TGINSIGHT SIMILAR POSTS
Canal fuente @python_academy · Post #1507 · 30 oct
Парсинг JSON в Python с библиотекой ujson Сегодня мы поговорим о библиотеке ujson, которая предоставляет эффективные инструменты для работы с данными в формате JSON в Python. JSON (JavaScript Object Notation) - это популярный формат для обмена данными между приложениями, и ujson позволяет эффективно парсить JSON-данные и создавать JSON-объекты. Что такое ujson? ujson - это модуль Python, который предоставляет более быструю альтернативу стандартному модулю json в стандартной библиотеке Python. Благодаря оптимизациям, ujson может значительно ускорить парсинг и создание JSON-данных. Преимущества ujson перед обычным json: 1. Скорость:ujson известен своей высокой производительностью, что делает его отличным выбором для приложений, где важна скорость обработки JSON-данных. 2. Легкость использования: Интерфейс библиотеки очень похож на стандартный модуль json, поэтому переключение на ujson не требует больших изменений в коде. 3. Совместимость:ujson совместим с большинством современных версий Python. 4. Эффективность: Парсер ujson создан с акцентом на эффективность и оптимизацию, что позволяет экономить ресурсы при обработке JSON-данных. P.S. Автор этого поста вдохновился идеей, предложенной одним из наших подписчиков. Если и у вас есть свои предложения, не стесняйтесь делиться ими в комментариях! #python#ujson#json#библиотеки
Hashtags
Búsqueda global general
@QIUYUEZT · Post #7981 · 25/02/2026, 14:20
🔻标题：Python全栈开发实战课程：涵盖爬虫、数据分析与AI应用 🌈说明: 课程共 43 节，循序渐进构建 Python 全栈体系。 1–13 节打牢基础；14–26 节提升面向对象与系统开发能力；27–39 节学习数据库与前后端分离博客实战；40–43 节专攻爬虫技术。 配套实战项目与练习，延伸数据分析与 AI 基础，打造“全栈 + 数据 + AI”综合能力。 📃下载地址: 网盘下载 ✉️标签：#python#教程
@QIUYUEZT · Post #7492 · 31/12/2025, 14:15
🔻标题：Python极客三小时速成 🌈说明: 一套面向零基础的 Python 实战入门课，包含基础语法、常用库和简单项目三大模块。通过精简讲解配合即时练习，帮助学员在约三小时内掌握核心概念并完成小程序，适合想快速入门编程的学习者。 📃下载地址: 网盘下载 ✉️标签：#python#教程
Command line journal application, text file storage with optional encrytion https://github.com/jrnl-org/jrnl #python#cli
@animal_fighting · Post #13 · 27/04/2022, 06:53
Crocodile VS Python Stalemate situation... #crocodile#python
Hashtags
@linuxgram · Post #18007 · 07/03/2026, 16:55
📰 AMD GAIA 0.16 Introduces C++17 Agent Framework For Building AI PC Agents In Pure C++ AMD's GAIA open-source framework for building AI agents that run locally on Ryzen AI hardware via the Radeon iGPUs and/or NPUs is up to version 0.16. With this new GAIA release is support for developing AI agents purely in C++ with no longer needing to depend upon Python... 🔗 Source: https://www.phoronix.com/news/AMD-GAIA-0.16 #amd#opensource#python
Hashtags
@geomapers · Post #492 · 23/12/2025, 07:59
Курсы Spatial Thoughts и Geospatial Python Tutorials Spatial Thoughts (https://spatialthoughts.com) — образовательная платформа, основанная Уджавалом Ганди (Ujaval Gandhi). Она предлагает курсы по анализу пространственных данных на Python: 🎓Python Foundation for Spatial Analysis 🎓Mapping and Data Visualization with Python Материалы курсов бесплатны, за прохождение курса с инструктором придется заплатить. 🔗Дополняет учебные курсы сайт Geospatial Python Tutorials (https://www.geopythontutorials.com). Он содержит примеры применения пакетов GeoPandas, Xarray, Dask, SamGeo и мн. др. для решения практических задач. Вот, например, извлечение информации из нескольких новостей о конфликтах между людьми и слонами в Индии, и геокодирование мест конфликтов — все с помощью ChatGPT. В качестве среды для работы рекомендуется Google Colab. #python#ИИ
@dataviz_addict · Post #57 · 22/04/2024, 12:58
Анализ видео: визуализация Последний пост серии, первые два по ссылкам: 1. Подготовка данных 2. Анализ данных Для виза снова используем cv2. Если данные записаны в таблицу xlsx, то понадобится модуль ast для корректного считывания синтаксиса списков. При считывании объединяем данные в одномерный список (colors) и создаем пустой массив: # суммарное число цветов colors_length = len(colors) # высота изображения в пикселях height = 500; # создаем пустой массив # height: число строк # colors_length: число столбцов # 3: массив цвета (r, g, b) img_array = np.zeros((height, colors_length, 3), np.uint8) После этого заполняем массив цветами и с помощью cv2 создаем изображение: # заполняем массив for x in range(colors_length): img_array[:,x] = colors[x] # записываем в файл cv2.imwrite('file_name.png', img_array) Подробнее о параметрах файла палитры и том, как с ним работать, — в карточках. P.S. И как обычно, полный код этой части в комментариях. #датавиз#python
@dataviz_addict · Post #51 · 09/04/2024, 07:23
Анализ видео: цвет На прошлом этапе мы записали по одному кадру видео в секунду в список captures_array. Имея данные о кадрах в формате rgb, мы можем определить преобладающие оттенки. Для этого используем метод кластеризации, а точнее kmeans. Он позволяет разбить массив на нужное число групп по близости значений и выделить их центры (центроиды). Эти значения являются доминирующими оттенками кадра. На мой взгляд, детальность данных будет достаточная, если выделить пять центроидов (k). Этот алгоритм нужно применить в цикле к каждому кадру (capture): # определяем размеры массива shape = capture.shape # пересобираем в одномерный массив ar = capture.reshape(np.product(shape[:2]), shape[2]).astype(float) # находим заданное число центроидов centroids,_ = kmeans(ar, k) В итоге получаем палитру каждого кадра фильма в хронологическом порядке. Как ее визуализировать, расскажу в следующем посте. P.S. Полный код оставила в комментариях. #датавиз#python
@dataviz_addict · Post #50 · 04/04/2024, 14:10
Анализ видео: подготовка данных Я использую python, но общая логика алгоритма может пригодиться и для других языков. Сначала нужно покадрово считать видео. Сделаем это с помощью библиотеки OpenCV (cv2): import cv2 # видео целиком video = cv2.VideoCapture('file_name.mp4') # частота кадров fps = int(video.get(cv2.CAP_PROP_FPS)) # число кадров во всем видео frame_count = int(video.get(cv2.CAP_PROP_FRAME_COUNT)) Теперь можно запустить цикл и собрать один кадр за каждую секунду. В цикле повторяется такой код: ret, frame = video.read() Каждую итерацию считывается следующий кадр. В ret записывается информация о корректности считывания (True/False), frame — кадр в формате массива с rgb каждого пикселя. Имея частоту видео, мы можем записать только один кадр в секунду. Такого объема данных достаточно для анализа. В итоге получаем список с числом кадров равным длительности видео в секундах. Что делать с ним дальше расскажу в следующем посте. P.S. В комментариях полный код этой части. #датавиз#python
@android_broadcast · Post #8707 · 19/02/2025, 06:10
История(12м) как в Альфа-Банке сокращали размер JSON файла, который передается на устройство для работы SDUI. Решением стала шаблонизация для отказа от одинаковых блоков UI с разными данными #оптимизация#json
Hashtags
https://habr.com/ru/companies/first/articles/967122/ Работаем с NanoVNA из программы на Python #nanovna#python
Europeana – сокровища европейских архивов https://vseobuch.org/europeana-sokrovishha-evropejskih-arhivov.html #библиотеки#архивы
Hashtags