❓ 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

👩‍💻 Изучаем Python: модуль pathlib для начинающих с домашним заданием

Показываю, как отказаться от ручной возни со строками и начать работать с путями по-питонячьи: через объекты, методы и оператор /. Чисто, удобно и без ошибок.

➡️ Ссылка на статью

🐍 Ghostly Python | #статьи

КАК СОЗДАТЬ КЛАССЫ ❓

Это можно сделать двумя способами.

🔹Первый и распространенный – использование ключевого слова class, как показано в примере с классом Person, который имеет инициализатор и метод say_hello.

class Person:
    def __init__(self, name):
        self.name = name

    def say_hello(self):
        return f"Привет, я {self.name}!"

p = Person("Соня")
print(p.say_hello())  # Привет, я Соня!

🔹Второй метод – динамическое создание класса с помощью функции type().

Это позволяет формировать классы быстро, передавая type() имя класса, базовые классы (кортеж) и словарь с атрибутами (методами и переменными класса).

Person = type("Person", (object,), {
    "__init__": lambda self, name: setattr(self, "name", name),
    "say_hello": lambda self: f"Привет, я {self.name}!"
})

p = Person("Соня")
print(p.say_hello())  # Привет, я Соня!

🐍 Ghostly Python | #фишки

⚙️ littleutils — это компактная утилита для Python 3, предлагающая набор полезных функций-помощников.

💪 Её главные преимущества — минимализм и легкость, что делает её идеальной для небольших проектов или скриптов, где нет необходимости подключать громоздкие библиотеки.

Библиотека, актуальная версия которой 0.2.4 (июль 2024), занимает всего около 8 КБ. Она отлично подходит как легкий "инструментарий" для проектов с малой нагруззкой.

Установка проста: pip install littleutils.

🐍 Ghostly Python | #гайды

Это DDR 7?

🐍 Ghostly Python | #мемы

🐍 В Python объекты делятся на изменяемые (mutable) и неизменяемые (immutable).

Понимание этой разницы необходимо при работе с аргументами функций, проектировании API и использовании изменяемых объектов как ключей в словарях.

👇 Давай разберем какие. объекты бывают.

Изменяемые объекты: Oни могут быть изменены после создания. Например, при передаче списка (list) в функцию, любые изменения внутри функции повлияют на исходный список:

def add_item(lst):
    lst.append(100)

my_list = [1, 2, 3]
add_item(my_list)
print(my_list)  # [1, 2, 3, 100]

Примеры изменяемых типов: list, dict, set.

Неизменяемые объекты: Они не могут быть изменены после создания; любая операция, кажущаяся изменением, фактически создает новый объект. Если бы my_list был кортежем (tuple), попытка изменения вызвала бы ошибку.

Примеры неизменяемых типов: int, float, str, tuple, frozenset.

🐍 Ghostly Python | #гайды

💯 Одна из самых полезных библиотек Python - hybridmethod.

Hybridmethod — это легкий декоратор, который упрощает использование синхронных и асинхронных методов в одном классе.

Он позволяет объявлять метод, который может быть вызван как в обычном, так и в asyns-контексте, исключая дублирование кода.

➕ Плюсы использования:

🔹Поддерживает Python 3.x (версия 1.0.1).

🔹Имеет минимум зависимостей.

🔹 Идеально подходит для проектов, где требуется единый API для синхронного и асинхронного кода.

🔗Ссылка

🐍 Ghostly Python | #статья

⏰ Arrow: Умная работа с датами и временем.

Arrow — это библиотека, призванная решить проблемы стандартного модуля datetime в Python.

Она предлагает интуитивно понятный API, упрощающий работу с датами и временем, избавляя от необходимости запоминать сложные парсеры строк или тонкости управления часовыми поясами.

Пример использования:

import arrow

# Создание и форматирование
utc = arrow.utcnow()
local = utc.to('USA/UFA')
print(local.humanize())  # "in a moment"

Установка:

pip install 
arrow 

👉 Статья

🐍 Ghostly Python | #статья

✔️Pentest - скрипт автоматизации пентеста с ИИ.

🐍 Pentest — это интерактивный Python-скрипт (Python 3.10+), использующий API LLM (например, Chat/OpenAI) для автоматизации процесса этичного хакинга.

Он упрощает разведку и анализ уязвимостей, позволяя задавать вопросы, генерировать подсказки и управлять задачами через интерфейс, основанный на большой языковой модели.

✔️ Скрипт помогает связать результаты традиционных инструментов с логикой ИИ, предлагая интерактивные режимы (brainstorm, run_scan, discuss_results).

Пример кода:

from pentestgpt import PentestGPT

tool = PentestGPT(target="https://example.com")
tool.brainstorm()
tool.run_scan()
tool.discuss_results()

Идеален для тех, кто хочет сделать часть пентеста "умнее" и сократить ручную работу.

🔗 GitHub

🐍 Ghostly Python | #статья