Автор оригинала: Gergely Szerovay.
Мое намерение с публикацией этой коллекции
В прошлом году я использовал только среду для потребляющий контент И я проверил тонну статей, связанных с Python. Недавно я начал использовать сообщество Особенности платформы, например, после того, как собратели разработчиков. Я также разработал практику хлопать и подчеркивая самые интересные части своих статей. Моя цель – быть активным членом Сообщества разработчика собралось на среднем.
Я также понял, что я хотел бы вернуть сообществу После прочтения так много великих ресурсов. Это был один из моих главных мотиваций для написания моей первой статьи «Почему вам нужны среды Python и как управлять им с Кондиционером» Отказ
В этой статье я хотел бы поделиться с вами Статьи, которые я нашел самым интересным и проницательным (вдохновляющим) в прошлом году и в этом году (пока) Отказ Моя другая цель состояла в том, чтобы создать всеобъемлющий список самых ценных произведений Для моих студентов Python Отказ
Как навигаться по этой статье
Я добавил множество отличных ресурсов, что было нелегко выбрать лучшие. Поэтому я разделил статью в 10 категорий – Это, кстати, хорошо резонирует с Универсальный и многофункциональный характер Python Отказ
Категории являются:
1. Общее программирование Python
2. Оптимизация производительности Python
3. Органы развития Python и DevOps
4. Машинное обучение
5. Обработка изображения и видео
6. Частота и обработка народных языков (NLP)
7. Блокчан
8. Разработка Веб и Бэкэнда
9. Веб соскоб
10. Визуализация данных
Только еще одна вещь, прежде чем погрузиться в: Как вы должны использовать эту статью ? Не нужно читать все сразу. Закладка это и используйте его в качестве отправной точки или ориентира. С Список категорий выше, вы можете ориентироваться к разделам, которые вас интересуют больше всего.
И, пожалуйста Дайте мне знать в комментарии Если вы чувствуете, что оставил удивительный ресурс, поэтому я могу обновить мою коллекцию. Заранее спасибо!
1. Общее программирование Python
1.1 Обучение Python: от нуля до героя, по TK
Комплексное введение в Python, это обязательно читается, если вы новичок в этом мире. Это объясняет Основы : Переменные, контрольные потоки, петли и итерация, коллекции, массивы, структуры и словари. Он охватывает основы Объектно-ориентированное программирование , тоже. Поэтому, если вы только что начали свой путешествие Python Developer, это отличная отправная точка.
Обучение Python: от нуля до героя Прежде всего, что такое Python? По словам его создателя, Guido Van Rossum, Python – это: Medium.freecodeCamp.org.
1.2 Понимание подчеркивания (_) Python, MingraMmer
Вы знали, что подчеркивание (_) В Python есть специальные значения? Он имеет пять разных случаев использования. Проверьте их в этой статье!
Понимание подчеркивания (_) Python Я не родной докладчик. Извините за мой английский. Пожалуйста пойми. Hackernoon.com.
1.3 Краткое путешествие по классам данных Python 3.7, Энтони Шоу
Классы данных является совершенно новой особенностью Python 3.7. Это уменьшает котельную табличку в случае создания класса с типированными полями данных. В статье представлена простая последовательность объяснения и несколько примеров этой функции.
Краткий тур по классам данных Python 3.7 Совершенно новая функция в Python 3.7 – «классы данных». Классы данных являются способом автоматизации генерации … Hackernoon.com.
1.4 Как использовать статический тип проверки в Python 3.6, Adam Geitgey
Как на Python 3.6, есть синтаксис для объявление типов. Тем не менее, вам нужен внешний инструмент, такой как Mypy или Pycharm для проверки типа типа. Эта статья является хорошей отправной точкой, чтобы узнать, как реализовать статические типы в вашем коде.
Как использовать проверку статического типа в Python 3.6 Автоматически поймать много распространенных ошибок во время кодирования Medium.com.
1.5 Как – и почему – вы должны использовать генераторы Python, Radu RaiCea
Это руководство демонстрирует примеры Класс итератора и разные виды Функции генератора Отказ
Как – и почему – вы должны использовать генераторы Python Генераторы были важной частью Python, поскольку они были введены с PEP 255. Medium.freecodeCamp.org.
1.6 вступление в темы и процессы в Python, Brendan Fortuner
Это и следующая статья (1.7) о резьба и Параллельная обработка в питоне. Эта часть представляет собой введение в параллельные функции Python, с процессами и потоками, а вторая статья охватывает более продвинутые вещи.
Введение в темы и процессы в Python Руководство для начинающих к параллельному программированию Medium.com.
1.7 Давайте синхронизируем потоки в Python, Saurabh Chaturvedi
Отличный обзор многопоточь и его самый сложный аспект: нить Синхронизация и связь Отказ
Давайте синхронизируем потоки в Python Потому что синхронность гармонии Hackernoon.com.
1.8 Как написать код уровня производства в науке данных? Pynkatesh Pappakrishnan, Ph.d.
Эта статья содержит предложения по созданию Готовый код производства для научных целей данных. Это помогает вам организовать и оптимизировать свой код, охватывает темы ведения журнала, приборов и тестирования, описывает основы управления версией и дает директивы на читаемость кода. Отличные советы и лучшие практики!
Как написать код уровня производства в науке о данных? Возможность написания кода на уровне производства является одним из востребованных навыков для роль ученых данных – либо опубликовано … atsdatascience.com.
1.9 Как переписать ваши запросы SQL в Пандах и многое другое, Ирина Труон
Если вы новичок в Pandas и Dataframes, и у вас есть хорошее понимание SQL, я настоятельно рекомендую прочитать эту статью. Содержит ценный разговорник с примерами. Это поможет вам Переведите свои идеи SQL-запроса в синтаксис PandaS И узнать этот новый синтаксис.
Как переписать ваши SQL-запросы в Пандах и больше Пятнадцать лет назад было только несколько навыков, которые разработчик программного обеспечения должен хорошо знать, и он или она будет … Codeburst.io.
2. Оптимизация производительности Python
2.1 Да, Python медленно, и мне все равно, Ник Гумирич
Разработчики Python достигают высокой производительности, но мы все слышали миф до: Python медленно. Я нахожу эту статью важной, так как она объясняет Python’s Оптимизация производительности Особенности.
Да, Python медленно, и мне все равно Ранчание о жертву производительности для производительности. Hackernoon.com.
2.2 Руководство для начинающих для оптимизации кода Panda для скорости, София Хейслер
В случае больших объемов данных, обработанных Pandas, вы должны использовать тщательно выбранные решения для кодирования, чтобы улучшить производительность.
Это и следующая статья обзор несколько методологий Для применения функции в PandaS DataFrame и сравните их скорость бега.
Руководство для начинающих для оптимизации кода Panda для скорости Если вы проделали любой анализ данных в Python, вы, вероятно, столкнулись с Pandas, фантастическая библиотека аналитики, написанная … Engineering.upside.com.
2.3 Предварительная обработка данных в Python: как я научился любить параллелизованные применения с DASK и Numba, Ernest Kim
Еще несколько методологий Для применения функции в PandaS DataFrame Отказ Эти методы используют параллелизацию, чтобы получить больше скорости.
Предварительная обработка данных в Python: как я научился любить параллелизованные применения с DASK и Numba TL: DR atsdatascience.com.
2.4 Эффективность памяти параллельных операций IO в Python, от Wolf Jakub
В этой статье сравнивается эффективность памяти трех методов для параллелизных операций с ограниченными возможностями IO. Новый метод – Asyncio модуль. Это часть стандартной библиотеки Python с момента Python 3.5. Это хороший выбор, если ваша цель состоит в том, чтобы иметь высокую производительность с низкой следом памяти.
Эффективность памяти параллельных операций IO в Python Python позволяет нескольким различным подходам к параллельной обработке. Основная проблема с параллелизмом, зная, что это … code.kiwi.com.
2.5 Regex занимал 5 дней для бега. Поэтому я построил инструмент, который сделал это через 15 минут, Викаш Сингх
Этот кусок объясняет, как Поиск и замена ключевых слов В высоких объемах данных с использованием Ахо-Корасик алгоритм и Структура данных TRIE подход. Я был поражен этой умной оптимизацией.
Regex занимал 5 дней, чтобы бежать. Поэтому я построил инструмент, который сделал это через 15 минут. FlashText 28X быстрее, чем выполнил REGEX Medium.freecodeCamp.org.
2.6 Уволить сборник мусора Python в Instagram, Instagram Engineering
Эта статья показывает Передовая техника оптимизации Для многопроцесных приложений Python.
Уволяющая коллекция мусора Python в Instagram Уволяя механизм сбора мусора Python (GC), который восстанавливает память, собирая и освобождая неиспользуемых … Engineering.instagram.com.
2,7 млн. Запрос в секунду с Python, Paweł Piotr Przzanadowski
Вступительная статья удивительно быстрой, новой структуре для микросервисов: Японто Отказ
Миллион запросов в секунду с Python Можно ли ударить миллион запросов в секунду с Python? Вероятно, не до недавнего времени. Medium.freecodeCamp.org.
3. Органы развития Python и DevOps
3.1 Установите Pycharm и Anaconda (Windows/Mac/Ubuntu), Михаилом Галарником
Этот учебник является Отличная отправная точка для начинающих. Он суммирует процесс установки, а также содержит десять минутное видео, которое проходит вас через каждый шаг.
Установите Pycharm и Anaconda (Windows/Mac/Ubuntu) Этот учебник разделен на три раздела. Первая часть устанавливает Pycharm. Вторая часть тестирует ваш … Medium.com.
3.2 Учебник Docker – Начало работы с Python, Redis и Nginx, Roman Garponov
Эта статья объясняет, как вы можете извлечь выгоду из Докер в вашем процессе разработки программного обеспечения. Отличный кусок для начинающих!
Учебник Docker – Начало работы с Python, Redis и Nginx. Привет! Hackernoon.com.
3.3 Как написать DockerFiles для веб-приложений Python, Praven Durarajaj
Отличное руководство с Образец докерфайлов – Проверьте это, если вы строите Python Web Apps, используя Docker!
Как написать Dockerfiles для веб-приложений Python Пошаговое руководство по написанию высокооптимированных докерфайлов для разработки и развертывания веб-приложения Python. blog.hasura.io.
3.4 Начните с ноутбука Pyspark и Jupyter за 3 минуты, Чарльз Бошет
Apache Spark Это большой механизм обработки данных, который можно использовать из Python с Pyspark библиотека. Эта библиотека отлично подходит для создания прототипов на больших данных и машинном режиме. Это руководство KickStarts вас на пути используя искру от Python.
Начните с Pyspark и Jupyter Notebook за 3 минуты Apache Spark – это любители больших данных. Через несколько слов искра – это быстрая и мощная структура, которая обеспечивает … blog.sicara.com.
3.5 Jupyterlab Первые впечатления от Brian Ray
Jupyter такой необходимый инструмент для программистов Python. Вот хорошая статья о своей новейшей версии.
Jupyterlab первые впечатления Я не новичок в эволюции Python от C Python Shell, на iPython, к ноутбукам iPython, к Jupyter, а теперь … Medium.com.
4. Машинное обучение
4.1 Руководство автоматов на машине обучение в Python, Conor Dewey
Эта статья показывает образцы кодов и пояснительных видео для Восемь алгоритмов обучения машины : Линейная регрессия, логистическая регрессия, деревья решений, опорные векторные машины, K-ближайшие соседи, случайные леса, K-означает кластеризация и анализ основных компонентов. Один из моих любимых статей, обязательно прочитал для начинающих.
Руководство автоматов к машине обучения в Python Благодаря коду реализации, учебные видео и многое другое Medium.freecodeCamp.org.
4.2 Обучение AI Если вы сосете в серии математики, Даниэль Джеффрис
Отлично Серия из 7 статей (Спасибо Даниэль Джеффрис за ваши усилия!). Название довольно самоочевидно: не было здорово в математике, не означает, что вы не можете понять, как работает искусственный интеллект! Дай ехать – это действительно стоит!
Обучение AI Если вы сосете в математике – часть 1 Эта статья направляет вас через основные книги для чтения, если вы никогда не были математическим фанатом, но вы изучаете его как взрослый. Hackernoon.com Обучение AI Если вы сосете в математике – часть 2 – Практические проекты Эта статья направляет вас через начать работу с вашими первыми проектами. Hackernoon.com Обучение ИИ, если вы сосете в математике – часть 3 – Создание машины AI Sleeam или Buede Consipal Эта статья направляет вас путем получения мощной настройки машины глубокой обучения и установлена со всеми последними и величайшими рамостями. Hackernoon.com Обучение AI Если вы сосете в математике – часть 4 – тензоры проиллюстрированы (с кошками!) Это отвечает на древнюю тайну: что, черт возьми, тензор? Hackernoon.com Обучение AI, если вы сосете в математике – часть 5- глубокое обучение и сверточные нейронные сети на равнине … Здесь мы создаем нашу первую программу Python и исследуйте внутреннюю работу нейронных сетей! Hackernoon.com Обучение AI, если вы сосете в математике – часть 6 – Математическая запись сделана легко! Все еще борется, чтобы понять эти забавные маленькие символы? Давайте изменим это сейчас! Hackernoon.com Обучение AI Если вы сосете по математике – часть 7 – магия обработки натуральной языки Поймите, как Google и Siri понимают, что ты бормочет. Hackernoon.com.
4.3 Машинное обучение нулю-герою: все, что вам нужно, чтобы конкурировать на Kaggle впервые, пошаговые! Оренем Дар
Участие в Kaggle Соревнования – это отличный способ улучшить свои навыки обучения машин. Это руководство показывает, как решить одну из проблем с изучением машин Kaggle и представить ваши результаты на конкурс.
Машинное обучение нулевым к герою: все, что вам нужно, чтобы конкурировать на Kaggle для первого … Если вы всегда хотели узнать больше о машинном обучении и посмотреть, как легко конкурировать на Kaggle, то это … atsdatascience.com.
4.4 API на более высоком уровне в Tensorflow, Питера Роулянса
Tensorflow 1.3 вводит три новых рамочных уровня более высокого уровня: Оценщик , Эксперимент и DataSet Отказ Этот пост объясняет их и показывает пример использования.
API на более высоком уровне в Tensorflow Как использовать оценку, эксперимент и набор данных для обучения моделей Medium.com.
4.5 Развертывание модели Tensorflow, Francesco Zuppichini
В этом руководстве показано, как сделать ваши модели Tensorflow, доступными из Веб с Колбу и Tensorflow, обслуживая Отказ
Развертывание моделей Tensorflow Супер быстрый и краткий урок atsdatascience.com.
4.6 Простая и многократная линейная регрессия в Python, Adi Bronshtein
Линейная регрессия является подходом для моделирования линейной связи между зависимой переменной и одной или несколькими независимыми переменными. Это Один из наиболее широко используемых алгоритмов машинного обучения Отказ
В этой статье объясняется математические основы линейной регрессии, затем приведены примеры с использованием Python’s Statsmodels и Scikit – Учите Библиотеки. Если вы считаете себя новичком, я настоятельно рекомендую прочитать эту статью.
Простая и многократная линейная регрессия в Python Быстрое введение в линейную регрессию в Python atsdatascience.com.
4.7 Увеличение размеры от методов снижения размеров, от Elior Cohen
В этом посте Elior Demystifies три Сокращение размерности Техника: PCA, T-SNE и Auto Encoders Отказ
Уменьшение размерности от методов снижения размеров atsdatascience.com.
4.8 Случайный лес в Python, Уильям Кехресен
Этот пошаговый руководство показывает, как решить проблему обучения машины с Случайные леса Отказ Это очень подробно, объясняет, как подготовить и очищать данные, то создает и улучшает модель, наконец Визуализирует результаты. Потрясающие вещи.
Случайный лес в Python Практический пример конечного машинного обучения atsdatascience.com.
4.9 Создание логистической регрессии в Python, шаг за шагом, Сьюзен Ли
Есть много концепций в области машинного обучения для мастера. Один из них – логистическая регрессия Отказ Эта статья обеспечивает отличную отправную точку, и я рекомендовал ее несколько раз для своих учеников.
Строительство логистической регрессии в Python, шаг за шагом (Эта статья впервые появилась на Datascence +) atsdatascience.com.
4.10 Понимание функции инженерии, Дипанджан Саркаром
Эта серия представляет вас к Функция Техника , один из самых важных Задачи данных ученого Отказ Что такое сущность функции? Вот отличная цитата:
Понимание функции Engineering (часть 1) – непрерывные числовые данные Стратегии работы с непрерывными, числовыми данными quitdatascience.com Понимание функции инженерии (часть 2) – категорические данные Стратегии работы с дискретных, категориальные данные quitdatascience.com Понимание функции Engineering (часть 3) – Традиционные методы текстовых данных Традиционные стратегии приема неструктурированных, текстовых данных quitdatascience.com Понимание функции Engineering (часть 4) – методы глубокого обучения для текстовых данных Новее, передовые стратегии для укрощения неструктурированных, текстовых данных atsdatascience.com.
4.11 десять алгоритмов обучения машины Вы должны знать, чтобы стать ученым данных, от Shashank Gupta
Эта статья демонстрирует десять полезных алгоритмов обучения машины, объясняет основные концепции их и Предлагает библиотеки Python и Вводные учебники начать с.
Десять алгоритмов обучения машины Вы должны знать, чтобы стать ученым данных Учебные практикующие машины имеют разные личности. В то время как некоторые из них «я эксперт в X и X может … updatascuita.com
4.12 Откройте курс обучения машины. Тема 1. Исследовательский анализ данных с пандами, Юрий Кашницкий
Я верю в обмен знаниями, а Курс обучения машины от Opendatascience это потрясающий ресурс. Если вы заинтересованы в серии, вы можете найти темы в начале этой статьи.
Откройте курс обучения машины. Тема 1. Исследовательский анализ данных с пандами С этой статьей мы, OpenDAncance, запустите курс обучения на открытом машине. Это не нацелено на развитие другого … Medium.com.
4.13 Анализ временной серии в Python: Введение, Уильям Кехресен
Эта статья хорошее введение в анализ временной серии Отказ Он содержит пример оценки цен на акции Tesla и GM и создает модель прогноза с Пророк Facebook упаковка.
Анализ временной серии в Python: введение Модели добавки для моделирования временной серии atsdatascience.com.
5. Обработка изображения и видео
5.1 Как я реализовал Faceid iPhone X, используя глубокое обучение в Python, по Норману Ди Пало
Алгоритм Face ClexID Apple является собственностью. В этой статье анализируются, как эта функция может работать и показывает доказательство концептуальной реализации Faceid, используя Сиамские сверточные сети Отказ
Как я реализовал Faceid iPhone X, используя глубокое обучение в Python. Механизм разблокировки нового разблокировки обратного проектирования iPhone X. atsdatascience.com.
5.2 Отслеживание тысячелетия Сокола с Tensorflow, Ник Бурдакос
Следуя в этом руководстве, вы сможете узнать, как построить свой собственный Tensorflow Пользовательский детектор объектов Здание на DataSet Coco.
Отслеживание тысячелетия сокола с Tensorflow На момент написания этого поста большинство крупных технологий (например, IBM, Google, Microsoft и Amazon) есть … Medium.freecodeCamp.org.
5.3 Использование глубокого обучения для улучшения графики FIFA 18, Chintan Trivedi
Концепция Подключение лица сделано глубокими нейронными сетью, было разработано недавно. Одним из самых известных алгоритмов является Deepfakes И его результаты даже были представлены в основных СМИ.
В этой статье показано, как его можно использовать в игровой индустрии, и объясняет основы алгоритма. Я считаю, что ключевой вынос такой Глубокое обучение может применяться практически в любой отрасли/в любом поле Отказ
Использование глубокого обучения для улучшения FIFA 18 графики Играстые студии проводят миллионы долларов и тысячи часов разработки игровой графики в попытке сделать … atsdatascience.com.
5.4 Глубокое обучение с KERAS на Google Compute Engine, Cole Murray
Я очарован идеей распознавания изображений. Эта статья принимает учебный подход, поскольку он объясняет настройку
- А Колбовое веб-приложение подключен к Поддерживаемое Keras распознавание изображения а также
- магазин изображений с использованием хранения Google Cloud
в пошаговой манере.
Глубокое обучение с KERAS на Google Compute Engine Вжение, модель, разработанная Google, является глубоким CNN. Против набора данных ImageNet (общий набор данных для измерения … Medile.com
5.5 Как использовать передачу обучения и тонкой настройки в KERAS и Tensorflow, чтобы построить систему распознавания изображений и классифицировать (почти) любого объекта, от Greg Chu
Используя Предварительная обученная сеть Создан для аналогичной задачи, вы можете сделать скорость обучения своей свертке нейронной сети.
Как использовать передачу обучения и тонкой настройки в KERAS и Tensorflow, чтобы построить распознавание изображения … Идите прямо к коду на Github здесь! deeplearningsandbox.com.
6. Частота и обработка народных языков (NLP)
6.1 Обучение машины, NLP: текстовая классификация с использованием Scikit-Suart, Python и NLTK, Javed Shaikh
Текстовая классификация является одним из основных концепций обработки естественного языка. Учебник следует следующим образом:
Машинное обучение, NLP: классификация текста с использованием Scikit-Suart, Python и NLTK. Последнее обновление: Я загрузил полный код (ноутбук Python и Jupyter) на Github … atsdatascience.com.
6.2 Текстовая классификация с использованием нейронных сетей, GK_
Эта статья поможет вам понять, как Текстовая классификация работает и демонстрирует это, используя два слоя Нейронная сеть Отказ
Текстовая классификация с использованием нейронных сетей Понимание того, как важно работа Chatbots. Фундаментальный кусок машин внутри чата-бота – это текст … machinelearnings.co.
6.3 Contextual Chambots с Tensorflow, GK_
Этот пост показывает, как преобразовать Определения разговора о намерении к Модель Tensorflow И как построить рамки Chatbot вокруг него.
Контекстные четки с Tensorflow В разговорах контекст король! Мы построим структуру Chatbot, используя Tensorflow и добавить некоторую обработку контекста в … chatbotsmagazine.com.
6.4 Как создать и развернуть телеграмму бота? Роман Гапонов
Следуя в этом руководстве, вы сможете построить простой Телеграмма на основе Чатбот и разверните его на Heroku Отказ
Как создать и развернуть телеграмму бота? Привет! Hackernoon.com.
6.5 Я построил бот Telegram Serverless на выходных. Вот что я узнал, Моисеем Сой
Другой Телеграмма на основе Пример Chatbot, он показывает, как развернуть бот на AWS LAMBDA С помощью инструмента называется Заппа Отказ Строительство чего-то в выходные звуки веселья, не так ли?:)
Я построил бот Telegram Serverless на выходных. Вот что я узнал. Он отправляет SOS для спасателей, когда кто-то застрял под дождем ☔ Это написано в Python, используя aws лямбда … Medium.freecodeCamp.org.
7. Блокчан
7.1 Давайте построим крошечный блокчан, гневами Джеральдом Нэш ⚡️
Эта серия и следующая статья (6.2) поможет вам понять Как работает блокчан, создавая один ! Я всегда предпочитаю учиться, и вот почему мне так много нравятся эти статьи.
Давайте построим крошечную блокчану Менее чем за 50 строк Python Medium.com.
Вторая часть статьи:
Давайте сделаем крошечный блокчан больше Часть 2: С более строками Python Medium.com.
7.2 Учить блокировку, построение один, Даниэль Ван Флитень
Учитесь блокировки, построенные один Самый быстрый способ узнать, как работают блокировки, чтобы построить один Hackernoon.com.
8. Разработка Веб и Бэкэнда
8.1 Как использовать Python и Flask для создания веб-приложения – Учебное пособие по глубину, от Abhinav Suri
Отличный учебник для создания Pull-Stack Python Application На основании колбы, микрофрама Python.
Как использовать Python и Flask, чтобы построить веб-приложение – Учебное пособие по глубину Python – это невероятно универсальный язык. Считается, что это основной продукт современного развития. Это используется для … Medium.freecodeCamp.org.
8.2 Строительство микросервисов с Python, Sergio Sola
Этот кусок разделен на 3 части. Автор – инженер-программист Создание микросервисов для личного проекта. Sidenote: Наличие личных проектов – отличный способ развития ваших навыков! Это то, о чем занимается учебник:
- Строительство Скелет микровизации :
Создание микросервисов с Python, часть I В настоящее время я работаю в своей нынешней работе в качестве инженера программного обеспечения в Hellofreesh на команде Datawarehouse. Я работаю … Medium.com.
2. Создание инфраструктуры микросервиса в Докер :
Создание микросервисов с Python, часть 2 В этой второй статье я собираюсь объяснить, как создать свою среду разработки для вашего Python Micreadervice … Medium.com.
3. Последнее, но не в последнюю очередь, построение микросервиса Бизнес логика :
Создание микросервисов с Python, часть 3 Строительство первой конечной точки, определяющей более сложный Spec openapi Spec и Elasticsearch, на вершине колбных пакетов. Medium.com.
8.3 Elasticsearch с Джанго Простым способом, Adam Wattis
Elasticsearch отличный инструмент для реализации Бесплатный текстовый поиск Отказ Следуя в этом руководстве, вы настроите Elasticsearch Server, загрузите в него данные и подключите его с На основе Django приложение Отказ
Elasticsearch с Django Easy Way Некоторое время назад я работал над проектом Django и хотел реализовать быстрый бесплатный текстовый поиск. Вместо использования … Medium.freecodeCamp.org.
9. Веб соскоб
9.1 Как соскребать веб-сайты с Python и BeautifulSoup, Джастин Yek
Beautifulsoup это полезная утилита для Извлечение данных с HTML-страницы Отказ Эта статья показывает, как это работает.
Как соскребать сайты с Python и Beautifulsoup В Интернете больше информации, чем любой человек может поглощать в жизни. Что вам нужно, это не доступ к этому … Medium.freecodeCamp.org.
9.2 Использование SCRAPY для создания собственного набора данных Michael Galarnyk
Используя Снапировка , вы можете скачать веб-сайты и извлечь данные с страниц HTML с помощью селекторов CSS. Это Полностью прорецеренное решение для веб-соска. Эта статья демонстрирует, как она работает, показывая пример соскабливания данных с реального сайта.
Использование SCRAPY для создания собственного набора данных Когда я впервые начал работать в промышленности, одна из вещей, которые я быстро понял, иногда вы должны собираться … atsdatascience.com.
9,3 30-минутный веб-скребок Python, Angelos Chalaris
Этот пост объясняет, как использовать Селена Webdriver с Geckodriver Чтобы открыть окно браузера и контролировать его из Python.
30-минутный веб-скребок Python Я имел значение, чтобы создать веб-скребок, используя Python и Selenium на некоторое время, но никогда не готов к нему… Hackernoon.com.
9.4 Как я использовал Python, чтобы найти интересных людей, чтобы следовать на среднем, от Radu RaiCea
Эта статья предоставляет отличный пример для Использование API из Python Отказ Я считаю, что автор рассматривает важный вопрос здесь: это Трудно выбрать наиболее актуальный и полезный контент с подавляющей информации Tsunami – Это, кстати, одна из причин, по которым я создал эту коллекцию статьи.
Как я использовал Python, чтобы найти интересных людей, чтобы следовать на среднем Среда имеет большое количество контента, большое количество пользователей и почти подавляющее количество постов. Когда вы пытаетесь … Medium.freecodeCamp.org.
10. Визуализация данных
10,1 – 5 Быстрая и легкая визуализация данных в Python с кодом, от George Seif
Эта статья содержит отличную графику, которая поможет вам выбрать Правильная техника визуализации данных для данной ситуации Отказ Затем он приблизится к шести типов визуализации данных и показывает примеры использования Матплотлиб Python Для создания этих активов: два вида рассеивающих участков, линейные участки, гистограммы, планки и коробки.
5 Быстрая и простая визуализация данных в Python с кодом Визуализация данных является большой частью рабочих мест ученых данных. На ранних этапах проекта вы часто будете делать … atsdatascience.com.
10.2 Визуализация данных с Bokeh в Python, Уильямом Керсен
Серия отвечает на следующий вопрос: «Как мы можем добавить больше интерактивности к нашим визуализации?» Этот учебник проходит вас через Полностью интерактивные примеры Использование Python, Bokeh Интерактивная библиотека визуализации , и общедоступные наборы данных.
Визуализация данных с Bokeh в Python, часть I: Начало работы Поднять свою игру визуализации quitdatascience.com Визуализация данных с Bokeh в Python, часть II: взаимодействия Перемещение за пределы статических участков quitdatascience.com Визуализация данных с Bokeh в Python, часть III: создание полной приборной панели Создание интерактивной приложения визуализации в Bokeh atsdatascience.com.
Так что это моя коллекция. Я очень благодарен за эти отличные ресурсы И многие из них уже помогли своим ученикам Python. Я также узнал много новых трюков по пути.
R espond? – Пожалуйста, дайте мне знать в разделе ответа, если у вас есть какие-либо предложения или вопросы!
Спасибо за прочтение! ?
И благодаря моей жене, Криштина Сазеру, за создание обложки!