TGINSIGHT SIMILAR POSTS
Изворен канал @pythonotes · Post #146 · 16 сеп.
Функция sub в regex может принимать функцию в качестве аргумента repl. 📄 Из документации: If repl is a function, it is called for every non-overlapping occurrence of pattern. The function takes a single match object argument, and returns the replacement string. То есть для каждого совпадения будет вызвана функция для вычисления замены вместо замены на одну и ту же строку для всех совпадений. Иными словами, для замены разных совпадений на разные строки не потребуется запускать re.sub() много раз для каждой строки замены. Достаточно определить функцию, которая вернёт строку для каждого из совпадений. Описание слишком запутанное🤔, давайте лучше рассмотрим на простом примере: Создаем карту замены. То есть какие строки на какие требуется менять. remap = { 'раз': '1', 'два': '2', 'три': '3', 'четыре': '4', 'пять': '5', } Пишем функцию поиска строки для замены. Единственным аргументом будет объект re.Match. Используя данные этого объекта мы вычисляем замену on-the-fly! def get_str(match: re.Match): word = match.group(1) return remap.get(word.lower()) or word Пример текста. text = '''Раз Два Три Четыре Пять Вместе будем мы считать Пять Четыре Три Два Раз Мы считать научим вас ''' Теперь запускаем re.sub и вместо строки замены (repl) подаём имя функции. (Данный паттерн ищет отдельные слова в тексте) >>> print(re.sub(r'(\w+)', get_str, text)) 1 2 3 4 5 Вместе будем мы считать 5 4 3 2 1 Мы считать научим вас Думаю, достаточно наглядно 🤓 #libs#regex
Пребарај: #anaconda
@djangoproject · Post #557 · 24.01.2018 г., 05:45
http://go2.anaconda.com/eR0p1W01000NXe0lq4U2f0C Data Scientist-Tested, IT-Approved Operational Best Practices for Enterprise Data Science We know how hard you work to keep things running smoothly at your enterprise. But when it comes to enterprise data science, do you know how to give your data science team the tools they need while also keeping everything secure and stable? #Anaconda
Hashtags
@djangoproject · Post #506 · 26.11.2017 г., 21:54
Taming the #Python Visualization Jungle It’s no secret that Python has a ton of plotting libraries—but which ones should you use? And how should you go about choosing them? Many people end up sticking with whatever library they first encountered, even if there are now much better tools for the job. Join #Anaconda Co-Founder and CTO Peter Wang and Senior Solutions Architect James Bednar for a live webinar on Wednesday, November 29, at 12pm CT, as they give you some key starting points and demonstrate how to solve a range of common problems. They’ll take a workflow-oriented approach toward exploring the large ecosystem of Python viz libraries, and show you how to: http://bit.ly/2zpATx7
@djangoproject · Post #445 · 17.09.2017 г., 01:01
https://machinelearningmastery.com/setup-python-environment-machine-learning-deep-learning-anaconda/ It can be difficult to install a #Python#machine_learning environment on some platforms. Python itself must be installed first and then there are many packages to install, and it can be confusing for beginners. In this tutorial, you will discover how to set up a Python machine learning development environment using #Anaconda.
@djangoproject · Post #465 · 16.10.2017 г., 08:17
https://goo.gl/ucbkhT #Data_Science for #Big_Data with #Anaconda Enterprise Getting Python and R’s most popular data science libraries to work on a computational cluster can be a major challenge. And in a Big Data world, surmounting this challenge is key to leveraging data science within your organization to make smart, data-driven decisions.
Hashtags
@djangoproject · Post #526 · 19.12.2017 г., 20:13
https://goo.gl/XT2vGj Anaconda Enterprise 5 new capabilities include: Integrated #data_science experience for the entire organization Collaboration and reproducibility with JupyterLab and #Anaconda Project One-click data science #deployment Scalable architecture for on-premises and cloud deployments
@djangoproject · Post #513 · 30.11.2017 г., 22:00
#AI#Artificial_Intelligence #AJAX #aiohttp #Anaconda #AngularJS #API #Atom #AWS #asyncio (#Asynchronous) #audio #automated_testing #automation #atexit #BeeWare #Big_Data #bitcoin #blockchain #Bluemix #Brython #button #Celery #client #class #classmethod #concurrency #Coroutine #cron #CSS #curl #data_analysis #data_mining #data_processing #database #Deep_Learning#deep_learning #Debian #decorator #deploy #dict #dispatch #django #django_cms #Django_REST_Framework #dropdownbox #Docker #event #Firefox #Flask #form #functions #Generator #GeoDjango #git #Google #GPU #GUI #Gym #host #HTML #httplib #learn #Image_processing #intelligence #input #Instagram #IOT #iPython #Jupyter #lambda #learn #License #Linux #lists #machine_learning #Magenta #map #Matplotlib #Metaprogramming #Micro_services #Micropython #mind #monitoring #MongoDB #modules #Mozilla #Multipart #multi_touch_apps #multiprocessing #Nodes #NoSQL #numeric_computation #numerical #NumPy #network #neural_network #OAuth #object_serialization #OCR #overloading #package #parallel #pipeline #protocols #PostGIS #pyAudioAnalysis #pycon #Pyflakes #PyInstaller #PyPI #PyQt #PySide #PyTorch #pytest #python #Pyvideo_archives #Qt #Raspberry_Pi #React #Redis #random #request #Regular_Expressions (#re) #REST #RSS #satellite #scikit_learn #SciPy #scrapy #searching #selectbox #Selenium #serialization #server #sessions #single_responsibility_principle #socket #Spark #str #submit #task #telegram #template #TensorFlow #test #text_boxes #text #tuples #unicode #Universe #Unix #unit_test #urllib #upload #uWSGI #Web #WSGI
Hashtags