TGTGInsighttelegram intelligenceLIVE / telegram public index
← Python Заметки

TGINSIGHT SIMILAR POSTS

Најди сличен содржај

Изворен канал @pythonotes · Post #418 · 9 мар.

Оператор pipe позволяет писать более компактный код, реализуя логику объединения данных (Union). Важно помнить, что его поведение зависит от контекста. Побитовые операции (логическое OR) result = 5 | 3 # 5 (0101) | 3 (0011) = 7 (0111) Самое главное - не путать с оператором or, это другое! Объединение множеств set_a = {1, 2, 3} set_b = {3, 4, 5} set_c = set_a | set_b # {1, 2, 3, 4, 5} set_c |= {5, 6} # {1, 2, 3, 4, 5, 6} Слияние словарей dict_1 = {"a": 1, "b": 2} dict_2 = {"b": 3, "c": 4} merged = dict_1 | dict_2 # {'a': 1, 'b': 3, 'c': 4} merged |= {"d": 5} # {'a': 1, 'b': 3, 'c': 4, 'd': 5} Аннотации типов, заменяет Union def process_data(value: int | str) -> None: print(value) Допустимо использовать в isinstance или issubclass isinstance(3, int | float) # True Паттерн-матчинг status_code = 404 match status_code: case 200 | 201 | 204: print("OK") case 400 | 404 | 500: print("ERROR") Для использования в своих классах требуется переопределить метод __or__ Так же нашел библиотеку pipe которая добавляет еще много возможностей. Рекомендую ознакомиться ;) #basic

Hashtags

Резултати

Пронајдени 1 слични објави

Пребарај: #urbanalytics

当前筛选 #urbanalytics清除筛选
О городах и данных

@datainthecity · Post #3 · 04.09.2020 г., 19:38

Начну с одного из своих любимых примеров использования городских данных из столицы Шотландии, Эдинбурга. Каждый август там проходит международный фестиваль Edinburgh Festival Fringe, на который приезжают тысячи туристов и, конечно, стандартное расписание транспорта этого относительно небольшого города не справляется с такой нагрузкой. Чтобы подстроить работу автобусов и поездов ( многие туристы ночуют вне Эдинбурга) под спрос, городские власти совместно с департаментом транспорта и университетом Эдинбурга, собирают статистику с учреждений-участников фестиваля о времени проведения их мероприятий и количестве зарегистрировавшихся, и, исходя из этого, определяют в какие часы, какое количество дополнительных рейсов и куда должно быть направлено. Говорят, что регулируют даже светофоры. Система пока не настроена, чтобы работать реал-тайм, поэтому решения принимаются заранее на основе ожидаемых цифр и исторических данных. В целом, это понятный и эффективный пример того, как данные помогают избежать перегруженности транспорта во время массовых мероприятий. Может и нашим властям попробовать вместо того, чтобы закрывать метро, подстраивать работу транспорта под спрос? #urbandata#urbanalytics#scotland#smartcity