🐍 Ghostly Python | #мемы

🖼️ Библиотека: attrs

attrs — удобная альтернатива ручному написанию классов: автоматически генерирует __init__, __repr__, сравнение, валидацию и преобразование типов. Идеальна для DTO/конфигов без бойлерплейта.

ℹ️ Основные возможности:

🟢 Декларативные поля с валидаторами и конвертерами
🟢 Значения по умолчанию и factory для коллекций
🟢 Автогенерация __init__, __repr__, __eq__ и пр.
🟢 Быстрый старт, совместима с dataclasses

⚙️ Пример использования:

from attrs import define, field, validators

@define
class User:
    name: str = field(validator=validators.instance_of(str))
    age: int = field(converter=int, validator=validators.ge(0))
    tags: list[str] = field(factory=list)  # безопасный дефолт для списка

u = User("Alice", "30", tags=["admin"])
print(u)               # ➔ User(name='Alice', age=30, tags=['admin'])
print(u.age >= 18)     # ➔ True

✔️ Установка:

pip install attrs

➡️ Ссылка на документацию

🐍 Ghostly Python | #библиотеки

👩‍💻 CPython — сборка мусора изнутри, ч.1

Я копнул глубже в CPython: как устроен reference counting и сборщик мусора, что он делает с объектами и как влияет на рантайм. Будет серия заметок с деталями реализации и выводами.

➡️ Ссылка на статью

🐍 Ghostly Python | #статьи

➡️ Practice Python — коллекция практических задач по Python

Ресурс предлагает десятки задач разной сложности: строки, списки, множества, работа с файлами, веб-скрейпинг, простые игры и мини-проекты. Отлично подходит для ежедневной практики и прокачки «мышечной памяти» кода.

К большинству задач есть подсказки и разборы решений, что помогает увидеть альтернативные подходы и улучшить стиль.

⛓️ Ссылка на ресурс

🐍 Ghostly Python | #ресурсы

🐍 Ghostly Python | #мемы

📱 Фишка: functools.partial — преднастройка функций и колбэков

partial фиксирует часть аргументов и возвращает новую функцию с «подставленными» значениями. Удобно для колбэков, конфигурирования библиотечных функций и устранения дублирования.

from functools import partial
import json

def power(x: int, y: int) -> int:
    return x ** y

square = partial(power, y=2)   # фиксируем степень
cube   = partial(power, y=3)

print(square(5))  # ➔ 25
print(cube(4))    # ➔ 64

# Преднастройка сторонней функции
dumps_pretty = partial(json.dumps, ensure_ascii=False, indent=2, sort_keys=True)
print(dumps_pretty({"b": 1, "a": [1, 2, 3]}))

📌 Как это работает?

🟢 partial(func, *args, **kwargs) фиксирует позиционные/именованные аргументы и возвращает новую функцию.
🟢 Оставшиеся параметры передаются при вызове; можно «дозадавать» и переопределять kwargs.
🟢 Полезно для колбэков GUI/HTTP, ключей сортировки, адаптации API сторонних библиотек

🐍 Ghostly Python | #фишки

👩‍💻 Как научить робота выходить из лабиринта домино только «глазами»: Jetson Nano + Arduino

Побег Робота из лабиринта. Технологи: Jetson + Arduino + CV. Робот находит выход из лабиринта только с помощью компьютерного зрения.

➡️ Ссылка на статью

🐍 Ghostly Python | #статьи

👩‍💻 Параллельная загрузка изображений по списку URL (в 10 потоков)

• Создай urls.txt — по одному URL в строке.
• Установи зависимости: pip install requests
• Запусти скрипт ниже рядом с urls.txt.

from concurrent.futures import ThreadPoolExecutor, as_completed
from pathlib import Path
import requests

OUT = Path("images"); OUT.mkdir(exist_ok=True)
urls = [u.strip() for u in Path("urls.txt").read_text(encoding="utf-8").splitlines() if u.strip()]

def download(u: str) -> str:
    name = (u.split("/")[-1].split("?")[0] or "file").replace("/", "_")
    path = OUT / name
    r = requests.get(u, timeout=20, stream=True)
    r.raise_for_status()
    path.write_bytes(r.content)
    return name

with ThreadPoolExecutor(max_workers=10) as ex:
    futures = {ex.submit(download, u): u for u in urls}
    for f in as_completed(futures):
        try:
            print("OK:", f.result())
        except Exception as e:
            print("FAIL:", futures[f], "->", e)

💬 Как это работает:

— ThreadPoolExecutor(max_workers=10) параллелит загрузки без блокировки основного потока.
— r.raise_for_status() ловит HTTP-ошибки, чтобы не сохранять «битые» файлы.
— Файлы кладутся в папку images; имена берутся из URL (с обрезкой query-параметров).

🐍 Ghostly Python | #гайды

🐍 Ghostly Python | #мемы

❓ Вопрос с собеса

Почему этот код «портит» все строки матрицы одновременно?

Пример🔽

m = [[0]*3]*3     # одна и та же строка повторена 3 раза
m[0][1] = 1
print(m)          # ➔ [[0, 1, 0], [0, 1, 0], [0, 1, 0]]

Ответ🔽

Оператор * дублирует ссылку на один и тот же внутренний список, а не создаёт новые. Поэтому изменение m[0][1] меняет ту же самую строку во всех местах.

✅ Правильно создавать независимые строки:

m = [[0]*3 for _ in range(3)] # новая строка на каждой итерации


🟢 Запомнить:

[x]*n безопасно для немутируемых значений (int, str, tuple), но не для вложенных списков.

Для копии строки используйте row[:] или row.copy().

Для глубокой копии вложенных структур — copy.deepcopy.

🐍 Ghostly Python | #собес

👩‍💻 Асинхронность vs. многопоточность: что выживет в эпоху No GIL?

Тестируем реальные сценарии, измеряем RPS, смотрим на потребление памяти и разбираемся, когда самая разумная стратегия — это просто подождать и обновить Python на free-threading версию.

➡️ Ссылка на статью

🐍 Ghostly Python | #статьи

🖼️ Библиотека: httpx

httpx — современный HTTP-клиент для Python с синхронным и асинхронным API, поддержкой HTTP/2, стриминга и удобными таймаутами. Подходит для сервисов, ботов и интеграций, где важны скорость и контроль соединений.

ℹ️ Основные возможности:

🟢 Единый интерфейс для sync/async клиентов
🟢 HTTP/1.1 и HTTP/2, пул соединений, куки, прокси
🟢 Гибкие таймауты, стриминг запросов/ответов, загрузка файлов
🟢 Совместим с requests по духу, но современнее и быстрее в async

⚙️ Пример использования:

import asyncio
import httpx

async def main():
    async with httpx.AsyncClient(http2=True, timeout=httpx.Timeout(5.0)) as client:
        # GET с проверкой статуса
        r = await client.get("https://api.github.com/repos/encode/httpx")
        r.raise_for_status()
        data = r.json()
        print(f"{data['full_name']} ⭐️ {data['stargazers_count']}")
        # POST JSON
        echo = await client.post("https://httpbin.org/post", json={"ping": "pong"})
        print(echo.json()["json"])  # {'ping': 'pong'}

if __name__ == "__main__":
    asyncio.run(main())

✔️ Установка:

pip install httpx

➡️ Ссылка на документацию

🐍 Ghostly Python | #библиотеки

🐍 Ghostly Python | #мемы

➡️ Practical Python Programming — бесплатный курс по современному Python от Дэвида Бизли

Курс охватывает основы и «рабочие» приёмы: типы данных, функции, итераторы/генераторы, файлы, исключения, ООП, модули и работа с пакетами — с упором на практику и рефакторинг.

Материал состоит из коротких уроков и лабораторных с пошаговыми заданиями и решениями; всё можно запускать локально, без сложной подготовки окружения.

⛓️ Ссылка на ресурс

🐍 Ghostly Python | #ресурсы

👩‍💻 Как я построил RAG-систему за вечер с помощью 5 open source-инструментов

Пошаговое руководство от Python for Devs: как связать MarkItDown, LangChain, ChromaDB, Ollama и Gradio, чтобы собрать полноценную RAG-систему без облаков и создать умную базу знаний у себя на ПК.

➡️ Ссылка на статью

🐍 Ghostly Python | #статьи

📱 Фишка: types.MappingProxyType — «только чтение» для словаря

MappingProxyType создаёт неизменяемое представление существующего словаря: читать можно, писать — нельзя. Удобно, когда нужно отдать конфиг/истину в нескольких местах без риска случайной записи.

from types import MappingProxyType

settings = {"debug": True, "port": 8000}
readonly = MappingProxyType(settings)

print(readonly["port"])   # ➔ 8000
# readonly["port"] = 9000  # ➔ TypeError: 'mappingproxy' object does not support item assignment

# Изменили оригинал — прокси «увидит» это
settings["port"] = 9000
print(readonly["port"])   # ➔ 9000

📌 Как это работает?

🟢 Прокси динамический: отражает изменения исходного словаря, но сам не даёт записывать.
🟢 Отлично для публичных API/конфигов: передаём «только чтение», чтобы защититься от случайных правок.
🟢 Нужна полная неизменяемость? Делайте копии и замораживайте структуру (например, не вложенные dict, а кортежи/frozenset)

🐍 Ghostly Python | #фишки

🐍 Ghostly Python | #мемы

🐍 PYTHON 3.15 - ЧТО НОВОГО?

⚙️ Основные изменения:

• Введён новый модуль profiling.sampling - инструмент для статистического профилирования, который позволяет анализировать производительность кода без задержек и дополнительных затрат ресурсов.

• Стандартная библиотека была оптимизирована: многие функции теперь работают быстрее.
• Улучшены механизмы сборки мусора и управления памятью.
• Расширена поддержка аннотаций типов.
• Повышена стабильность работы интерпретатора при многопоточном выполнении.

❓ Почему стоит обновиться:

• Новый профайлер поможет выявлять узкие места в коде без необходимости останавливать приложение.
• Версия стабильна и подходит для использования в продакшене.
• Снижены задержки и накладные расходы, улучшена работа с асинхронным кодом и большими объемами данных.

➡️ статья

🐍 Ghostly Python | #статьи

📔 6 ФИШЕК ДЛЯ РАБОТЫ С JOURNALCTL.

journalctl — это мощный инструмент для систем на базе systemd. Вот несколько практичных советов.

🔘Просмотр последних записей и «подписка» на новые:

journalctl -f

Это аналог команды tail -f, но для системного журнала. Круто, когда вы отлаживаете службу и хотите следить за новыми записями в реальном времени.

🔘 Фильтрация по конкретному сервису:

journalctl -u nginx.service -f

Удобно, если проблема связана с определённым демоном. Вместо nginx просто укажите нужный сервис (например, aiogram_bot.service, sshd.service и т.д.).

🔘 Получение логов за последний час / день / определённый промежуток времени:

journalctl --since "1 hour ago"
journalctl --since "2025-10-01" --until "2025-10-02 03:00"

Это позволяет быстро сузить временной диапазон и увидеть проблему в контексте.

🔘 Фильтрация по уровням логов (ТОЛЬКО ОШИБКИ):

journalctl -p err..emerg

Эта команда покажет только серьёзные сообщения (ошибки, критические, предупреждения и экстренные). Особенно полезно, когда логи «шумные».

🔘 Просмотр логов по конкретному PID / пользователю / cgroup:

journalctl _PID=12345
journalctl _UID=1000
journalctl _SYSTEMD_UNIT=nginx.service

Метаданные systemd позволяют удобно фильтровать информацию.

🔘 Форматирование: удобочитаемый вывод против JSON:

journalctl -o short-iso    # для удобных временных меток
journalctl -o json-pretty  # для автоматического парсинга и анализа

Если вам нужно автоматизировать обработку логов, используйте вывод в формате JSON.

🐍 Ghostly Python | #фишки

🐍 Ghostly Python | #мемы

👩‍💻 Простой мониторинг доступности сайта (healthcheck) на Python

• Установи requests: pip install requests
• Укажи URL сервиса, интервал проверки — и запускай скрипт.
• Скрипт каждые N секунд шлёт GET и пишет статус (OK / FALLING). Можно использовать как простой аптайм-монитор

import time
import requests

URL = "https://example.com
" # что мониторим
INTERVAL = 10 # сек между проверками

def check():
try:
r = requests.get(URL, timeout=5)
if r.status_code == 200:
print("OK:", URL, r.status_code)
else:
print("WARNING:", URL, r.status_code)
except Exception as e:
print("DOWN:", URL, "->", e)

while True:
check()
time.sleep(INTERVAL)

💬 Как это работает:

— requests.get(URL, timeout=5) проверяет, отвечает ли сервис и не висит ли.
— status_code != 200 или Exception → считаем, что сервис нестабилен.
— INTERVAL регулирует частоту опроса (не ставь слишком низко, чтобы не ддосить сам себя).

🐍 Ghostly Python | #гайды