Принёс шпаргалку с 12 командами Git, которые «должен знать каждый разраб»

1. git init – инициализация нового Git-репозитория в текущем каталоге.

2. git add – добавление изменений в индекс (staging area).

3. git commit – фиксация проиндексированных изменений с комментарием.

4. git push – отправка локальных изменений в удалённый репозиторий.

5. git pull – получение изменений из удалённого репозитория и их слияние с локальной веткой.

6. git remote – добавление, просмотр или удаление удалённого репозитория.

7. git branch – вывод списка веток, создание новой ветки и переключение на неё.

8. git fetch – загрузка изменений из удалённого репозитория без их слияния.

9. git checkout – переключение на указанную ветку.

10. git merge – слияние указанной ветки с текущей.

11. git status – отображение текущего состояния репозитория и неподтверждённых изменений.

12. git reset – откат текущей ветки до указанного коммита.

Сохраняем и пользуемся

К слову, Git на днях отметил своё 20-летие — 7 апреля 2005 года Линус Торвальдс написал его всего за пару недель, чтобы заменить BitKeeper при разработке ядра Linux

С тех пор без Git не обходится почти ни один проект ✌️

👉 @PythonPortal

Шпаргалка по визуализации данных на Python для EDA

1. Одновариативный анализ

df.hist() — гистограмма числовых колонок
sns.boxplot(data=df, y='col') — боксплот распределения
sns.kdeplot(data=df['col']) — график плотности
df['col'].value_counts().plot(kind='bar') — столбчатая диаграмма частот

2. Двухвариативный анализ

sns.scatterplot(data=df, x, y) — диаграмма рассеяния
sns.regplot(data=df, x, y) — рассеяние + линия регрессии
sns.barplot(x, y, data=df) — сравнение категорий по значениям
sns.violinplot(data=df, x, y) — распределение по категориям
sns.boxplot(x, y, data=df) — сравнение распределений

3. Многовариативный анализ

sns.pairplot(df) — матрица scatter-графиков
sns.heatmap(df.corr(), annot=True) — тепловая карта корреляций
sns.jointplot(data=df, x='x', y='y') — scatter + распределение
plt.scatter(x, y, c=z) — scatter с цветом по переменной
sns.scatterplot(data=df, x=x, y=y, hue='z') — scatter с цветовой категорией

4. Временные ряды

df.plot(x='date', y='value') — базовый временной график
df.rolling(window).mean().plot() — скользящее среднее
seasonal_decompose(df['col']) — разложение временного ряда
sns.lineplot(data=df, x='date', y='value') — временной ряд с интервалами

5. Текстовый анализ

WordCloud().generate(text) — облако слов
FreqDist(words).plot() — частотный график
sns.barplot(x=words, y=frequencies) — частоты слов в столбиках

6. Кастомизация

plt.title('Заголовок') — заголовок
plt.xlabel('ось X') / plt.ylabel('ось Y') — подписи осей
plt.xticks(rotation=45) — поворот подписей
plt.tight_layout() — авторасстановка
plt.figure(figsize=(10, 6)) — размер графика

7. Сохранение и показ

plt.show() — показать график
plt.savefig('график.png') — сохранить
plt.close() — закрыть окно графика

👉 @PythonPortal

Откопал шикарную штуку — Python Tutor

Пишете код на Python, Java, C, C++ или JavaScript прямо в браузере, а этот сервис пошагово показывает, что происходит под капотом. Видно каждую переменную, каждую строчку кода в действии

Плюс, тут есть AI-репетитор для разъяснений

Годный инструмент для обучения или разборов: https://pythontutor.com/

👉 @PythonPortal

Ловите крутейший ресурс для изучения нейронных сетей

Материал подан чётко и поэтапно, с динамической визуализацией и доступными объяснениями (хоть и на английском)

Плюс, на сайте ещё куча других годных разборов по машинному обучению

Сохраняй и делись с другом 🍯

👉 @PythonPortal

Как создавать красивые карты в Python с помощью библиотеки Prettymaps

Если нужно сгенерировать наглядные карты из данных OpenStreetMap в Python — используй prettymaps

Для начала установи необходимые зависимости через pip:

pip install -U prettymaps "osmnx>=1.9.3,<2.0" "git+https://github.com/abey79/vsketch@1.0.0"

После установки можно отрисовать карту всего парой строк:

import prettymaps

plot = prettymaps.plot('Stad van de Zon, Heerhugowaard, Netherlands')

Функция plot() принимает один из следующих вариантов запроса:

🔹Адрес (например, "Porto Alegre")
🔹Координаты (например, (-30.0324999, -51.2303767))
🔹Границы в формате GeoDataFrame

Кроме того, есть возможность кастомизации и использование пресетов. Подробнее на GitHub

👉 @PythonPortal

В Python 3.12+ можно использовать оператор type для создания псевдонимов типов

Эти псевдонимы могут быть также обобщёнными (generic)

Это гораздо короче и удобнее, чем эквивалентный код до Python 3.12 с использованием TypeAlias и TypeVar

👉 @PythonPortal