TGINSIGHT SIMILAR POSTS
Изворен канал @pythonotes · Post #197 · 4 јан.
Подразумеваемые неймспейсы или неявные пакеты. Этот функционал добавлен в Python 3.3 Что он означает? Ранее, до 3.3 пакетами считались лишь директории, в которых есть файл __init__.py. Этот файл одновременно являлся свидетельством того, что директория это Python-пакет, и служил "телом" этого пакета. То есть местом, где можно написать код, как это делается внутри модуля. Этот код исполняется в момент импорта пакета, так что его принято называть "код инициализации пакета". Начиная с версии 3.3 Любая директория считается пакетом и Python будет пытаться использовать любую директорию для импорта. Конечно, не любую в файловой системе, а только те что находятся в sys.path. Это значит, что теперь __init__.py нужно делать только если: 🔸 вам требуется создать код инициализации пакета 🔸 нужна совместимость со старыми версиями Python На мой взгляд это немного упрощает разработку, делает её чище, но с другой стороны убивает некоторую однозначность происходящего. Например, я создал репозиторий со своей библиотекой и рядом положил код примеров или тестов. repo_name/ my_library/ __init__.py main.py examples/ exam1.py exam2.py В этом репозитории пакетом является только my_library, остальные директории это не пакеты, это просто дополнительный код в файлах. Директория examples не добавлена в sys.path, в ней нет рабочих модулей. Но если она лежит рядом с my_library, то Python вполне сможет импортнуть из неё модули, так как посчитает что examples это валидный пакет. Конечно, пример несколько надуманный. Никто не будет добавлять корень репозитория в sys.path. Но, я думаю, суть ясна. Иногда директория это просто директория а не пакет! #basic#pep
Пребарај: #spreadsheet
@chartomojka · Post #1328 · 14.04.2025 г., 20:27
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 —————————
Hashtags
@djangoproject · Post #316 · 28.04.2017 г., 06:09
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'.
Hashtags
@venturevillagewall · Post #3372 · 18.12.2024 г., 12:08
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
@githubtrending · Post #15244 · 24.10.2025 г., 12:30
#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