🐍 Ghostly Python | #мемы

📱 Фишка: functools.cached_property — ленивое свойство с кэшированием

cached_property превращает метод в свойство, которое вычисляется один раз при первом доступе и кэшируется в экземпляре. Полезно для дорогих вычислений и ленивой инициализации

from functools import cached_property
import time

class Report:
def init(self, user_id):
self.user_id = user_id

@cached_property
def stats(self):
    print("Вычисляю...")  # выполнится только при первом доступе
    time.sleep(1)
    return {"orders": 42, "spent": 199.99}


r = Report(123)
print(r.stats) # первый доступ — расчёт и кэширование
print(r.stats) # последующие — мгновенно из кэша
del r.dict["stats"] # инвалидация кэша
print(r.stats) # пересчёт после инвалидации

📌 Как это работает?

🟢 @cached_property сохраняет результат в instance.__dict__ под именем свойства.
🟢 Для обновления данных удалите кэш: del obj.__dict__["attr"] — значение пересчитается при следующем доступе.
🟢 Идеально для «ленивых» параметров: конфигов, аггрегатов из БД/API, тяжёлых вычислений

🐍 Ghostly Python | #фишки

👩‍💻 Напердолил целую игру

Покажу, как я собрал TANKOLINI NAPIERDOLKI: монохром, канвас и пиксели, тетрис-вайб и редактор карт; мультиплеер на Python, карты в PostgreSQL, комнаты в Redis. Мемы прилагаются.

➡️ Ссылка на статью

🐍 Ghostly Python | #статьи

👩‍💻 Работа с конфигами TOML в Python с tomllib (+ запись через tomli-w)

TOML — удобный формат конфигураций. В Python 3.11+ есть встроенный tomllib для чтения; для записи используем лёгкий tomli-w.

⚙️ Пример: чтение → правка → сохранение

# pip install tomli-w
import tomllib            # Python 3.11+
import tomli_w            # запись TOML
from pathlib import Path

cfg = Path("config.toml")

# Создадим дефолтный конфиг, если его нет
cfg.write_text("[app]\nname='Ghostly'\ndebug=true\n\n[db]\nhost='localhost'\nport=5432\n",
               encoding="utf-8") if not cfg.exists() else None

# Чтение (важно: бинарный режим для tomllib)
with cfg.open("rb") as f:
    conf = tomllib.load(f)

# Изменим настройки
conf["app"]["debug"] = False
conf["db"]["host"] = "db.prod.local"
conf["db"]["port"] = 6432

# Запись обратно в TOML
cfg.write_text(tomli_w.dumps(conf), encoding="utf-8")

💬 Как это работает:

🟢 tomllib.load(f) — чтение TOML (3.11+); для ≤3.10 используйте tomli.
🟢 tomli_w.dumps(dict) — сериализация словаря в TOML.
🟢 Открывайте файл для tomllib в бинарном режиме: open("rb").
🟢 Разделяйте общие настройки и секреты (переменные окружения/.env).

🐍 Ghostly Python | #гайды

🐍 Ghostly Python | #мемы

❓ Вопрос с собеса

В чём разница между __getattr__ и __getattribute__ в Python и почему легко поймать бесконечную рекурсию?

Пример🔽

class Demo:
    def __getattribute__(self, name):
        if name == "x":
            return 42
        # ВАЖНО: делегировать наверх, иначе рекурсия
        return super().__getattribute__(name)

    def __getattr__(self, name):
        # Вызывается ТОЛЬКО если обычный поиск атрибута провалился
        return f"<missing:{name}>"

d = Demo()
print(d.x)  # ➔ 42
print(d.y)  # ➔ <missing:y>

class Bad:
    def __getattribute__(self, name):
        # Плохо: вызывает себя же через getattr → бесконечная рекурсия
        return getattr(self, name)

# Bad().anything  # ➔ RecursionError

Ответ🔽

__getattribute__(self, name) вызывается всегда при доступе к атрибуту экземпляра. Если внутри него вы обращаетесь к атрибутам через self.…/getattr(self, …), вы снова попадаете в __getattribute__ → RecursionError. Правильно — звать super().__getattribute__(name) или напрямую object.__getattribute__(self, name).

__getattr__(self, name) вызывается только если атрибут не найден обычным путём (включая __getattribute__). Удобен для ленивых/виртуальных атрибутов и значений по умолчанию.

🟢 Запомнить:

Внутри __getattribute__ используйте object.__getattribute__(self, name)/super() для безопасного доступа.

Чтобы передать управление __getattr__, поднимайте AttributeError из __getattribute__.

Меняя протокол доступа, легко сломать дебаг/инспекцию; держите реализацию минимальной и предсказуемой.

Для динамики часто достаточно __getattr__; __getattribute__ — инструмент «тяжёлого класса».

🐍 Ghostly Python | #собес

👩‍💻 Что если представить habr в виде obsidian-графа?

А что если спарсить часть статей с хабра и представить их в виде obsidian графа, будет ли это выглядеть, как красивая база знаний?

➡️ Ссылка на статью

🐍 Ghostly Python | #статьи

🖼️ Библиотека: Hypothesis

Hypothesis — библиотека для property-based тестирования: она сама генерирует входные данные, ищет контрпримеры и минимизирует (shrink) их до простого случая бага.

ℹ️ Основные возможности:

🟢 Автогенерация данных по стратегиям (st.integers(), st.text(), st.lists(...))
🟢 Поиск граничных случаев и минимизация падающих примеров
🟢 Интеграция с pytest/unittest без лишнего кода
🟢 Сохранение/повторение найденных контрпримеров

⚙️ Пример использования:

from hypothesis import given, strategies as st

# Свойство: двойной реверс списка возвращает исходное значение
@given(st.lists(st.integers()))
def test_reverse_twice(xs):
    assert list(reversed(list(reversed(xs)))) == xs

✔️ Установка:

pip install hypothesis

➡️ Ссылка на документацию

🐍 Ghostly Python | #библиотеки

🐍 Ghostly Python | #мемы

➡️ SuperFastPython — практические материалы по конкурентности и параллелизму в Python

Ресурс подробно разбирает threading, multiprocessing, asyncio, очереди, пулы процессов/потоков и шаблоны проектирования для высоконагруженных задач — с чёткими примерами и разбором подводных камней.

Примечательно, что статьи сопровождаются измерениями производительности и готовыми «рецептами» (тайм-ауты, отмена задач, ограничения параллелизма, ретраи), что помогает сразу применять приёмы в продакшене.

⛓️ Ссылка на ресурс

🐍 Ghostly Python | #ресурсы

👩‍💻 Расширяем базовый функционал n8n: от RAG до кастомного агента с MCP

Я поднимаю n8n локально, учу его кастомным API и MCP-тулам: собираю AI-агента, не бросая no-code. Чуть кода — тонна гибкости. Скрины, грабли, профит.

➡️ Ссылка на статью

🐍 Ghostly Python | #статьи

📱 Фишка: collections.ChainMap — объединение словарей с приоритетами

ChainMap позволяет работать с несколькими словарями как с одним: поиск ключей идёт слева направо, изменения пишутся в самый «верхний» словарь. Удобно для конфигов: CLI > ENV > defaults

from collections import ChainMap

defaults = {"host": "localhost", "port": 5432, "debug": False}
env      = {"port": 6432}
cli      = {"debug": True}

cfg = ChainMap(cli, env, defaults)

print(cfg["host"])   # ➔ localhost (из defaults)
print(cfg["port"])   # ➔ 6432     (из env)
print(cfg["debug"])  # ➔ True     (из cli)

# Изменения пишутся в первый (cli)
cfg["port"] = 7000
print(cli)  # ➔ {'debug': True, 'port': 7000}
print(env)  # ➔ {'port': 6432} (не изменился)

# Временный «верхний» слой (например, сессия)
session = {"debug": False}
stacked = cfg.new_child(session)
print(stacked["debug"])  # ➔ False (приоритет session)

📌 Как это работает?

🟢 Поиск ключей: слева направо, без копирования словарей.
🟢 Запись всегда в первый мап (верхний слой).
🟢 new_child(mapping=None) добавляет слой, maps/parents — для управления стеком

🐍 Ghostly Python | #фишки

🐍 Ghostly Python | #мемы

👩‍💻 Работа с переменными окружения в Python с помощью python-dotenv

python-dotenv загружает значения из файла .env в переменные окружения — удобно для конфигов без хардкода.

⚙️ Пример: создать .env → загрузить → привести типы → обновить ключ

# pip install python-dotenv
import os
from pathlib import Path
from dotenv import load_dotenv, set_key

env_path = Path(".env")

# Создадим .env с дефолтами, если его нет
if not env_path.exists():
    env_path.write_text(
        "APP_NAME=Ghostly\n"
        "DEBUG=true\n"
        "DB_HOST=localhost\n"
        "DB_PORT=5432\n"
        "SECRET_KEY=s3cr3t_key_123\n",
        encoding="utf-8"
    )

# Загрузка переменных из .env в окружение процесса (override=False не перезапишет уже заданные в ОС)
load_dotenv(dotenv_path=env_path, override=False)

# Чтение с приведением типов
APP_NAME = os.getenv("APP_NAME", "App")
DEBUG    = os.getenv("DEBUG", "false").lower() in {"1", "true", "yes", "on"}
DB_HOST  = os.getenv("DB_HOST", "localhost")
DB_PORT  = int(os.getenv("DB_PORT", "5432"))
SECRET   = os.getenv("SECRET_KEY")  # None, если не задан

print(APP_NAME, DEBUG, DB_HOST, DB_PORT, SECRET is not None)

# Обновление/добавление ключей в .env
set_key(str(env_path), "DEBUG", "false")
set_key(str(env_path), "API_URL", "https://api.github.com")

# Показать обновлённый .env
print(env_path.read_text(encoding="utf-8"))

🐍 Ghostly Python | #гайды

👩‍💻 Изучаем Python: модуль os для начинающих с практическим домашним заданием

Разбираем один из самых полезных встроенных модулей Python — os. Простыми словами о том, как управлять файлами и папками прямо из кода. Пройдем путь от os.mkdir() до написания скрипта для автоматической сортировки.

➡️ Ссылка на статью

🐍 Ghostly Python | #статьи

❓ Вопрос с собеса

Почему этот match/case ведёт себя «странно» и всегда попадает в первую ветку?

Пример🔽

role = "admin"

match role:
    case admin:           # <- это не строка, а "захват" имени
        print("A")        # печатается всегда
    case "admin":
        print("B")
    case _:
        print("C")

Ответ🔽

В match голое имя — это шаблон захвата (capture pattern), а не константа: case admin просто связывает имя admin = role и совпадает с любым значением. Поэтому печатается "A".

✅ Как правильно матчить константы/литералы:

Используйте литералы: case "admin":

Или именованные константы в дот-нотации (Enum/модуль): case Roles.ADMIN:

Или guard-условие:

ADMIN = "admin"
match role:
case _ if role == ADMIN: ...


📌 Дополнительно: case 0 | 1: — альтернативы; case [x, y]: — распаковка последовательностей; bare name без кавычек — всегда захват.

🐍 Ghostly Python | #собес

🐍 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