm_campaign=459126&utm_source=habrahabr&utm_medium=rss

Вот и наступил новый этап в развии Raspberry-танка (https://habr.com/ru/post/358230/).


В предыдущей серии (https://habr.com/ru/post/452088/) оказалось, что семантическая сегментация из коробки не по зубам Raspberry.

jira - автоматизируем JIRA
http://github.com/pycontribs/jira

Как обработать большие xml на 8 Гб памяти. Работаем с базой ФИАС,pandas и python
https://habr.com/ru/post/468637/?utm_campaign=468637&utm_source=habrahabr&utm_medium=rss

Скачать ее можно перейдя по ссылке (https://fias.nalog.ru/Updates.aspx), данная база является открытой и содержит все адреса объектов по России (адресный реестр). Интерес к этой базе вызван тем, что файлы, которые в ней содержатся достаточно объемны. Так, например, самый маленький составляет 2,9 Гб. Предлагается остановиться на нем и посмотреть, справится ли с ним pandas, если работать на машине, располагая только 8 Гб оперативной памяти. А если не справится, какие есть опции, для того, чтобы скормить pandas данный файл.

Линейная алгебра на Numpy: часть 1
https://towardsdatascience.com/linear-algebra-essentials-with-numpy-part-1-af4a867ac5ca

The Python Software Foundation обновил Code of Conduct
http://feedproxy.google.com/~r/PythonSoftwareFoundationNews/~3/zXXv-H7zJUc/the-python-software-foundation-has_24.html

Применяется для официальных Python конференций

Играемся с комплексными числами
https://habr.com/ru/post/468781/?utm_campaign=468781&utm_source=habrahabr&utm_medium=rss

Очередной очерк. На этот раз поиграемся с комплексными числами, с формулами и их визуализацией.

PyCharm 2019.2.3
http://feedproxy.google.com/~r/Pycharm/~3/NA6LTTwo_W4/