🖼️ Библиотека: Loguru

Loguru - это библиотека для ведения логов в Python, созданная для облегчения и улучшения процесса логирования в ваших проектах.

ℹ️ Особенности:

🟢Простота использования: Никаких сложных настроек, только удобство.

🟢Легкость настройки: Библиотека позволяет гибко настраивать формат и уровень логов для каждого компонента вашего приложения.

🟢Высокая производительность: Loguru обеспечивает эффективное ведение логов с минимальным влиянием на производительность.

⚙️ Пример использования:

from loguru import logger

# Настройка логирования в файл app.log с ротацией при достижении 500 МБ и уровнем INFO
logger.add("app.log", rotation="500 MB", level="INFO")

def my_function():
    logger.debug("Это отладочное сообщение")
    logger.info("Информационное сообщение")
    logger.warning("Предупреждение")
    logger.error("Ошибка")
    logger.critical("Критическая ошибка")

my_function()

✔️ Установка:

pip install loguru

Кстати, нашел еще подробный гайд по работе с Loguru. Вот собственно и ссылка на него: Loguru Guide.

➡️ Ссылка на документацию

🐍 Ghostly Python | #библиотеки

⚙️ Python — полный курс для начинающих.

Курс по Python для начинающих. После прохождения курса вы начнёте уверенно использовать синтаксис Python для разных задач.

➡️ Ссылка на урок

🐍 Ghostly Python | #уроки

📱 Python Cheat Sheet

Шпаргалка по Python, основанная на книге «Автоматизация рутинных задач с помощью Python». Если вы опытный - поможет освежить память, если вы начинающий - поможет преодолеть барьеры в проблемных темах.

Одним словом — годнота 👨‍💻

➡️ Ссылка на ресурс

🐍 Ghostly Python | #ресурсы

👩‍💻 Оптимизируй это с Python: 20+ полезных скриптов

Здесь собраны примеры встроенных модулей и библиотек Python для автоматизации ряда популярных повторяющихся задач разной сложности — от конвертации файлов до анализа больших массивов данных. Этот обзор пригодиться всем, кто устал тратить время на утомительные задачи или хочет повысить свою эффективность.

➡️ Перейти на сайт

🐍 Ghostly Python | #скрипты

🌐 Работа с API в Python с помощью библиотеки Requests

Работа с API в Python с помощью Requests позволяет легко взаимодействовать с веб-сервисами, отправлять HTTP-запросы и получать данные в формате JSON для анализа и обработки.

✔️ Установка библиотеки:

pip install requests

⚙️ Простой пример:

import requests

# Отправка GET-запроса к API
response = requests.get('https://api.coindesk.com/v1/bpi/currentprice.json')

# Проверка статуса ответа
if response.status_code == 200:
    # Преобразование ответа в JSON
    data = response.json()
    print(data['bpi']['USD']['rate'])
else:
    print('Не удалось получить данные:', response.status_code)

Этот скрипт отправляет GET-запрос к API сервиса CoinDesk, который предоставляет текущий курс биткойна в долларах США. Если запрос успешен (статус код 200), ответ преобразуется в JSON, и выводится курс биткойна.

⚙️ Отправка POST-запроса:

Requests также поддерживает отправку POST-запросов для передачи данных на сервер.

import requests

# Данные для отправки
payload = {'username': 'testuser', 'password': 'mypassword'}

# Отправка POST-запроса
response = requests.post('https://httpbin.org/post', data=payload)

# Проверка статуса ответа
if response.status_code == 200:
    print('Данные успешно отправлены')
    print(response.json())
else:
    print('Не удалось отправить данные:', response.status_code)

В этом примере скрипт отправляет POST-запрос с данными формы на тестовый сервис httpbin.org. Ответ сервера отображается в виде JSON.

📌 Работа с API с помощью библиотеки Requests позволяет легко интегрироваться с различными веб-сервисами, получать и отправлять данные, а также использовать мощные функции для настройки запросов и обработки ответов.

➡️ Ссылка на документацию

🐍 Ghostly Python | #библиотеки

📱 БОЕВОЙ ПРОЕКТ НА PYTHON - CRM сервисной службы

В данном плейлисте вы наработаете практику программирования на Python, путем разработки полноценного проекта — CRM сервисной службы.

Отлично подойдет для тех, кто ищет задачи для практики.

➡️ Ссылка на плейлист

🐍 Ghostly Python | #уроки

✏️ Когда print() не справляется, выручает pprint()

Безусловно, стандартная функция Python print() отлично справляется со своей работой, но только до того момента, пока нам не понадобится вывести какие-то сложные вложенные объекты. При выводе таких объектов с помощью print(), результат будет очень трудно читаемым.

В такой ситуации, нам поможет модуль из стандартной библиотеки Python — pprint (pretty print). Он позволяет красиво форматировать и выводить объекты со сложной структурой, что особенно полезно при работе с API или сложными данными.

⚙️ Пример использования

import requests
import pprint

url = 'https://randomuser.me/api/?results=1'
users = requests.get(url).json()

pprint.pprint(users)

Здесь, благодаря pprint(), мы получим удобный для чтения вывод:

{'info': {'page': 1,
          'results': 1,
          'seed': '7895e9ae93304faf',
          'version': '1.4'},
 'results': [{'cell': '(067) A18-5169',
              'dob': {'age': 53, 'date': '1971-08-19T15:29:58.280Z'},
              'email': 'krilach.gricak@example.com'}
...и так далее...

В то время, как обычный print(), вывел бы все в одной строке:

{'results': [{'gender': 'male', 'name': {'title': 'Mr', 'first': 'Krilach', 'last': 'Gricak'}, 'location': {'street': {'number': 7028 и так далее...

🔥 pprint — мастхэв для тех, кто работает со вложенными структурами данных!

➡️ Ссылка на документацию

🐍 Ghostly Python | #фишки

📱 Python 3.13 vs Python 3.12

Группа IT-энтузиастов сравнила производительность Python 3.13 с предыдущей версией — Python 3.12 — на различных конфигурациях компьютеров.

Всего было проведено 100 тестов на устройствах с чипами AMD Ryzen 7000 серии и Intel Core 13-го поколения.

Результаты неоднозначные... подробнее, по ссылке ниже 🔽

➡️ Перейти к статье

🐍 Ghostly Python | #статьи

📔 Как написать отличный README для Python-проекта?

README — это визитная карточка вашего проекта. Правильно оформленный файл README помогает пользователям и разработчикам понять, что делает проект, как его использовать и как в него внести изменения.

🍔 Основные пункты README

⏺ 1. Название и краткое описание проекта

Начните с названия проекта и короткого описания его цели. Например:

"CryptoTrack — это минималистичный трекер криптовалют, который позволит следить за состоянием вашего инвест портфеля в режиме реального времени."

⏺ 2. Мотивация и цели проекта

Объясните, почему вы создали проект, какие задачи он решает, и какие проблемы помогает решить.

⏺ 3. Структура установки

Опишите, как установить проект и его зависимости. Например:

git clone https://github.com/username/project.git
cd project
pip install -r requirements.txt

⏺ 4. Примеры использования

Дайте несколько конкретных примеров, которые показывают, как можно использовать проект. Добавьте блоки кода, демонстрирующие основные функции.

⏺ 5. Раздел "Как внести вклад"

Объясните, как другие могут предложить свои улучшения, указав на правила для пул-реквестов и код-стайла.

⏺ 6. Документация и ресурсы

Добавьте ссылки на более подробную документацию, если она существует, а также на полезные ресурсы и статьи.

Многие могут пренебрегать составлением readme, однако хорошо структурированный readmy делает ваш проект доступнее и упрощает его использование.

🐍 Ghostly Python | #гайды

📱 Как создать свою криптовалюту | Разбираемся с блокчейн на Python

Создание своей криптовалюты это не простая, но увлекательная задача, требующая знаний в различных областях. И первая область, с котором мы с вам разберемся - блокчейн, а точнее, как его реализовать на Python с применением ООП!

➡️ Ссылка на урок

🐍 Ghostly Python | #уроки

📎 Шпаргалка по работе с Параллелизмом в Python

Эта шпаргалка объясняет основы параллелизма в Python. Она охватывает понятия процессов и потоков, описывает многопоточность для задач ввода-вывода и приводит примеры кода для создания потоков, безопасных очередей и оптимизации производительности.

🗄 Скачать PDF из архива

🐍 Ghostly Python | #шпаргалки

🖼️ Библиотека: Marshmallow

Marshmallow — это библиотека для сериализации, десериализации и валидации сложных объектов данных. Она позволяет преобразовывать Python-объекты в форматы, такие как JSON, и обратно.

Подходит для разработчиков, которым нужно легко управлять валидацией данных и преобразованиями между объектами и форматами, такими как JSON или YAML.

⚙️ Пример использования:

from marshmallow import Schema, fields, ValidationError

# Определение схемы
class UserSchema(Schema):
    name = fields.String(required=True)
    age = fields.Integer(required=True)

# Данные для сериализации
user_data = {"name": "Alice", "age": 24}

# Сериализация (объект Python -> JSON)
schema = UserSchema()
result = schema.dump(user_data)
print(result)

# Десериализация (JSON -> объект Python)
user_json = '{"name": "Bob", "age": 30}'
try:
    user = schema.loads(user_json)
    print(user)
except ValidationError as err:
    print(err.messages)

✔️ Установка

pip install marshmallow

➡️ Ссылка на документацию

🐍 Ghostly Python | #библиотеки

🗂 Скрипт: сортировка файлов в каталоге

Этот Python-скрипт организует файлы в каталоге, сортируя их по подкаталогам на основе расширений файлов.

ℹ️ Как работает

1. Скрипт запрашивает путь к каталогу и проверяет его наличие.
2. Перебирает все файлы в каталоге.
3. Определяет расширение файла и создает подкаталог с именем расширения.
4. Перемещает каждый файл в соответствующий подкаталог.

📂 Скрипт с подробным комментированием кода уже в архиве:

➡️ Скачать...

🐍 Ghostly Python | #скрипты

📱 Основы архитектуры для джунов: как строить масштабируемые и чистые приложения на Python

Понимание архитектуры — ключевой навык для разработки качественного и поддерживаемого кода.

Этот гайд объясняет важные концепции, такие как разделение на уровни, паттерны проектирования и принципы SOLID, которые помогут джунам строить масштабируемые и чистые Python-приложения. Следуя этим принципам, можно значительно упростить поддержку кода и подготовиться к росту нагрузки.

➡️ Перейти к гайду

🐍 Ghostly Python | #гайды

👣 Создание сайта любой сложности | Веб-приложение на Python

В ходе курса, вы будете создавать полноценное веб-приложение на Python, с использованием фреймворка Flask. Научитесь создавать сайты и веб-приложения любой сложности на Python, освоив все основные аспекты работы с фреймворком Flask.

➡️ Ссылка на курс

🐍 Ghostly Python | #уроки

🖼️ Библиотека: deepface

Deepface — удобная библиотека для Python, которая распознает лица и анализирует их характеристики: возраст, пол, эмоции и расу.

Она применяет гибридный подход, объединяя несколько мощных моделей, таких как VGG-Face, FaceNet, OpenFace, DeepFace, DeepID, ArcFace, Dlib, SFace и GhostFaceNet, что делает её особенно гибкой и точной.

⚙️ Пример использования (сравнение пары лиц)

from deepface import DeepFace

result = DeepFace.verify(
  img1_path = "face_1.jpg",
  img2_path = "face_2.jpg",
)

Результат — словарь с данными анализа изображений, позволяющий глубже понять схожесть лиц.

✔️ Установка

pip install deepface

➡️ Ссылка на документацию

🐍 Ghostly Python | #библиотеки

💬 Что такое yield в Python? Самый популярный вопрос на StackOverflow

yield — ключевое слово в Python, которое часто вызывает вопросы у новичков, но при этом открывает мощные возможности для оптимизации кода. По сути, yield позволяет функции запомнить свое состояние и продолжить выполнение с того же места, где остановилась. Это делает функцию "генератором", который возвращает значения одно за другим, по мере их запроса.

⚙️ Как это работает?

Вместо привычного return, который завершает функцию и возвращает значение, yield приостанавливает её выполнение, но не закрывает. При каждом вызове генератора он продолжает выполнение с того места, где остановился. Это полезно, когда нужно работать с большим объемом данных, так как генераторы создают элементы "лениво", по одному за раз, не занимая много памяти.

✔️ Простой пример

def countdown(n):
    while n > 0:
        yield n
        n -= 1

for number in countdown(5):
    print(number)

Этот код будет выводить числа от 5 до 1 по одному, при каждом вызове yield, экономя память и время.

📌 Почему это важно?

Использование yield особенно полезно при работе с большими списками, потоками данных или бесконечными последовательностями. Генераторы позволяют обходить ограничение памяти и выполнять операции быстрее за счет обработки данных на лету.

Подробнее вы можете изучить в статье по ссылке — ознакомиться ⬅️

🐍 Ghostly Python | #фишки

💬 Задача: Что будет выведено в консоль?

numbers = [1, 2, 3, 4, 5]
result = 0

for i in range(1, len(numbers), 2):
    result += numbers[i]

print(result)

Выберите вариант ответа ниже 🔽

🐍 Ghostly Python | #задачи

📱 Python под рукой: шпаргалка с основами и практическими примерами

Эта шпаргалка — быстрый и удобный справочник по основам Python для начинающих и опытных разработчиков.

Она охватывает ключевые темы: переменные, приведение типов, операторы, часто используемые методы с примерами, регулярные выражения, обработку ошибок и многое другое. С примерами кода и краткими пояснениями.

🗄 Скачать PDF из архива

🐍 Ghostly Python | #шпаргалки