TGTGInsighttelegram intelligenceLIVE / telegram public index
← Python Заметки

TGINSIGHT SIMILAR POSTS

Најди сличен содржај

Изворен канал @pythonotes · Post #241 · 5 мај

Можно ли в Python создавать бинарные файлы? Конечно можно. Для этого в Python есть следующие инструменты: ▫️ тип данных bytes и bytearray ▫️ открытие файла в режиме wb (write binary) или rb (read binary) ▫️ модуль struct Про модуль struct поговорим в первую очередь. Файл в формате JSON или Yaml внутри себя содержит разметку данных. Всегда можно определить где список начался а где закончился. Где записана строка а где словарь. То есть формат записи данных содержит в себе элементы разметки данных. В binary-файле данные не имеют визуальной разметки. Это просто байты, записанные один за другим. Правила записи и чтения находятся вне файла. Модуль struct как раз и помогает с организацией данных в таком файле с помощью определения форматов записи для разных частей файла. Модуль struct преобразует Python-объекты в массив байт, готовый к записи в файл и имеющий определённый вид. Для этого всегда следует указывать формат преобразования (или, как оно здесь называется - запаковки). Формат нужен для того, чтобы выделить достаточное количество байт для записи конкретного типа объекта. В последствии с помощью того же формата будет производиться чтение. При этом следует помнить что мы говорим о типах языка С а не Python. Именно формат определяет, что записано в конкретном месте файла, число, строка или что-то еще. Вот какие токены формата у нас есть. Помимо этого, первым символом можно указать порядок байтов. На разных системах одни и те же типы данных могут записываться по-разному, поэтому желательно указать конкретный способ из доступных. Если этого не сделать, то используется символ '@', то есть нативный для текущей системы. В строке формата мы пишем в каком порядке и какие типы собираемся преобразовать в байты. Запакуем в байты простое число, токен "i". >>> import struct >>> struct.pack('=i', 10) b'\n\x00\x00\x00' Теперь несколько float, при этом нужно передавать элементы не массивом а последовательностью аргументов. >>> struct.pack('=fff', 1.0, 2.5, 4.1) b'\x00\x00\x80?\x00\x00 @33\x83@' Вместо нескольких токенов можно просто указать нужное количество элементов перед одним токеном, результат будет тот же. >>> struct.pack('=3f', 1.0, 2.5, 4.1) b'\x00\x00\x80?\x00\x00 @33\x83@' Теперь запакуем разные типы >>> data = struct.pack('=fiQ', 1.0, 4, 100500) я запаковал типы float, int и unsigned long long (очень большой int, на 8 байт) b'\x00\x00\x80?\x04\x00\x00...' Распаковка происходит аналогично, но нужно указать тот же формат, который использовался при запаковке. Результат возвращается всегда в виде кортежа. >>> struct.unpack('=fiQ', data) (1.0, 4, 100500) Как видите, ничего страшного! #lib#basic

Hashtags

Резултати

Пронајдени 1 слични објави

Пребарај: #headofdatascience

当前筛选 #headofdatascience清除筛选
Data Science Jobs

@datasciencejobs · Post #2926 · 16.09.2025 г., 09:10

#vacancy#fulltime#hybrid#moscow #headofdatascience#datascience#RecSys Head of Data Science (RecSys) Мы ищем опытного Head of Data Science, специализирующегося на Dating/Video сервисах. Если у вас есть экспертиза в создании рекомендательных систем для видеоконтента и вы готовы возглавить весь цикл разработки, мы будем рады рассмотреть вашу кандидатуру. Чем предстоит заниматься: - Отвечать за весь процесс разработки рекомендательных систем для видеосервисов. - Разрабатывать, обучать и внедрять модели машинного обучения. - Оценивать эффективность моделей и находить пути для их улучшения. - Развивать и поддерживать автоматизированные процессы обучения и прогнозирования. - Интегрировать модели в рабочие системы (через API, ETL-процессы). - Тесно взаимодействовать с командами аналитики, инженерами данных и бизнес-менеджерами. - Выявлять скрытые закономерности и тренды в данных для повышения качества рекомендаций. Требования: - Опыт работы от 3 лет в сфере video/streaming. - Успешный опыт разработки рекомендательных систем для видеоплатформ и таргетирования видеоконтента. - Опыт взаимодействия с бизнесом для сбора и формализации требований. - Уверенное владение SQL. - Отличное знание Python и библиотек для анализа данных (pandas, scikit-learn, xgboost). - Глубокое понимание основ теории вероятностей, математической статистики и машинного обучения. Мы предлагаем: - Трудоустройство по ИП РФ. - Конкурентную заработную плату от 450.000 до 600.000 р - Гибридный формат работы в Москве. Резюме направлять: @sourserXP