Как вы, надеюсь, помните, я когда-то писал (и надеюсь скоро продолжу) серию статей про работу с библиотекой Matplotlib, которая предназначена для построения графиков на языке Python. Эта серия началась очень давно, и с того момента библиотека Matpotlib сильно изменилась, как внешне, так и внутри. После глобального редизайна внешний вид графиков уже не соответствует тому, что показано на скриншотах, некоторые функции стали считаться устаревшими и были заменены новыми, часть из них даже уже была удалена из библиотеки, что сделало примеры из некоторых статей нерабочими, а часть из них еще работает, но выводят предупреждения.
Пришло время просмотреть эти статьи, проверить примеры, где-то их переписать, а также поменять все скриншоты. Этот процесс достаточно нудный и не очень быстрый, но я начал это делать.
Сегодня я обновил две статьи: самую первую статью про рисование простейших графиков вида y = f(x) (ссылка) и статью про рисование круговых графиков в виде пирога (ссылка). Вторая статья подверглась большему изменению. Во-первых, в новых версиях Matplotlib была исправлена проблема, из-за которой график по умолчанию рисовался не круглым, а эллиптическим, и соотношение сторон эллипса зависело от соотношения сторон окна, поэтому один из разделов стал не актуальным и я его удалил. А, во-вторых, с новым дизайном захотелось добавить пример, показывающий, как изменять цвета линий вокруг секторов в круговом графике.
Постепенно буду исправлять и другие статьи, а заодно себе написал план по новым статьям про Matplotlib.
Как и обещал в прошлом посте, сегодня выложил вторую часть статьи, посвященной созданию Python-обвязок (bindings) с помощью утилиты SIP. Во второй части речь идет о создании обвязки для объектно-ориентированных библиотек, написанных на C++, в которых фигурируют классы.
Всем привет!
Python — замечательный язык программирования, но иногда приходится работать с библиотеками, которые написаны на других языках программирования. Обычно это бывает, потому сторонние библиотеки решают нужные вам задачи, и не хочется изобретать велосипед, реализую то же самое на Python. Либо в более редких случаях, когда производительность вашего приложения упирается в особенности языка Python (все-таки интерпретируемые языки по скорости не сравнятся с компилируемыми), и часть кода приходится писать на C или C++.
Для решения такой задачи — использования библиотек, написанных на C/C++, из Python-приложения существует много решений. Одно из них — SIP. Эта утилита изначально разрабатывалась для создания Python-обвязки над такой монстроидальной библиотекой как Qt (получившаяся обвязка — PyQt). Я написал большую статью в двух частях про использование основы использования SIP для создания Python-обвязок над библиотеками. Сегодня я выложил первую часть — Создание Python-обвязки для библиотек, написанных на C/C++, с помощью SIP. Часть 1.
Я люблю иногда ходить на разные программерские конференции и считаю, что полезно и самому иногда там выступать. В прошлом году в рамках встречи Московского клуба программистов я рассказывал про генетические алгоритмы, а недавно сделал доклад в продолжение этой темы и рассказал про оптимизацию с помощью роя частиц.
По этой ссылке вы можете увидеть мой доклад (а заодно скачать презентацию), а также посмотреть обсуждение темы ввода новичков в проект (onboarding).
Как я уже писал, помимо проекта OutWiker, в последнее время я занялся проектом optlib, библиотекой на языке Rust с реализацией разных алгоритмов оптимизации. На данный момент в библиотеке реализованы генетический алгоритм и алгоритм роя частиц. На днях я выложил новую версию этой библиотеки под номером 0.3.0.
У библиотеки optlib есть документация, но в ближайшее время я собираюсь заняться написанием статей с более подробным описанием работы этой библиотеки. В этом посте я коротко расскажу о том, что появилось нового в версии 0.3.0.
Давно я не ничего писал про библиотеку Matplotlib. Для тех, кто не знает, эта библиотека для языка Python, предназначенная для рисования огромного количества графиков.
Как-то в комментариях мне написали, что один пример не работает. Как оказалось, он действительно сломался после обновления библиотеки Matplotlib. Но вместо того, чтобы просто починить пример (надо было добавить одну строчку) я решил написать более развернутую статью на ту же тему.
В новой версии статьи приводится четыре способа создания анимированных графиков.
В начале года я решил основательно взяться за изучение нового для себя языка программирования — языка Rust. Я на него уже посматриваю, и мне нравится его идеология, хотя сам язык достаточно тяжелый для изучения.
Я давно хотел сделать библиотеку с различными алгоритмами глобальной оптимизации — генетическим алгоритмом, алгоритмом роя частиц и других. Кроме того мне хотелось сделать такую библиотеку для генетических алгоритмов, чтобы при ее использовании можно было бы легко изменять алгоритмы каждого этапа генетического алгоритма — скрещивания, мутации, отбора и т.д.
Именно такую библиотеку я решил написать на Rust. Так появилась библиотека optlib. Ссылки на исходники и документацию:
На данный момент в этой библиотеке реализовал только генетический алгоритм, но зато со всеми возможностями, которые хотел. Точнее, там есть еще, что дополнить и улучшить, но в целом структура получилась достаточно гибкая. Генетический алгоритм с использованием библиотеки optlib собирается как из кубиков: алгоритм скрещивания берем этот, алгоритм мутации — тот и т.д.
Написал большую статью про создание запускаемых файлов (.exe, если говорить про Windows) из скриптов на Python с помощью библиотеки cx_Freeze. Ссылка на статью — https://jenyay.net/Programming/Cxfreeze
Продолжаю пополнять серию статей про использование библиотеки Matplotlib. Для тех, кто с ней незнаком, это замечательная библиотека для построения графиков на языке Python. Сегодня выложил статью под названием Создание интерфейса средствами библиотеки Matplotlib. В этой статье описано, как можно создавать элементы интерфейса с помощью библиотеки Matplotlib, не используя других библиотек.
Недавно обновилась библиотека Matplotlib, предназначенная для рисования графиков на языке Python, я про нее еще периодически пишу небольшие статьи. На этот раз изменения в библиотеке произошли настолько заметные, что разработчики решили дать ей номер 2.0 (предыдущая версия имела номер 1.5.3).
Самое заметное изменение касается внешнего вида получаемых графиков. Раньше многие ругали библиотеку за то, что графики, нарисованные с помощью нее, выглядят несколько устаревшими, в стиле 90-х годов, хотя лично я на внешний вид не жаловался, особенно с учетом того, что при необходимости внешний вид гибко настраивается. Однако над новой версией поработали дизайнеры и внешний вид графиков по умолчанию теперь заметно отличается от предыдущих версий.
Не буду в подробностях описывать, где какие цвета и шрифты изменились, просто приведу несколько примеров графиков, полученных с помощью одного и того же кода, но с с использованием библиотек Matplotlib 1.5.3 и 2.0.0. Все примеры взяты из статей про использование Matplotlib.
