👩‍💻 Применение Portainer в CI/CD процессах

В этой статье узнаем как написать CI/CD для сборки Docker-образа и деплоя проекта, а также, как получить бесплатно Portainer BE.

➡️ Ссылка на статью

🐍 Ghostly Python | #статьи

➡️ Mouse Vs Python — блог с полезными материалами и примерами по Python

Mouse Vs Python — это личный блог Майкла Драммонда, который более 10 лет публикует статьи о Python. Здесь можно найти гайды по стандартной библиотеке, обзоры полезных библиотек и советы по “питоничному” коду.

⛓️ Ссылка на ресурс

🐍 Ghostly Python | #ресурсы

🐍 Ghostly Python | #мемы

📱 Фишка: itertools.cycle —

cycle из модуля itertools позволяет зациклить любую последовательность, повторяя её элементы бесконечно. Полезно для создания повторяющихся шаблонов, циклических счётчиков и генераторов данных.

import itertools

colors = ["red", "green", "blue"]

# Бесконечно повторяем список
for i, color in zip(range(10), itertools.cycle(colors)):
    print(i, color)

# ➔ 0 red
# ➔ 1 green
# ➔ 2 blue
# ➔ 3 red
# ➔ ...

📌 Как это работает?

🟢 itertools.cycle(iterable) создаёт итератор, который повторяет элементы без конца
🟢 Можно комбинировать с zip или islice, чтобы ограничить количество повторений
🟢 Подходит для бесконечных анимаций, чередования задач и тестирован.

🐍 Ghostly Python | #фишки

👩‍💻 Блум на стероидах: XOR ищет пропавших

Расскажу, как растянуть трюк с XOR до миллиардов строк: собираю обратимый фильтр Блума, ищу тысячи пропавших ID, считаю память, бьюсь с коллизиями и показываю минимальный код. Без магии

➡️ Ссылка на статью

🐍 Ghostly Python | #статьи

👩‍💻 Чтение и запись JSON в Python с помощью json

Модуль json из стандартной библиотеки позволяет легко работать с JSON — популярным форматом обмена данными между сервисами и приложениями.

⚙️ Пример: базовая настройка и логирование в файл

import json  

# Пример данных
data = {
    "name": "Alice",
    "age": 30,
    "skills": ["Python", "SQL"]
}

# Запись в JSON-строку
json_str = json.dumps(data, ensure_ascii=False, indent=4)
print(json_str)

# Запись в файл
with open("data.json", "w", encoding="utf-8") as f:
    json.dump(data, f, ensure_ascii=False, indent=4)

# Чтение из файла
with open("data.json", "r", encoding="utf-8") as f:
    loaded_data = json.load(f)

print(loaded_data)

💬 Как это работает:

🟢 json.dumps() — преобразует объект Python в JSON-строку.
🟢 json.dump() — записывает объект прямо в файл.
🟢 json.loads() — читает JSON-строку и превращает её в объект Python.
🟢 json.load() — читает JSON из файла

🐍 Ghostly Python | #гайды

🐍 Ghostly Python | #мемы

❓ Вопрос с собеса

Что произойдёт, если переопределить метод __bool__ у объекта в Python?

Пример🔽

class Weird:
    def __init__(self, value):
        self.value = value

    def __bool__(self):
        return self.value % 2 == 0  # True, только если число чётное

obj1 = Weird(2)
obj2 = Weird(3)

print(bool(obj1))  # ➔ True
print(bool(obj2))  # ➔ False

Ответ🔽

Метод __bool__ управляет тем, как объект ведёт себя в булевом контексте (if, while, bool()).
По умолчанию, если __bool__ не определён, Python пытается вызвать __len__: объект считается True, если его длина > 0.
Если нет ни __bool__, ни __len__, объект всегда будет True.

✅ Когда использовать:
— Для кастомных структур данных, где важно задать собственные правила "пустоты" или "валидности".
— Для удобной проверки состояния объекта (if stack: ..., if db_connection: ...).

❗️Важно: __bool__ должен возвращать именно True или False, иначе Python выбросит TypeError

🐍 Ghostly Python | #собес

🐍 Ghostly Python | #мемы

🖼️ Библиотека: Pendulum

Pendulum — это улучшенная альтернатива стандартному модулю datetime в Python. Она делает работу с датами и временем проще, удобнее и безопаснее.

ℹ️ Основные возможности:

🟢 Простое создание и парсинг дат/времени
🟢 Поддержка временных зон "из коробки"
🟢 Удобная работа с периодами и интервалами (разница дат)
🟢 Форматирование дат в ISO 8601 и человеко-читаемый вид
🟢 Совместимость с datetime

⚙️ Пример использования:

import pendulum  

# Создание даты  
dt = pendulum.datetime(2025, 5, 17, tz="Europe/Moscow")  
print(dt)  # ➔ 2025-05-17T00:00:00+03:00  

# Парсинг строки  
parsed = pendulum.parse("2025-08-16T14:30:00Z")  
print(parsed.in_timezone("Europe/Moscow"))  

# Разница дат  
start = pendulum.date(2025, 1, 1)  
end = pendulum.date(2025, 8, 16)  
print(end.diff(start).in_days())  # ➔ 227  

# Человекочитаемый формат  
print(end.diff_for_humans(start))  # ➔ "7 months after"

✔️ Установка:

pip install pendulum

➡️ Ссылка на документацию

🐍 Ghostly Python | #библиотеки

👩‍💻 Анализ лиц с домофона: как я победил несовместимости и собрал dlib+CUDA на Ubuntu — готовый скрипт

Прогнал домофонный архив через dlib/face_recognition на GPU: мерил скорость, собирал капризное окружение, чинил драйверы; делюсь выводами. Код на GitHub.

➡️ Ссылка на статью

🐍 Ghostly Python | #статьи

➡️ Python Module of the Week — глубокие разборы стандартной библиотеки Python

PyMOTW — это серия статей с практическими примерами по модулям стандартной библиотеки: от itertools, collections и functools до asyncio, pathlib и contextlib.

Материал подан в формате «что делает модуль, когда применять и какие есть подводные камни» — с короткими, рабочими примерами.

⛓️ Ссылка на ресурс

🐍 Ghostly Python | #ресурсы

🐍 Ghostly Python | #мемы

📱 Фишка: functools.lru_cache — мемоизация в одну строку

lru_cache кэширует результаты функции по её аргументам, резко ускоряя повторные вызовы. Идеально для рекурсий, дорогостоящих вычислений и запросов, которые часто повторяются с одинаковыми параметрами.

from functools import lru_cache
from time import perf_counter

@lru_cache(maxsize=256)  # LRU-кэш на 256 последних комбинаций аргументов
def fib(n: int) -> int:
    if n < 2:
        return n
    return fib(n - 1) + fib(n - 2)

t0 = perf_counter(); print(fib(35)); t1 = perf_counter() - t0
t0 = perf_counter(); print(fib(35)); t2 = perf_counter() - t0
print(f"Первый вызов: {t1:.4f} c, повторный: {t2:.6f} c")  # второй практически мгновенный

📌 Как это работает?

🟢 @lru_cache(maxsize=N) запоминает результаты по хэшируемым аргументам и автоматически очищает старые записи (LRU).
🟢 maxsize=None — безлимитный кэш; func.cache_clear() — сброс; func.cache_info() — статистика хитов/промахов.
🟢 Работает только с хэшируемыми аргументами (числа, строки, кортежи и т.п.); для неизменяемых структур данных — идеально.

🐍 Ghostly Python | #фишки

👩‍💻 Позиционный трейдинг + ML: от нуля до торговой стратегии за год

В статье рассказывается о создании стратегии для позиционной торговли. Показан опыт разработки инструмента для проверки торговых идей.

Описывается реализация стратегии, основанной на принципе «моментума» (когда растущие акции продолжают расти), и её улучшение с помощью оптимизации параметров.

➡️ Ссылка на статью

🐍 Ghostly Python | #статьи

👩‍💻 Работа с файловой системой на Python с помощью pathlib

pathlib — современный и удобный способ работать с путями, файлами и директориями кроссплатформенно. Заменяет os.path и делает код короче и понятнее.

⚙️ Пример: создание папки, запись/чтение файла, поиск по маске, переименование и удаление

from pathlib import Path

# Базовая директория проекта
base = Path.cwd()

# Создаём папку data (если нет)
data_dir = base / "data"
data_dir.mkdir(parents=True, exist_ok=True)

# Путь к файлу
file = data_dir / "notes.txt"

# Запись текста в файл (перезапишет если существует)
file.write_text("Привет, pathlib!\n", encoding="utf-8")

# Дозапись строки
with file.open("a", encoding="utf-8") as f:
    f.write("Ещё одна строка.\n")

# Чтение всего содержимого
content = file.read_text(encoding="utf-8")
print("Содержимое файла:\n", content)

# Перебор всех .txt в папке
for p in data_dir.glob("*.txt"):
    print("Файл:", p.name, "| размер:", p.stat().st_size, "байт")

# Переименование файла
archived = file.with_name("notes-archived.txt")
file.rename(archived)

# Удаление файла (раскомментируйте при необходимости)
# archived.unlink()

💬 Как это работает:

🟢 Path — объектный путь; оператор / соединяет сегменты путей.
🟢 mkdir(parents=True, exist_ok=True) создаёт дерево директорий безопасно.
🟢 write_text() / read_text() — быстрые шорткаты для записи/чтения.
🟢 open("a") — дозапись без перезаписи.
🟢 glob("*.txt") и rglob("**/*.txt") — поиск по маске (включая рекурсивно).
🟢 with_name(), rename(), unlink() — удобные операции с файлами

🐍 Ghostly Python | #гайды

🐍 Ghostly Python | #мемы

❓ Вопрос с собеса

Почему этот код печатает [2, 2, 2], а не [0, 1, 2]?

Пример🔽

# Неверно: late binding захватывает ИМЯ переменной i
funcs = [lambda: i for i in range(3)]
print([f() for f in funcs])  # ➔ [2, 2, 2]

# Верно: захватить ТЕКУЩЕЕ значение через аргумент по умолчанию
funcs = [lambda i=i: i for i in range(3)]
print([f() for f in funcs])  # ➔ [0, 1, 2]

Ответ🔽

Лямбды/замыкания в Python делают позднее связывание (late binding): они запоминают не значение i, а имя. Когда вызов происходит, цикл уже завершён, и i == 2 для всех функций. Передача i как аргумента по умолчанию фиксирует значение в момент создания функции.

🟢 Запомнить:

В замыканиях значения берите через lambda i=i: ... или functools.partial(...).

Та же ловушка есть в comprehensions и циклах с замыканиями.

Проверяйте такие конструкции тестом — легко промахнуться.

🐍 Ghostly Python | #собес

👩‍💻 PEP 723 + uv: однофайловые скрипты с зависимостями

Покажу PEP 723+uv: зависимости в комментариях, раннер сам ставит и запускает. Примеры, плюсы и грабли, отдельно — про риски безопасности. Без README-плясок.

➡️ Ссылка на статью

🐍 Ghostly Python | #статьи

🖼️ Библиотека: Tenacity

Tenacity — гибкая библиотека для ретраев (повторных попыток) с поддержкой экспоненциального бэкоффа, фильтрации по исключениям/результатам и асинхронных функций. Полезна для сетевых запросов, нестабильных API и flaky-тестов.

ℹ️ Основные возможности:

🟢 Декларативные ретраи через декоратор @retry
🟢 Стратегии ожидания: фиксированная, экспоненциальная, джиттер, лимиты
🟢 Условия повтора по типам исключений или значениям результата
🟢 Хуки before/after и поддержка async def

⚙️ Пример использования:

from tenacity import retry, stop_after_attempt, wait_exponential, retry_if_exception_type
import requests

@retry(
    stop=stop_after_attempt(5),                     # максимум 5 попыток
    wait=wait_exponential(multiplier=0.5, max=8),  # экспоненциальный бэкофф
    retry=retry_if_exception_type((
        requests.exceptions.Timeout,
        requests.exceptions.ConnectionError,
    )),
    reraise=True                                   # пробросить последнее исключение
)
def fetch_json(url: str) -> dict:
    resp = requests.get(url, timeout=2)
    resp.raise_for_status()
    return resp.json()

data = fetch_json("https://httpbin.org/json")
print(data["slideshow"]["title"])

✔️ Установка:

pip install tenacity

➡️ Ссылка на документацию

🐍 Ghostly Python | #библиотеки