Python-Linkschleuder zum Monatsende

Ich war und bin immer noch zur Zeit mit einem anderen Projekt (das ebenfalls mit Python zu tun hat) beschäftigt. Und so habe ich die beliebten Linkschleudern, die immer auch ein Aufräumen meines Feedreaders sind, sträflich vernachlässigt. Wenigstens für Python will ich das zum Monatsende nachholen und so folgt nun eine wüste Sammlung von Links über alles, was auch nur entfernt Python betrifft:

• Jupyter Lab ist eine browserbasierte, RStudio-ähnliche IDE für Jupyter-Notebooks, die mir bedeutend besser gefällt, als die bisherige Notebook-Lösung. Über die Preview hatte ich vor zwei Jahren schon einmal berichtet, nun ist das Teil offiziell draußen und Teil der Anaconda-Distribution. Mohtadi Ben Fraj stellt das Teil begeistert vor: »The evolution of Jupyter Notebook: Jupyter Lab«. Vielleicht werden Jupyter und ich ja doch noch Freunde.

• Das Jupyter-Notebook wird auch weiterentwickelt und ist mittlerweile in der Version 5.5.0 erschienen. Her steht, was alles neu ist.

• Wo ich schon bei Updates bin: PyPy 6.0 setzt auf Performance und Kompatibilität.Der Python-Interpreter erscheint parallel für Python 2.7 und Python 3.5 und bringt unter anderem einen schnelleres cpyext-Modul. Außerdem arbeitet PyPy neuerdings mit einigen Modulen und Bibliotheken wie TkAgg und PyGame zusammen. Weitere Details lassen sich dem PyPy-Blog entnehmen. Die aktuellen Releases von PyPy2.7 und PyPy3.5 stehen auf der Downloadseite zum Herunterladen bereit.

• Data Visualization mit Python: Von Ehi Aigiomawu gibt es eine kurze und knackige »Einführung in die MatPlotLib«, die insbesondere für Anfänger gedacht ist.

• Noch mehr Data Visualization: Déborah Mesquita schreibt: »How and why I used Plotly (instead of D3) to visualize my Lollapalooza data«.

• Data Visualization zum Dritten: William Koehrsen über »Histograms and Density Plots in Python« – Visualizing One-Dimensional Data in Python.

• Und Data Visualization mit Python und Bokeh in drei Teilen. Ein weiteres Tutorial von William Koehrsen:

  • Part I: Getting Started – Elevate your visualization game
  • Part II: Interactions – Moving beyond static plots
  • Part III: Making a Complete Dashboard – Creating an interactive visualization application in Bokeh
    
    

• Farben und Farbpaletten kann man nie genug haben: Elijah Meeks schreibt über »Color Advice for Data Visualization with D3.js«. Ist zwar nicht für Python geschrieben, kann man aber auch mit Python nutzen.

• Noch ein Blick über den Tellerrand: »NPM as a build tool for a Python Project«. Klingt schräg, kann aber durchaus sinnvoll sein.

• Ted Petrou, der Autor des Pandas Cookbooks – Recipes for Scientific Computing, Time Series Analysis and Data Visualization using Python stellt sein Werk hier vor: »Pandas Cookbook — Develop Powerful Routines for Exploring Real-World Datasets«. Sieht nach einem »Haben will!« aus.

• Und er gibt noch einen Nachschlag: »How to Learn Pandas«. »In this post, I will outline a strategy to ‘learn pandas’. For those who are unaware, pandas is the most popular library in the scientific Python ecosystem for doing data analysis.«

• Noch ein Tutorial: »Basic data analysis on Twitter with Python«. Mit Tweepy, Tkinter und Textblob.

• Sublime Text ist ein unter Pythonistas beliebter Editor und nun in der Version 3.1 erschienen. Das sind die wichtigsten Neuerungen.

War sonst noch was? Ach ja, nicht nur ich, sondern auch Isaac Casanova hat Spaß mit Pythons Turtle-Modul. Und hat das auch gleich niedergeschrieben: »Having Fun with Turtles in Python«

(Kommentieren)