🌱 Какие из способов создания атрибута класса являются правильными?
Anonymous Quiz
20%
1
18%
2
6%
3
56%
Все верные
🍌5👍3❤1👎1
- attr1 - это атрибут класса, доступный всем экземплярам
- attr2 - это атрибут экземпляра, уникальный для каждого объекта
- attr3 - это атрибут класса, добавленный после определения класса
👎3❤1👍1
🌱 Где можно создать атрибут экземпляра класса?
Anonymous Quiz
22%
Внутри class, присваиванием значений атрибута self
21%
Везде, где присутствует ссылка на экземпляра
30%
В 1 и 2
28%
Везде
🥴8🗿1
Однако их тоже можно создавать присваиванием везде, где присутствует ссылка на экземпляр, даже за пределами оператора class. Обычно все атрибуты экземпляра инициализируются в методе конструктора __init__ таким образом, более поздние вызовы методов могут предполагать, что атрибуты уже существуют.
👎3👍1
🌱 Что такое self в контексте методов класса?
Anonymous Quiz
14%
Имя, назначаемое самому левому аргументу в функции метода класса
12%
Обязательное имя для первого параметра в методах класса
36%
Специальный объект, который создается при определении класса
38%
Все верно
👎12🗿3👍2🤣1
❤3👍1👎1
🔍 Какой метод перерузки операций используется чаще всего?
Anonymous Quiz
13%
__add__
15%
__call__
65%
__init__
6%
__getitem__
👎7💩3
🤡2
🔍 Что верно про __init__?
Anonymous Quiz
11%
Это метод конструктора
9%
Он выполняется при создании экземпляра
7%
Может принимать параметры помимо self
73%
Все верно
👍2👎1
Какого значения параметра fill_method в Pandas не существует?
Anonymous Quiz
26%
pad
15%
ffill
13%
zfill
46%
Все существуют
👍2👎1
— forward-fill (ffill): «протащить» последнее действительное значение вперед;
— backfill (bfill): использовать следующее действительное наблюдение для заполнения пробела;
— zero-fill (zfill): заполнить пробелы нулями
— None: не обрабатывать пропуски
Важное примечание: существует отдельный метод pandas.DataFrame.pad(), он по умолчанию заливает в пустую ячейку последнее валидное значение.
👍2👎1
Открытый вопрос о качестве задач. В комментариях к этому посту ждем от вас любой критики, конструктивной и не очень.
Что смущает в постановке задач? Хватает ли контекста? Хочется ли более детальных объяснений? Возможно, некоторым тестам не хватает примера кода? За примеры будем отдельно благодарны.
С уважением,
админы
Что смущает в постановке задач? Хватает ли контекста? Хочется ли более детальных объяснений? Возможно, некоторым тестам не хватает примера кода? За примеры будем отдельно благодарны.
С уважением,
админы
❤4
Что располагается в нижней части диаграммы?
Anonymous Quiz
48%
Атрибут
20%
Объект.атрибут
15%
Переменная
16%
Ничего
👎6🤨5💩3👍1
👍3👎1
🌱 Что помещается в переменную num?
Anonymous Quiz
62%
Замыкание
11%
Генератор
19%
Декоратор
8%
Итератор
👎12👍1
💊4👎1
🌱 Выберите неверное утверждение про модули:
Anonymous Quiz
47%
Поддерживают перегрузку операторов
15%
Создаются с помощью файлов с кодом на Python или расширений на других языках
11%
Используются путем импортирования
27%
Формируют верхний уровень структуры программы на Python
😁4👍2👎1
Всё решаете задачки по Python? Пришло время двигаться дальше и познакомиться с нечеткими числами и другими алгоритмами из теории нечетких множеств!
И уже существует инструмент, реализованный на Python, для работы с нечеткими величинами - библиотека FuzzyOps!
Проект с открытым исходным кодом FuzzyOps предоставляет работу с:
• Нечеткими числами в объектно-ориентированной парадигме;
• Нечеткую арифметику, в том числе и на GPU;
• Алгоритмы нечеткого логического вывода;
• Нечеткие методы линейной оптимизации;
• Нечеткие нейронные сети;
• Нечеткая линейная регрессия, и много других полезных функций.
В репозитории проекта и на Wiki вы найдете большое количество примеров использования кода в реальных задачах. Кроме того, все желающие могут присоединиться к разработчикам для дальнейшего развития проекта.
Это #партнёрский пост
И уже существует инструмент, реализованный на Python, для работы с нечеткими величинами - библиотека FuzzyOps!
Проект с открытым исходным кодом FuzzyOps предоставляет работу с:
• Нечеткими числами в объектно-ориентированной парадигме;
• Нечеткую арифметику, в том числе и на GPU;
• Алгоритмы нечеткого логического вывода;
• Нечеткие методы линейной оптимизации;
• Нечеткие нейронные сети;
• Нечеткая линейная регрессия, и много других полезных функций.
В репозитории проекта и на Wiki вы найдете большое количество примеров использования кода в реальных задачах. Кроме того, все желающие могут присоединиться к разработчикам для дальнейшего развития проекта.
Это #партнёрский пост
🔥4🥴3