Уровень тревоги 💯

🐍 Ghostly Python | #мемы

📱 Фишка: Сокращаем код с помощью оператора := (walrus-оператор)

Walrus-оператор (:=) появился в Python 3.8 и позволяет присваивать значения переменным прямо внутри выражений. Это делает код более компактным и читаемым.

Разберем несколько примеров его использования 🔽

1️⃣ Уменьшаем дублирование кода в циклах

Обычно приходилось вычислять значение до цикла или в теле цикла:

data = input("Введите что-нибудь: ")
while data:
    print(f"Вы ввели: {data}")
    data = input("Введите что-нибудь: ")

С := всё становится проще:

while (data := input("Введите что-нибудь: ")):
    print(f"Вы ввели: {data}")

➡️ Теперь значение data вычисляется и проверяется в одном месте.

2️⃣ Условные фильтры в списках

С walrus-оператором можно отфильтровать данные прямо в списочном выражении:

numbers = ["10", "abc", "20", "xyz"]
valid_numbers = [int(num) for num in numbers if (number := num.strip()).isdigit()]
print(valid_numbers)  # [10, 20]

➡️ num.strip() сохраняется в переменную number и тут же проверяется.

3️⃣ Ускоряем обработку больших данных

Допустим, вы работаете с текстом, который нужно обработать, но только если длина строки превышает определённое значение:

lines = ["short", "this is a long line", "another long line", "tiny"]
long_lines = [line for line in lines if (length := len(line)) > 10]
print(long_lines)  # ['this is a long line', 'another long line']

➡️ Одновременно считаем длину строки и используем её в условии.

💬 Когда использовать walrus-оператор?

— Вы хотите избежать дублирования вычислений.
— Нужно улучшить читаемость циклов и условий.
— Вместо использования временных переменных.

Фича мощная, но злоупотреблять ею не стоит. Используйте в простых ситуациях, чтобы читаемость кода не пострадала.

🖥 Статья про этот "странный" оператор

🐍 Ghostly Python | #фишки

📖 Введение в машинное обучение с помощью Python

Идеальный старт для тех, кто хочет освоить машинное обучение и научиться решать практические задачи. Она покажет, как легко самостоятельно построить модели машинного обучения: от анализа настроений в Twitter до прогнозов глобального потепления.

Без сложных математических формул, с акцентом на использование Python и библиотеки scikit-learn, книга подробно объясняет все этапы создания успешных ML-проектов. Подходит как новичкам, так и действующим специалистам, знакомым с Python, NumPy и matplotlib.

⬇️ Скачать PDF из архива

🐍 Ghostly Python | #книги

📱 Разработка приложений с GUI на Python с помощью Flet

Flet — это мощный фреймворк для разработки интерактивных веб-приложений и настольных GUI, написанных полностью на Python. Он позволяет создавать приложения с современным интерфейсом без необходимости изучения HTML, CSS или JavaScript.

📌 Особенности Flet

🟢 Простой синтаксис: Всё пишется на Python, никаких сложных стэков технологий.
🟢 Кроссплатформенность: Работает в браузере, на Windows, macOS и Linux.
🟢 Мгновенная разработка: Быстрое обновление интерфейса без перезагрузки.
🟢 Основан на Flutter: Использует UI-фреймворк Flutter, что обеспечивает высокую производительность и современный внешний вид.

⚙️ Пример простого приложения на Flet

import flet as ft

def main(page: ft.Page):
    page.title = "Flet App"
    page.vertical_alignment = ft.MainAxisAlignment.CENTER

    def button_click(e):
        page.add(ft.Text(f"Привет, {name_input.value}!"))

    name_input = ft.TextField(label="Введите имя", width=300)
    greet_button = ft.ElevatedButton("Поздороваться", on_click=button_click)

    page.add(name_input, greet_button)

ft.app(target=main)

🔜 Этот код создаёт минималистичное приложение, где пользователь вводит имя и получает приветствие.

✔️ Установка

pip install flet

➡️ Ссылка на документацию

🐍 Ghostly Python | #библиотеки

📱 Используем ChatGPT API бесплатно с Python

Автор показывает как абсолютно бесплатно использовать ChatGPT API, включая его самую последнюю версию - четвёртую. Мы будем работать с Python, как обычно.

Как дополнительный бонус, автор делится несколькими увлекательными идеями о том, как можно применить этот инструмент в своих собственных проектах.

📌 Таймкоды:

00:00 Вступление
00:50 Официальный API и сколько это стоит
01:57 Начало
03:11 Пример сайтов-провайдеров
05:04 Запуск
09:22 Зачем это всё нужно и где использовать? 3 идеи

📱 Ссылка на источник

🐍 Ghostly Python | #уроки

Не удержался... 😅

У вас было такое?)))

🐍 Ghostly Python | #мемы

➡️ Автоматизация взаимодействия с экраном в Python: быстрый гайд

Python позволяет автоматизировать взаимодействие с экраном, что полезно для тестирования интерфейсов, упрощения рутинных задач и создания ботов. Для этого часто используют библиотеку PyAutoGUI — инструмент для работы с клавиатурой, мышью и экранными элементами.

✔️ Установка

pip install pyautogui

⚙️ Основные возможности

1️⃣ Управление мышью: перемещение, клик, двойной клик, прокрутка.

import pyautogui

pyautogui.moveTo(100, 200)  # Переместить курсор в точку (100, 200)
pyautogui.click()           # Клик левой кнопкой мыши
pyautogui.doubleClick()     # Двойной клик
pyautogui.rightClick()      # Правый клик

2️⃣ Работа с клавиатурой: ввод текста, нажатие клавиш, сочетания клавиш.

pyautogui.write('Hello, world!', interval=0.1)  # Ввод текста с задержкой 0.1 сек
pyautogui.press('enter')                       # Нажатие клавиши Enter
pyautogui.hotkey('ctrl', 's')                  # Сочетание клавиш Ctrl+S

3️⃣ Скриншоты и поиск элементов: захват экрана и поиск изображений на нём.

screenshot = pyautogui.screenshot('screenshot.png')  # Сохранение скриншота
location = pyautogui.locateOnScreen('button.png')   # Поиск кнопки по изображению
if location:
    pyautogui.click(location)  # Клик по кнопке, если найдена

4️⃣ Предотвращение ошибок: защита от непредвиденных ситуаций.

pyautogui.FAILSAFE = True  # Движение мыши в угол экрана завершит программу

Это полезно для автоматизации рутинных задач, таких как ввод данных или навигация по интерфейсу, а также для тестирования GUI-приложений. Библиотека подходит для создания ботов, работы с экраном на серверах или виртуальных машинах и упрощения повседневных операций.

➡️ Ссылка на документацию

🐍 Ghostly Python | #гайды

⚙️ Vanna — это Python-фреймворк с открытым исходным кодом, который использует LLM для создания SQL-запросов на основе естественного языка.

✔️ Всё просто: сначала обучаешь модель на своих данных, а потом можешь задавать вопросы на обычном языке. В ответ получаешь готовые SQL-запросы, которые можно сразу запускать в своей базе данных.

🐱 Ссылка на GitHub

🐍 Ghostly Python | #инструменты

🚀 Асинхронная работа с базами данных в Python: SQLAlchemy + Asyncio

Базы данных – ключевой элемент любого современного приложения, и их правильное использование влияет на производительность и стабильность сервиса. Но как обеспечить эффективное взаимодействие с БД в условиях высокой нагрузки?

В статье разбирается, как работать с одной из самых популярных библиотек для работы с базами данных – SQLAlchemy. А чтобы код не блокировался при выполнении запросов, мы добавим асинхронность с Asyncio.

🖥 Перейти к статье

🐍 Ghostly Python | #статьи

📱 PyChallenger: онлайн практика Python

PyChallenger — это ресурс, который позволяет изучать Python на практике с помощью интерактивных туториалов, решения различных задач и викторин по коду.

📌 Вы изучите:

🟢 Python Basics — основы: переменные, операторы, строки, списки, циклы, условия и функции.
🟢 Intermediate Python — продвинутые темы: f-строки, распаковка данных, области видимости, list comprehension, лямбда-функции.
🟢 Basic Data Analysis — NumPy, Matplotlib и pandas для анализа данных.

⛓️ Ссылка на ресурс

🐍 Ghostly Python | #ресурсы

⚙️ Библиотека: JsonObject

JsonObject — удобная библиотека для быстрого преобразования json в объекты Python. Крайне удобно, когда необходимо принимать данные по API и парсить их в определенные структуры.

⚙️ Можно даже делать вложенные объекты друг в друга:

class NameUser(JsonObject):
    username = StringProperty()
    name = StringProperty()
    
class User(JsonObject):
    name_info = ObjectProperty(NameUser)
    active = BooleanProperty(default=False)
    date_joined = DateTimeProperty()
    tags = ListProperty()

user = User({
    'name': 'Daniil',
    'username': 'Daniil123',
    'active': False,
    'date_joined': '2023-03-05T02:46:58Z',
    'tags': ['new', 'user', 'python']
})
print(user.name_info.name)
# -> Daniil

Эта библиотека способна значительно ускорить процесс работы с внешними API и обработки JSON данных, особенно если требуется структурировать и обрабатывать их поля.

✔️ Установка

pip install jsonobject

🐱 Ссылка на GitHub

🐍 Ghostly Python | #библиотеки

👩‍💻 Телеграм Бот на Python с нуля!

С ростом популярности Telegram, растет и спрос на разработку ботов. И в этом видео, вы узнаете как создавать ботов на Python с использованием библиотеки aiogram.

Понятное дело, урок не охватывает полностью всю тему и тонкости. Однако, вы получите базу для старта, с которой можно будет двигаться дальше в этом направлении.

📱 Ссылка на источник

🐍 Ghostly Python | #уроки

📄 Парсинг лог-файлов на Python: Быстро и просто

Сегодня напишем простой скрипт на Python для анализа лог-файлов. Часто нам нужно вычленить из огромного файла записи об ошибках или другие важные сообщения. Вместо того чтобы просматривать файл вручную, можно автоматизировать этот процесс.

Наш скрипт будет открывать лог-файл, искать строки, содержащие слово "ERROR", и сохранять их в отдельный файл для дальнейшего анализа.

⚙️ Исходный код

import re

# Указываем имя лог-файла и создаем регулярное выражение для поиска "ERROR"
log_file = 'server.log'
error_pattern = re.compile(r'ERROR')

# Открываем лог-файл для чтения и новый файл для записи ошибок
with open(log_file, 'r', encoding='utf-8') as infile, \
     open('errors.log', 'w', encoding='utf-8') as outfile:
    for line in infile:
        if error_pattern.search(line):
            outfile.write(line)

print("Парсинг завершен. Все ошибки сохранены в errors.log")

💬 Как это работает?

1. Импортируем модуль re для работы с регулярными выражениями.
2. Задаем имя лог-файла (server.log) и компилируем шаблон поиска ошибок.
3. Читаем лог построчно: если строка содержит "ERROR", записываем её в новый файл errors.log.
4. После выполнения скрипта все найденные ошибки окажутся в файле errors.log.

Такой подход помогает быстро отфильтровать важную информацию, особенно если лог-файл большой.

🐍 Ghostly Python | #скрипты

📱 Telegram Web App, FastAPI и вебхуки в одном приложении

Из этой статьи, вы узнаете как создать полноценное веб-приложение на FastAPI, которое будет взаимодействовать с Telegram-ботом через WebApp и вебхуки.

В основе проекта — асинхронное взаимодействие с базой данных SQLite с помощью SQLAlchemy, что позволит нам реализовать масштабируемое и эффективное приложение.

🖥 Перейти к статье

🐍 Ghostly Python | #статьи

👩‍💻 The Ultimate Python Handbook

Этот хендбук поможет не только разобраться в основах, но и перейти к более сложным темам, которые часто используются в реальных проектах. Удобные примеры и упражнения помогут закрепить знания на практике.

📌 Что внутри?

🟢 Основы Python: установка, переменные, типы данных, операторы.
🟢 Строки, списки, словари, множества и их возможности.
🟢 Условные выражения и циклы.
🟢 Функции и рекурсия.
🟢 Работа с файлами: чтение, запись, обработка.
🟢 Объектно-ориентированное программирование и наследование.
🟢 Продвинутые темы: виртуальные окружения, lambda-функции, обработка исключений, и многое другое.
🟢 Практические задачи и мини-проекты, включая создание чат-бота и голосового помощника.

⬇️ Скачать PDF из архива

🐍 Ghostly Python | #шпаргалки

👩‍💻 Базовое приложение на FastAPI

В этом уроке, автор рассказывает и показывает как начать работать с FastAPI, как выстроить проект, настроить работу с базой данных и миграции.


📱 Ссылка на источник

🐍 Ghostly Python | #уроки

⚙️ Библиотека: Schematics

Schematics — это библиотека для простой и мощной валидации и преобразования данных в Python. Она позволяет создавать модели данных с различными правилами и типами, что обеспечивает строгий контроль над структурой данных.

Подходит для разработчиков, которые хотят легко описывать схемы данных и автоматически валидировать и преобразовывать их перед использованием.

⚙️ Пример использования:

from schematics.models import Model
from schematics.types import StringType, IntType, EmailType
from schematics.exceptions import DataError

# Определение модели данных
class User(Model):
    name = StringType(required=True, max_length=10)
    age = IntType(required=True, min_value=18, max_value=99)
    email = EmailType(required=True)

# Проверка корректных данных
user_data = {'name': 'Alice', 'age': 24, 'email': 'alice@example.com'}
try:
    user = User(user_data)
    user.validate()
    print("Данные корректны:", user.to_native())
except DataError as e:
    print("Ошибки в данных:", e)

# Попытка валидации некорректных данных
invalid_data = {'name': '', 'age': 'twenty', 'email': 'bob@example'}
try:
    invalid_user = User(invalid_data)
    invalid_user.validate()
except DataError as e:
    print("Ошибки в данных:", e)

✔️ Установка

pip install schematics

🐱 Ссылка на GitHub

🐍 Ghostly Python | #библиотеки

🏭 Применение ML для оптимизации работы питательных электронасосов в ТЭЦ металлургического комбината

Как машинное обучение помогло оптимизировать работу насосов на ТЭЦ и сэкономить заводу 19,6 млн рублей.

Разбираем алгоритмы, параметры оборудования и почему даже одинаковые агрегаты работают по-разному.

🖥 Перейти к статье

🐍 Ghostly Python | #статьи

Грустная правда 🫠

🐍 Ghostly Python | #мемы

👩‍💻 Аннотация overload - перегрузки в Python

Разбираем @overload из модуля typing: как аннотировать функции с разными сигнатурами, улучшить автодополнение в IDE и сделать код понятнее.

📱 Ссылка на источник

🐍 Ghostly Python | #уроки