Знакомство с библиотекой NumPy в Python
Что такое NumPy?
NumPy (Numerical Python) - это популярная библиотека для вычислительных операций с многомерными массивами и матрицами, а также для выполнения высокоуровневых математических функций. Она предоставляет эффективные инструменты для работы с большими объемами данных и позволяет выполнять различные операции, такие как суммирование, умножение, индексацию и многое другое, без необходимости явно создавать циклы.
Преимущества NumPy:
- Производительность: NumPy выполняет операции над массивами быстрее, чем стандартные структуры данных Python.
- Удобство: NumPy предоставляет удобные методы для работы с данными, такие как срезы, индексация и броадкастинг.
- Интеграция: Библиотека интегрируется легко с другими библиотеками, такими как SciPy, pandas и Matplotlib, что делает ее мощным инструментом для научных вычислений.
Пример использования NumPy:
import numpy as np
# Создаем одномерный массив
arr = np.array([1, 2, 3, 4, 5])
# Выполняем операции над массивом
arr_squared = arr ** 2
arr_sum = np.sum(arr)
print("Исходный массив:", arr)
print("Квадраты элементов:", arr_squared)
print("Сумма элементов:", arr_sum)
NumPy также предоставляет функции для работы с многомерными массивами, линейной алгеброй, случайными числами и многое другое.
#python#NumPy#научныевычисления#анализданных
https://www.buzzfeed.com/andrewkelleher/deep-exploration-into-python-lets-review-the-dict-module?utm_term=.rhDeZBxA8#.bgB5DM0Z9
In this series, we’ll take a look at various modules and pieces of functionality of the #Python language. We’ll look at design choices, their impact, and their evolution. We’ll also look at the design of the language itself and learn about the operations of the interpreter as it parses the language all the way to the main eval loop. Finally, we’ll attempt to give practical takeaways that fall out of a deeper understanding of the language.
The #cpython implementation of Python (which is the standard on most machines) has been ported over to GitHub from its home in Mercurial. I think it also had a time under #SVN, but the engineers managed to preserve (for the most part) the commit logs.
#python#large_language_models#llm#penetration_testing#python
PentestGPT is a free, open-source AI tool that automates penetration testing like solving CTF challenges in web, crypto, and more. Install easily with Docker, add your API key (Anthropic, OpenAI, or local LLMs), then run pentestgpt --target [IP] for interactive guidance on scans, exploits, and reports. New v1.0 adds autonomous agents and session saving. It boosts your speed and accuracy in ethical hacking, helping beginners learn steps fast and pros tackle complex targets efficiently.
https://github.com/GreyDGL/PentestGPT
#python#AI#gemini
🖥
Google Gemini for Python: Coding with BARD
Oswald Campesato
-----
Main channel: @repo_science
Coupons: @freecoupons_reposcience
-----
https://pawelmhm.github.io/asyncio/python/aiohttp/2016/04/22/asyncio-aiohttp.html
👌Making 1 million requests with python -#aiohttp
Apr 22, 2016 - by Paweł Miech - about: #asyncio, aiohttp, #python
In this post I’d like to test limits of python aiohttp and check its performance in terms of requests per minute. Everyone knows that asynchronous code performs better when applied to network operations, but it’s still interesting to check this assumption and understand how exactly it is better and why it’s is better. I’m going to check it by trying to make 1 million #requests with aiohttp client. How many requests per minute will aiohttp make? What kind of exceptions and crashes can you expect when you try to make such volume of requests with very primitive scripts? What are main gotchas that you need to think about when trying to make such volume of requests?
http://mongoengine.readthedocs.io/en/latest/index.html
#MongoEngine is an Object-Document Mapper, written in #Python for working with #MongoDB. To install it, simply run
#Django
https://pypi.python.org/pypi/Telethon
#Telethon is #Telegram client implementation in #Python 3 which uses the latest available #API of Telegram. Remember to use pip3 to install!
#python#help_wanted#looking_for_contributors
This M3U playlist gives you a single, regularly updated file of free, legal TV channels worldwide (grouped by country and marked for HD, geo-blocking, or YouTube live) so you can add it to an IPTV player and watch many working streams without hunting links; it focuses on quality (only free, mainstream channels, one URL per channel) and lets you contribute fixes or channel changes via GitHub pull requests, which helps you get reliable channels and keeps the list current for smoother viewing.
https://github.com/Free-TV/IPTV
#Python#ETL#Database
⚙️
Essential Data Science: Database and ETL With Python
Mastering database programming and ETL with Python. Data Processing and Manipulation.
🌐 Inglés
⚖️846MB
🔗Link
-----
Canal principal:@repo_science
Cupones: @freecoupons_reposcience
-----
#вакансия#DataAnalyst#Python#SQL#Clickhouse#ABtest#удаленка#fulltime
🔹Анабар – система аналитики и управления продажами для продавцов на маркетплейсах.
Продукт запустили Петр Марков (ex-Яндекс, ex-Циан) и Павел Тарасов (ex-Альфа-Банк, ex-Циан) в июле 2020. У нас есть довольные клиенты, выручка и мы удваиваемся по всем ключевым бизнес-метрикам каждый квартал.
Сейчас мы ищем Data аналитика в нашу команду.
📌 Стек: Python, SQL, Superset, Clickhouse, Trino, plotly dash.
📌 Какие будут задачи:
- Аналитика бизнес-проблем поставщиков маркетплейсов и придумывание решения с использованием данных
- Анализ данных (как данные маркетплейсов, так и поведение пользователей у нас на сайте)
- Помощь разработчикам в создании (или даже самостоятельная разработка) дашбордов для пользователей
- Работа с большими и шумными данными
- Построение дашбордов в superset и дописывание etl-задачи на Presto/Athena
📌 Что нужно знать:
- SQL - отличное знание
- Методы проведения A/B экспериментов
- Python - базовый уровень
❗️Обязательный пункт:
Первое высшее математическое образование (специалитет/бакалавриат)
📌 Будет плюсом:
- Хорошее знание Python и опыт работы с Git
- Базовые навыки в машинном обучении
📌 Что предлагаем мы:
- 31 день отпуска: у нас официальный ненормированный рабочий день и, если случаются овертаймы, мы их записываем и отгуливаем. Важно помнить, что овертаймы - не систематическая и регулярная история
- Работа удаленная (можно работать из любой точки мира и оформиться к нам удобным способом, кстати, заработная плата полностью белая)
- Уровень дохода от 300 000 на руки
- Гибкий график (важно быть на связи по московскому часовому поясу)
- Настоящие возможности роста и развития
- Участие в создании большой истории про любовь продавцов к цифрам и анализу данных
💫 Ждем ваше резюме!
Контакты:
Светлана
ТГ: @yuz59
WA: +7 9194822190
email: [email protected]
Не забудьте уточнить, что вы из @datasciencejobs