Для тех кто пишет расширения на PyQt/PySide для CG-софтов.
Когда я только начинал писать тулзы под Maya (тогда еще версия 2010-2011) мне приходилось ручками ставить PyQt4 под Maya. Даже написал мануалы по установке на своём сайте. Но потом стал доступен из коробки PySide и позже он обновится до PySide2. Для некоторых систем была поддержка PyQt5.
И как простому разработчику поддерживать этот зоопарк? Ведь хочется чтобы тул работал на любой версии (вы тоже делали модуль что-то типа import_qt.py?😁)
На помощь приходит проект Qt.py который поставил себе цель унифицировать использование Qt-биндингов вне зависимости от среды где запускается код. Те, кто давно пишут на Qt, скорее всего знают этот проект.
Он стал стандартом для CG-индустрии и используется в топовых студиях и проектах.
Qt․py помогает запускать один и тот же код на разных платформах с разными вариантами Qt-библиотек. Это может быть как интеграция в CG-софт, так и переносимость стендалонов между разными платформами с разными версиями Python.
Я решил рассказать о некоторых особенностях работы с этой библиотекой.
Сегодня о том, как установить и использовать Qt․py и что это вам даёт.
Установка
pip install Qt.py
Чтобы начать использовать Qt․py в коде достаточно заменить импорт вашего варианта Qt-биндинга на Qt․py
from [PySide|PyQt4|PySide2|PyQt5] import QtWidgets
=>
from Qt import QtWidgets
Теперь ваш код будет поддерживать любой вариант биндинга Qt в Python.
При этом не потребуется использовать if-else конструкции под разные версии. Все вызовы теперь одинаковы.
Всё что нужно сделать, это написать его по правилам PySide2. Именно эта версия была взята за основу.
Приоритет импорта такой:
1. PySide2
2. PyQt5
3. PySide
4. PyQt4
Что именно загрузилось можно посмотреть в переменной __binding__
>>> import Qt
>>> Qt.__binding__
'PySide2'
Приоритет имопрта можно изменить через переменные QT_PREFERRED_BINDING и QT_PREFERRED_BINDING_JSON. Причем под каждый проект оверрайды можно настраивать индивидеально.
#qt#libs
Google встроил AI прямо в Google Sheets — на уровне формул.
Больше не нужно вспоминать, как писать VLOOKUP или придумывать хитрые конструкции для сложных задач.
Теперь достаточно написать промпт в =AI() — и модель сама поймёт, что в ячейках, и вернёт нужный результат.
Примеры, что можно делать прямо в таблице в комметариях.
#google#spreadsheet#ai
—————————
Мысли Рвачева
—————————
https://github.com/blissnd/easyxls
Convert any #spreadsheet into a Python internal #dict/#array data structure, for easy processing. Can also handle pivot tables.
For pivot table usage, header_row_start & header_col_start need to be set equal to the top left corner of the pivot table => header_row_start=8, header_col_start='c' in the included example.
Column IDs must always be lowercase chars in quotes, e.g. 'a'.
Melder Secures $500K Funding
Melder has raised $500K in funding as of December 4, 2024. The platform allows users to analyze PDFs, DOCX files, and Emails using a straightforward spreadsheet tool.
#Funding#Melder#Tech#Startup#Investment#Spreadsheet#Email#DOCX#PDF#Analysis
#python#airtable#airtable_alternative#airtable_replacement#application_builder#automations#dashboards#database#low_code#no_code#no_code_database#no_code_platform#online_database#postgresql#restful_api#self_hosted#spreadsheet
Baserow is a powerful, open-source tool that lets you build databases and applications without coding. It offers full control over your data and environment, allowing self-hosting and customization. Unlike Airtable, Baserow doesn't limit your data storage or API calls, making it ideal for large projects. It combines the ease of a spreadsheet with advanced data management features, including dashboards and automation tools. This gives users complete ownership of their data and avoids vendor lock-in, making it a great choice for businesses needing flexibility and scalability.
https://github.com/baserow/baserow