🔥 Полезные библиотеки Python

✅ pytube

📌 pytube — лёгкая и независимая от зависимостей библиотека Python для скачивания видео с YouTube. Предоставляет простой интерфейс для загрузки видео и аудио, а также для работы с субтитрами и миниатюрами. Подходит для создания локальных коллекций медиафайлов, оффлайн-просмотра и архивации контента.

📌 Особенности библиотеки:

🟢 Простота использования — интуитивно понятный интерфейс для скачивания видео и аудио.
🟢 Поддержка субтитров — возможность загрузки субтитров в формате .srt.
🟢 Получение миниатюр — легкий доступ к URL-адресам миниатюр видео.
🟢 Отсутствие сторонних зависимостей — не требует установки дополнительных пакетов.
🟢 Поддержка прогрессивных и DASH-потоков — скачивайте видео и аудио в различных качествах.
🟢 Загрузка целых плейлистов — скачивайте все видео из плейлиста с помощью одной команды.
🟢 Обработка событий — настройка обратных вызовов для отслеживания прогресса загрузки и завершения процесса.

⚙️ Установка:

pip install pytube

🔢 Документация

#библиотеки

🖥 Python_Scripts

🔥 Полезная библиотека Python

✅ FastText-aligned

📌 FastText-aligned — расширение для библиотеки fastText, которое позволяет подгонять (align) эмбеддинги из одной языковой модели к эмбедингам другой так, чтобы они были совместимыми в одном векторном пространстве. Это особенно полезно при работе с мультиязычными моделями, когда эмбеддинги с разных языков или доменов нужно сравнивать напрямую.

📌 Особенности библиотеки:

🟢 Поддержка подгонки (alignment) методом Procrustes, Orthogonal Procrustes и др.
🟢 Совместимость с эмбедингами fastText (бинарные и текстовые форматы).
🟢 API, похожий на оригинальный fastText: load_model, align_to, get_vector.
🟢 Работает как вспомогательный инструмент, легко интегрируется в NLP-пайплайны, например для кроссъязыковых задач.

⚙️ Установка:

pip install fasttext-aligned

🔢 Документация

🖥 Python_Scripts

✅ Google Image Downloader — скрипт, который скачивает изображения с Google по заданному поисковому запросу

📱 Python 3.x
ℹ️ Модули: requests, os, re, urllib.parse, bs4 (BeautifulSoup) — используется HTTP-запросы к Google Images, HTML-парсинг ссылок и загрузка файлов.

📌 Google Image Downloader — утилита командной строки, вызываешь с запросом (напр. “cats”) и путь, и скрипт скачивает N изображений по этому запросу, фильтрует по расширениям, сохраняет в папку. Полезно, когда нужны картинки для датасетов, фоновые изображения, иллюстрации.

👨‍💻 Пример кода (адаптация):

import os
import requests
from bs4 import BeautifulSoup
from urllib.parse import urljoin, urlparse

def download_images(query, num_images=10, dest_folder="images"):
    os.makedirs(dest_folder, exist_ok=True)
    search_url = f"https://www.google.com/search?tbm=isch&q={query}"
    headers = {"User-Agent": "Mozilla/5.0"}
    resp = requests.get(search_url, headers=headers)
    soup = BeautifulSoup(resp.text, "html.parser")
    img_tags = soup.find_all("img")
    count = 0
    for img in img_tags:
        img_url = img.get("src")
        if not img_url:
            continue
        parsed = urlparse(img_url)
        ext = os.path.splitext(parsed.path)[1]
        if ext.lower() not in [".jpg", ".png", ".jpeg"]:
            continue
        filename = f"{query}_{count}{ext}"
        filepath = os.path.join(dest_folder, filename)
        try:
            img_data = requests.get(img_url, timeout=5).content
            with open(filepath, "wb") as f:
                f.write(img_data)
            print("Downloaded:", filename)
            count += 1
            if count >= num_images:
                break
        except Exception as e:
            print("Error:", e)
            continue

if __name__ == "__main__":
    download_images("sunset", num_images=5)

📌 Что делает:

🟢 Делает запрос Google Images с ключевым словом
🟢 Парсит HTML и находит теги <img>
🟢 Отбирает ссылки с допустимыми расширениями
🟢 Скачивает изображения и сохраняет в папку, пока не наберёт нужное число

🔗 Репозиторий GitHub

#скрипты

🖥 Python_Scripts

🔥 Полезные библиотеки Python

✅ TabPFN

📌 TabPFN — библиотека / модель машинного обучения, специализирующаяся на табличных данных. Это “foundation model” для табличных задач: классификация и регрессия на небольших и средних наборах данных. Модель уже обучена заранее и может давать полезные предсказания “из коробки”, особенно когда данных не много.

📌 Особенности библиотеки:

🟢 Работает без необходимости обучать модель с нуля — готова к применению на новых табличных данных.
🟢 Использует трансформерный подход, обученный на синтетических данных, чтобы понимать паттерны в табличных данных.
🟢 Поддерживает как классификацию, так и регрессию.
🟢 Подходит для “малых данных”, когда классические deep learning методы часто переобучаются.
🟢 Открытая лицензия Apache-2.0, исходники на GitHub, пакет доступен на PyPI.

⚙️ Установка:

pip install tabpfn

🔢 Документация

#библиотеки

🖥 Python_Scripts

✅ hseera/python-utilities — скрипты для автоматизации повседневных задач и обработки данных

📱 Python 3.x
ℹ️ Модули: разные в зависимости от утилиты — os, csv, json, argparse и др.

📌 hseera/python-utilities - набор утилит для обработки файлов, сортировки данных, анализа логов, преобразования CSV/JSON и др. Cкрипты небольшие, легко интегрируемые, не завязаны на большой фреймворк.

👨‍💻 Пример одного скрипта — Merge Files Column (из репо):

import os
import csv
import argparse

def merge_columns(input_files, output_file, column_index):
    with open(output_file, 'w', newline='', encoding='utf-8') as out:
        writer = csv.writer(out)
        for infile in input_files:
            with open(infile, newline='', encoding='utf-8') as f:
                reader = csv.reader(f)
                for row in reader:
                    if len(row) > column_index:
                        writer.writerow([row[column_index]])
                    else:
                        writer.writerow([''])
    print("Merged into", output_file)

if __name__ == "__main__":
    parser = argparse.ArgumentParser()
    parser.add_argument('inputs', nargs='+', help='Input CSV files')
    parser.add_argument('-o', '--output', required=True, help='Output file')
    parser.add_argument('-c', '--col', type=int, default=0, help='Column index to merge')
    args = parser.parse_args()
    merge_columns(args.inputs, args.output, args.col)

📌 Что делает:

🟢 Читает несколько CSV файлов
🟢 Выбирает одну колонку (индекс) из каждой строки
🟢 Объединяет эти колонки в один выходной файл
🟢 Полезно при аналитике, когда нужно “собрать” один показатель из разных источников

🔗 Репозиторий GitHub

#скрипты

🖥 Python_Scripts

🔥 Полезные библиотеки Python

✅ Plotnine

📌 Plotnine — библиотека для создания статистических визуализаций в Python, основанная на принципах "grammar of graphics", заимствованных из R-пакета ggplot2. Она предоставляет декларативный и мощный способ создания графиков, позволяя пользователю сосредоточиться на данных и их представлении, а не на технических деталях построения графиков.

📌 Особенности библиотеки:

🟢 Поддерживает широкий спектр статистических графиков, включая гистограммы, диаграммы рассеяния, линейные графики и др.
🟢 Позволяет легко комбинировать различные элементы графиков, такие как оси, легенды, заголовки и т.д.
🟢 Обеспечивает высококачественные визуализации, которые легко интегрируются с другими библиотеками Python.
🟢 Идеально подходит для анализа и визуализации данных в научных и исследовательских проектах.

⚙️ Установка:

pip install plotnine

🔢 Документация

#библиотеки

🖥 Python_Scripts

✅ Internet Connectivity Monitor

📱 Python 3.x
ℹ️ Модули: subprocess, time, csv, возможно datetime — скрипт периодически пингует выбранный IP/хост и логирует статус и задержки.

📌 Internet Connectivity Monitor — утилита, которая следит за стабильностью интернет-подключения: пингует указанный хост/сервер с заданным интервалом и записывает в CSV лог с временными метками, статусом “online” или “outage” и задержкой (ms). Подходит, если хочешь видеть периоды провалов связи.

👨‍💻 Пример кода (упрощённый вариант):

import subprocess
import time
import csv
from datetime import datetime

HOST = "8.8.8.8"
INTERVAL = 60  # секунда
LOG_FILE = "connectivity_log.csv"

def ping(host):
    # ping для Linux/macOS; под Windows может быть другой ключ
    result = subprocess.run(["ping", "-c", "1", host], capture_output=True)
    return result.returncode == 0, result

def log_status(timestamp, status, latency):
    with open(LOG_FILE, "a", newline="") as f:
        writer = csv.writer(f)
        writer.writerow([timestamp, status, latency])

def extract_latency(output):
    # пробуем парсить строку ping-ответа
    out = output.decode('utf-8', errors='ignore')
    # строка вида: time=12.345 ms
    for part in out.split():
        if part.startswith("time="):
            try:
                return float(part.split("=")[1])
            except:
                pass
    return None

def main():
    # заголовок CSV, если файл новый
    try:
        with open(LOG_FILE, "x") as f:
            writer = csv.writer(f)
            writer.writerow(["timestamp", "status", "latency_ms"])
    except FileExistsError:
        pass

    while True:
        ts = datetime.now().isoformat()
        ok, res = ping(HOST)
        latency = None
        if ok:
            latency = extract_latency(res.stdout)
            status = "online"
        else:
            status = "outage"
        log_status(ts, status, latency)
        print(f"{ts} — {status} — {latency}")
        time.sleep(INTERVAL)

if name == "__main__":
    main()

📌 Что делает:

🟢 Пингует указанный хост (по умолчанию 8.8.8.8) с интервалом
🟢 Определяет, отвечает ли хост (если нет — “outage”)
🟢 Если ответ — парсит задержку (ms)
🟢 Записывает лог в формате CSV: временная метка, статус, задержка
🟢 Выводит в консоль текущее состояние

🔗 Репозиторий GitHub

#скрипты

🖥 Python_Scripts

🔥 Полезные библиотеки Python

✅ rembg

📌 rembg — библиотека для удаления фона из изображений (background removal) с помощью нейросетевых моделей. Отличный инструмент, если нужно автоматически “вырезать” объект и сделать фон прозрачным — например, для продуктов, портретов, дизайна.

📌 Особенности библиотеки:

🟢 Использует предобученные модели — не нужно самому тренить что-то тяжелое
🟢 Работает быстро: может обрабатывать отдельные изображения или батчами
🟢 Поддерживает разные форматы изображений (PNG, JPG и др.)
🟢 Может быть использована в скриптах, приложениях или на сервере
🟢 Легко интегрируется с PIL/Pillow или OpenCV

⚙️ Установка:

pip install rembg

🔢 Документация

#библиотеки

🖥 Python_Scripts

✅ USBKill — скрипт-защита от несанкционированных USB-устройств

📱 Python 3.x
ℹ️ Модули: использует стандартные библиотеки os, subprocess, time и работу с устройствами USB в UNIX-подобных системах.

📌 USBKill — это “kill switch” скрипт, который следит за USB-портами и если к компьютеру подключается устройство, не находящееся в белом списке, — выполняет заранее заданное действие: выключает систему, удаляет данные из оперативной памяти или swap-файл. Полезно, если нужно защититься от физического доступа злоумышленников.

👨‍💻 Пример (упрощённая логика):

import time
import subprocess

WHITELIST = ["Device1_ID", "Device2_ID"]
CHECK_INTERVAL = 1  # секунда

def list_usb_devices():
    # команда lsusb — показывает USB-устройства на Linux
    output = subprocess.check_output(["lsusb"]).decode()
    return output.splitlines()

def monitor():
    while True:
        devices = list_usb_devices()
        for d in devices:
            # простая проверка: если строка не содержит ни одного whitelist ID
            if all(w not in d for w in WHITELIST):
                # небелое устройство — активируем защиту
                print("Unknown USB device detected:", d)
                # Пример действия: выключить систему
                subprocess.call(["shutdown", "now", "-h"])
                return
        time.sleep(CHECK_INTERVAL)

if __name__ == "__main__":
    monitor()

📌 Что делает:

🟢 Мониторит список USB-устройств
🟢 Сравнивает с белым списком
🟢 При обнаружении “чужого” устройства — выполняет “жёсткое” действие (shutdown, удаление, очистка)
🟢 Полезен как антифизическая защита при чувствительных данных

🔗 Репозиторий GitHub

#скрипты

🖥 Python_Scripts

🔥 Полезные библиотеки Python

✅ HOTTBOX

📌 HOTTBOX — библиотека для работы с многомерными массивами данных (тензорами), предоставляющая инструменты для многостороннего анализа, визуализации и декомпозиции тензоров. Особенно актуальна в задачах, где данные имеют более двух измерений — как в научных вычислениях, многомодальных данных, в биоинформатике, нейросетях и т.д.

📌 Особенности библиотеки:

🟢 Поддержка операций над тензорами: умножения, срезы, перестановки, транспонирование и др.
🟢 Алгоритмы декомпозиции тензоров: CP, Tucker и др.
🟢 Методы для многоклассовой классификации и объединения данных на основе тензорных представлений — например, Support Tensor Machine и Tensor Ensemble Learning
🟢 API, упрощающий интеграцию с другими библиотеками научного стека (NumPy, SciPy и др.)
🟢 Встроенные инструменты визуализации тензоров и их разложения — помогает лучше понять структуру данных и результаты анализа
🟢 Сконцентрирована на масштабируемости и интерактивном использовании (например в Jupyter)

⚙️ Установка:

pip install hottbox

🔢 Документация

#библиотеки

🖥 Python_Scripts

✅ Image to PDF Converter

📱 Python 3.x
ℹ️ Модули: Pillow (PIL) и os — используется для обработки изображений и работы с файловой системой.

📌 Image to PDF Converter — утилита, которая берёт изображения из заданной папки, подгоняет их под нужный формат/размер (например, A4), и объединяет в один PDF-документ. Удобно, если у тебя есть множество JPG/PNG, и ты хочешь получить единый PDF без сторонних инструментов.

👨‍💻 Пример кода (адаптированная логика):

from PIL import Image
import os

def images_to_pdf(img_folder, output_pdf_path, paper_size=(595, 842)):
# paper_size в пунктах — примерно A4 (в зависимости от DPI)
imgs = []
for fname in sorted(os.listdir(img_folder)):
if fname.lower().endswith(('.png', '.jpg', '.jpeg')):
img_path = os.path.join(img_folder, fname)
img = Image.open(img_path).convert('RGB')
img = img.resize(paper_size) # подгонка под формат
imgs.append(img)
if not imgs:
print("Нет изображений для конвертации")
return
first, rest = imgs[0], imgs[1:]
first.save(output_pdf_path, save_all=True, append_images=rest)
print(f"Создан PDF: {output_pdf_path}")

if __name__ == "__main__":
images_to_pdf("input_images", "out.pdf")

📌 Что делает:

🟢 Сканирует папку с изображениями (JPG, PNG и др.)
🟢 Подгоняет каждый кадр под заданный размер (например, формат страницы)
🟢 Объединяет все изображения в один PDF-файл
🟢 Сохраняет PDF с указанным именем

🔗 Репозиторий GitHub

#скрипт

🖥 Python_Scripts

🔥 Полезные библиотеки Python

✅ nselib

📌 nselib — библиотека для получения открытых данных с сайта биржи NSE (National Stock Exchange of India). С её помощью можно автоматически загружать котировки акций, данные о торговых объёмах, позиции по доставке, списки акций и многое другое.

📌 Особенности библиотеки:

🟢 Работает с Python 3.8+ — совместимость гарантируется.
🟢 Зависимости: requests, beautifulsoup, numpy, scipy, pandas, lxml и др.
🟢 Лёгкий старт: установка одной командой, изучение функций быстрое благодаря хорошему списку API.

⚙️ Установка:

pip install nselib

🔢 Документация

#библиотеки

🖥 Python_Scripts

✅ ransomwareDetection-Tool — скрипт, который следит за подозрительной активностью файловой системы

📱 Python 3.x
ℹ️ Модули: watchdog (для отслеживания изменений в папке), os, time, logging и др.

📌 ransomwareDetection-Tool — утилита командной строки, в которую указываешь папку на компьютере, и скрипт отслеживает события: создание, изменение, удаление файлов. Если активность “необычная” (например, много файлов стали изменяться/удаляться быстро), печатает предупреждение и логирует всё в файл. Полезно для домашнего уровня-защиты или мониторинга важных директорий.

👨‍💻 Пример кода (адаптация из main.py):

import time
import os
from watchdog.observers import Observer
from watchdog.events import FileSystemEventHandler

class RansomwareHandler(FileSystemEventHandler):
def __init__(self):
self.modified_files = set()
self.deleted_files = set()

def on_modified(self, event):
if not event.is_directory:
self.modified_files.add(event.src_path)
print("Modified:", event.src_path)

def on_deleted(self, event):
if not event.is_directory:
self.deleted_files.add(event.src_path)
print("Deleted:", event.src_path)

def monitor(path_to_watch, check_interval=10):
event_handler = RansomwareHandler()
observer = Observer()
observer.schedule(event_handler, path=path_to_watch, recursive=True)
observer.start()
try:
while True:
time.sleep(check_interval)
# Простая логика: если за интервал изменилось или удалилось слишком много файлов
if len(event_handler.modified_files) > 100 or len(event_handler.deleted_files) > 10:
print("Warning: Potential ransomware activity detected!")
# Можно логировать события
event_handler.modified_files.clear()
event_handler.deleted_files.clear()
except KeyboardInterrupt:
observer.stop()
observer.join()

if name == "__main__":
path = "/path/to/watch"
monitor(path, check_interval=10)

📌 Что делает:

🟢 Мониторит указанную директорию на события изменения и удаления файлов
🟢 Логирует эти события в консоль и файл (например ransomware_detection.log)
🟢 Периодически проверяется, если много изменений/удалений — вывод предупреждения о потенциальной атаке

🔗 Репозиторий GitHub

#скрипты

🖥 Python_Scripts

🔥 Полезные библиотеки Python

✅ glasbey

📌 glasbey — библиотека для алгоритмической генерации цветовых палитр (categorical palettes), особенно полезных когда у тебя есть много категорий и ты хочешь, чтобы каждая категория была визуально отличимой.

📌 Особенности библиотеки:

🟢 Можно создавать палитры с произвольным количеством цветов: glasbey.create_palette(palette_size=15) — и цвета будут стараться быть максимально отличимыми визуально.
🟢 Можно расширять существующие палитры, или “с нуля” задавать seed цвета, чтобы новая палитра дополняла прежнюю (чтобы цвета не пересекались сильно).
🟢 Поддержка ограничений: можно задавать границы яркости, хромности (chroma), чтобы цвета не были слишком яркими или слишком блеклыми.
🟢 Можно создавать “блочные” палитры — когда есть иерархии категорий, вложенные группы.
🟢 Легко использовать в связке с matplotlib / seaborn и др. визуализациями — просто генерируешь цвета и передаёшь библиотеке визуализации.

⚙️ Установка:

pip install glasbey

🔢 Документация

#библиотеки

🖥 Python_Scripts

✅ CompressImages.py — скрипт для пакетной обработки изображений: сжатия и изменения размера

📱 Python 3.x
ℹ️ Модули: PIL (Pillow), os, sys, argparse — используется для обработки изображения и работы с файловой системой.

📌 CompressImages.py — утилита, которую запускаешь в папке с изображениями (или указываешь исходную папку), скрипт изменяет размер изображений до заданных лимитов (максимальная ширина/высота), сжимает качество (JPEG или др.), переименовывает по шаблону, и сохраняет в output-папку. Полезно, когда надо оптимизировать папки с фотографиями, иконками, медиа-контентом.

👨‍💻 Пример кода (адаптация из CompressImages.py):

import os
import sys
from PIL import Image
from argparse import ArgumentParser

def process_images(input_dir, output_dir, max_width, max_height, quality=70, rename_template=None):
    os.makedirs(output_dir, exist_ok=True)
    count = 0
    for fname in os.listdir(input_dir):
        if fname.lower().endswith(('.jpg', '.jpeg', '.png')):
            path = os.path.join(input_dir, fname)
            img = Image.open(path)
            # изменение размера с сохранением пропорций
            img.thumbnail((max_width, max_height))
            base_name, ext = os.path.splitext(fname)
            if rename_template:
                out_name = rename_template.replace("{count}", str(count)) + ext
            else:
                out_name = fname
            out_path = os.path.join(output_dir, out_name)
            img.save(out_path, quality=quality)
            print(f"Saved: {out_path}")
            count += 1

def main():
    parser = ArgumentParser()
    parser.add_argument("input_dir")
    parser.add_argument("output_dir")
    parser.add_argument("--max_width", type=int, default=800)
    parser.add_argument("--max_height", type=int, default=600)
    parser.add_argument("--quality", type=int, default=70)
    parser.add_argument("--rename", help="template, e.g. img_{count}")
    args = parser.parse_args()
    process_images(args.input_dir, args.output_dir, args.max_width, args.max_height, args.quality, args.rename)

if name == "__main__":
    main()

📌 Что делает:

🟢 Идёт по всем изображениям в папке с разрешениями .jpg, .jpeg, .png
🟢 Изменяет их размер до заданных максимальных ширины/высоты, сохраняя пропорции
🟢 Сжимает качество (для JPG например), чтобы уменьшить размер файлов
🟢 Опционально переименовывает файлы по шаблону с номером
🟢 Сохраняет всё в выходную папку, чтобы не перезаписывать оригиналы

🔗 Репозиторий/исходник

#скрипты

🖥 Python_Scripts

🔥 Полезные библиотеки Python

✅ py-irt

📌 py-irt — библиотека для оценки латентных характеристик пользователей и элементов через Item Response Theory (IRT). Используется в психометрии, образовательных системах, тестировании для моделирования вероятности успешного ответа, понимания сложности заданий и способностей учащихся.

📌 Особенности библиотеки:

🟢 Масштабируемость — работает с большими наборами данных, использует PyTorch и Pyro под капотом для ускорения вычислений.
🟢 Байесовский подход — поддерживает обучение с априорными распределениями и вывод параметров через стохастические методы.
🟢 GPU-поддержка — если данные большие, можно ускорить обучение.
🟢 Чистый API — удобно интегрировать в образовательные платформы или аналитические пайплайны.

⚙️ Установка:

pip install py-irt

🔢 Документация

#библиотеки

🖥 Python_Scripts

✅ QR-code-generator

📱 Python 3.x
ℹ️ Модули: qrcode, Pillow

📌 QR-code-generator — утилита, в которую подается строка (ссылка, текст, контакт), и скрипт генерирует QR-картинку. Можно использовать в автоматизации рассылок, на визитках, для генерации QR в приложениях и т.д.

👨‍💻 Пример кода (адаптация):

import qrcode
import sys

def make_qr(data, output_file="qrcode.png", version=1, box_size=10, border=4):
    qr = qrcode.QRCode(
        version=version,
        error_correction=qrcode.constants.ERROR_CORRECT_L,
        box_size=box_size,
        border=border,
    )
    qr.add_data(data)
    qr.make(fit=True)
    img = qr.make_image(fill_color="black", back_color="white")
    img.save(output_file)
    print(f"QR saved to {output_file}")

if name == "__main__":
    if len(sys.argv) < 2:
        print("Usage: python qr_gen.py <text_or_url>")
        sys.exit(1)
    data = sys.argv[1]
    make_qr(data)

📌 Что делает:

🟢 Принимает строку (URL, текст и т.д.)
🟢 Генерирует QR-код с заданными параметрами (размер, граница)
🟢 Сохраняет в файл (PNG)
🟢 Можно встроить в GUI или веб-интерфейс

🔗 Репозиторий GitHub

#скрипты

🖥 Python_Scripts

🔥 Полезные библиотеки Python

✅ nixnet

📌 nixnet — библиотека для работы с шинами CAN / LIN посредством оборудования NI-XNET. Если ты работаешь с автомобильными системами, встраиваемыми устройствами или робототехникой, она даёт интерфейс к железу, чтобы считывать и отправлять кадры, сигналы и работать с базами данных сетей.

📌 Особенности библиотеки:

🟢 Поддержка CAN и LIN — взаимодействие с сетями транспортных сообщений через NI-XNET оборудование
🟢 Возможность читать кадры, сигналы, преобразовывать данные между физическим и представлением (unit conversion)
🟢 Использует API NI-XNET / NI hardware — фактически “Python на железо” решение
🟢 Поддержка Windows и взаимодействие с runtime NI-XNET

⚙️ Установка:

pip install nixnet

🔢 Документация

#библиотеки

🖥 Python_Scripts

Рост в эпоху AI: иллюзия лёгких побед? 🏆

AI обещает доступность знаний, быстрый запуск продуктов и удешевление выхода на рынок.

➡️Но на деле этот рынок превращается в конвейер клонов Ctrl+C Ctrl+V

Любой, кто копает глубже и понимает пользователя лучше других, навсегда останется вне конкуренции.

В канале Продукт и рост мы разбираем:

🔵как строить продукты, которые защищены от копирования,

🔵какие механики продвижения реально работают в 2025-м,

🔵и почему рост — это единственное настоящее оружие в эпоху AI.

Список жизненно важной информации для твоего продукта в закрепе канала 🖇

Переходи:
👉🏻 https://t.me/+ykiXdap13NZiZjYy

✅ ChainedDicts

📱 Python 3.x
ℹ️ Модули: чистый Python, без внешних зависимостей — использует механизмы словарей и дандер-методы.

📌 ChainedDicts — класс, который объединяет несколько словарей в один “цепочечный” словарь. При получении ключа он ищет его сначала во внутреннем (базовом), потом в первом, потом во втором словаре, таким образом можно создать “слоистые” конфигурации, с переопределениями. Это удобно, когда хочешь конфигурацию по умолчанию + локальные переопределения + динамические значения.

👨‍💻 Пример кода (отрывок из Gist):

class ChainedDicts(dict):
    def __init__(self, *dicts):
        self.dicts = dicts
        self.base = {}

    def __getitem__(self, item):
        if item in self.base:
            return self.base[item]
        elif item not in self.dicts[0]:
            raise KeyError
        for internal_dict in self.dicts:
            if item in internal_dict:
                item = internal_dict[item]
            else:
                return item
        return item

    def __setitem__(self, key, value):
        self.base[key] = value

    def __delitem__(self, key):
        if key in self.base:
            del self.base[key]
        if key in self.dicts[0]:
            del self.dicts[0][key]

# Пример использования из Gist:
d = ChainedDicts({1: 2, 3: 4}, {4: 5, 6: 8})
print(d[1])
print(d[3])

📌 Что делает:

🟢Конструирует словарь, объединяющий несколько уровней словарей
🟢При чтении ключа: сначала смотрит base (локальные переопределения), потом “цепочку” словарей
🟢При записи: всегда записывает в base
🟢При удалении: удаляет из base или из первого словаря, если там
🟢Позволяет иметь “умный” конфиг: “дефолт + overrides + runtime”

🔗 Репозиторий / Gist

#скрипты

🖥 Python_Scripts

👨👨👨👨👨👨👨👨👨👨

Каналы с Junior IT вакансиями
и стажировками

Подписывайся и забирай свой оффер 🤘

1. Стажировки и вакансии по России и миру
2. IT вакансии по СНГ
3. IT стажировки по СНГ
4. ИИ-ассистент для автооткликов
5. IT стажировки и волонтерства
6. IT стажировки в топовых компаниях мира
7. Удалённые IT вакансии и стажировки
8. Python вакансии и стажировки
9. БИГТЕХ вакансии и стажировки
10. Design вакансии и стажировки
11. QA вакансии и стажировки
12. Junior вакансии и стажировки
13. Frontend вакансии и вопросы собесов
14. Вакансии и стажировки для аналитиков
15. Вакансии в русских стартапах за границей
16. Вакансии и стажировки для DevOps
17. Вакансии, которых нет на ХХ.РУ