Совет по Python: deque.maxlen

Знаете ли вы, что можно задать максимальную длину списка, используя deque из модуля collections?

Класс deque (двусторонняя очередь) из модуля collections поддерживает параметр maxlen, который устанавливает максимальный размер очереди. Когда очередь достигает этого размера, добавление новых элементов автоматически удаляет элементы с противоположного конца, реализуя поведение "первым пришёл — первым ушёл" (FIFO) с ограничением по размеру.

В приведённом примере deque имеет максимальную длину 3. При добавлении значения 4 удаляется 1, что делает такую структуру идеальной для реализации скользящего окна последних трёх элементов 📖

👉 @PythonPortal

Это шпаргалка по библиотеке NumPy

Краткое руководство по основным операциям и функциям для работы с массивами в Python. 😄

👉 @PythonPortal

Это что игра What It Prints?

Да, это онлайн-игра‑головоломка для разработчиков и студентов, где нужно угадать, что выведет код. Простая и увлекательная: показывается фрагмент, а вы должны определить его вывод

Для самопроверки самое то 💯

👉 @PythonPortal

Auto PY to EXE — это open-source инструмент для упаковки Python-проектов в исполняемые файлы, который гораздо проще в использовании, чем pyfuze

Он предоставляет наглядный графический интерфейс: просто выбираешь скрипт, настраиваешь нужные параметры и нажимаешь кнопку запуска —> весь процесс упаковки проходит без необходимости возиться с командной строкой.

Дополнительно можно сохранять часто используемые настройки, отслеживать процесс в реальном времени и просматривать подробные логи. 📖

Инструмент кроссплатформенный, поддерживает Windows, macOS и Linux, а установка через pip максимально простая:

pip install auto-py-to-exe

👉 @PythonPortal

Использование контекстного менеджера как таймера

Большинство разработчиков ассоциируют контекстные менеджеры (with-выражение) только с работой с файлами. Но на самом деле этот паттерн решает более общую задачу.

Контекстные менеджеры идеально подходят для управления любыми ресурсами, у которых есть чёткий момент начала и завершения. Например:

• File I/O
• Сессии логирования
• Транзакции в базе данных
• Сетевые и БД-соединения
• Замер производительности
• Управление потоками и блокировками

with гарантирует, что инициализация и очистка ресурса будут выполнены автоматически, даже если в блоке возникнет исключение. Это делает код чище и надёжнее.

Вместо того чтобы вручную замерять время до и после блока кода, можно использовать контекстный менеджер — это чистое и питоничное решение.

Обычно контекстный менеджер реализуется как класс с методами __enter__ и __exit__

Но есть более лаконичный способ — использовать декоратор @contextmanager из модуля contextlib, чтобы писать генераторные менеджеры без лишнего шаблонного кода.

Пример как использовать контекстный менеджер как таймер прикрепил ✌️

👉 @PythonPortal

Топ-10 распространённых магических методов в Python

__init__(self) – Инициализация нового объекта

__str__(self) – Строковое представление

__repr__(self) – Представление для отладки

__len__(self) – Длина объекта

__getitem__(self, key) – Доступ к элементу по индексу/ключу

__setitem__(self, key, value) – Установка значения по индексу/ключу

__delitem__(self, key) – Удаление элемента по ключу

__eq__(self, other) – Проверка на равенство

__add__(self, other) – Поведение оператора сложения +

__call__(self, ...) – Делает экземпляр вызываемым как функция

👉 @PythonPortal

Совет по Python:

Функция locals()

Встроенная функция locals() возвращает словарь, представляющий текущую локальную таблицу символов.

Таблица символов — это структура, в которой Python хранит все имена (переменные, функции, классы и т.д.), доступные в определённой области видимости.

Когда locals() вызывается внутри функции, она возвращает словарь со всеми локальными переменными, определёнными в рамках этой функции.

В примере переменные z и x определены локально внутри функции. Переменная y = 20 является глобальной и не относится к области видимости my_func(). Поэтому locals() внутри my_func не включает y

👉 @PythonPortal

Наткнулся на прикольный ресурс для изучения SQL

Это интерактивный тренажёр, который позволяет практиковаться в написании SQL-запросов прямо в браузере.

Подойдёт и новичкам, и тем, кто хочет освежить SELECT, JOIN и другие команды на практике 📝

👉 @PythonPortal

Совет по Python:

При объединении итерируемых объектов разной длины используй itertools.zip_longest() вместо zip(), чтобы все элементы были объединены в пары.

zip() объединяет элементы, пока один из итерируемых не закончится:

>>> list(zip(letters, numbers))
[('a', 1), ('b', 2)]

zip_longest() продолжает объединение до конца самого длинного итерируемого объекта:

>>> list(zip_longest(letters, numbers))
[('a', 1), ('b', 2), ('c', None)]

fillvalue позволяет указать значение-заполнитель для отсутствующих элементов:

>>> list(zip_longest(letters, numbers, fillvalue='N/A'))
[('a', 1), ('b', 2), ('c', 'N/A')]

Используй zip_longest, когда важно сохранить все данные, даже при разной длине итерируемых объектов 🤵

👉 @PythonPortal

Хочешь понять, как работает Git — напиши свой.

Линус Торвальдс прославился тем, что написал Git за один день на C, уложившись в 1000 строк — и закоммитил его через Git. Сейчас проект насчитывает >500k строк, но его ядро можно реализовать за одни выходные.

Write Yourself a Git – пошаговое руководство, помогающее создать упрощённую версию Git на Python. Автор показывает, как за ~978 строк кода реализовать ключевые команды Git: init, add, commit, log, checkout, status и другие — при этом всё остаётся совместимым с настоящим Git

Git кажется сложным, но его ядро на удивление простое. Проект wyag позволяет «разобрать его на атомы» и понять фундаментальные концепции через код 😡

👉 @PythonPortal

Google представила мощного AI-ассистента для работы в терминале — Gemini CLI

На текущем этапе инструмент фактически доступен бесплатно, работает на базе модели Gemini 2.5 Pro, с такими лимитами:

- До 60 запросов в минуту
- До 1000 запросов в день

Для личного использования этих ограничений более чем достаточно. На фоне подписок по $10–20 в месяц на другие AI-инструменты для разработки — Google действительно щедр. 😮

• Контекст до 1 млн токенов
• Мультимодальность: UI-скетчи, PDF → код
• Автопоиск PR и merge-автоматизация
• Поддержка MCP-протокола
• Встроенный Google Search

👉 @PythonPortal

Преобразование систем счисления в Python с использованием встроенных функций

🔹Из десятичной в двоичную

decimal_number = 10
binary_number = bin(decimal_number)
print(binary_number)
# Вывод: '0b1010'

🔹Из двоичной в десятичную

binary_number = '1010'
decimal_number = int(binary_number, 2)
print(decimal_number)
# Вывод: 10

🔹Из десятичной в восьмеричную

decimal_number = 10
octal_number = oct(decimal_number)
print(octal_number)
# Вывод: '0o12'

🔹Из восьмеричной в десятичную

octal_number = '12'
decimal_number = int(octal_number, 8)
print(decimal_number)
# Вывод: 10

🔹Из десятичной в шестнадцатеричную

decimal_number = 10
hex_number = hex(decimal_number)
print(hex_number)
# Вывод: '0xa'

🔹Из шестнадцатеричной в десятичную

hex_number = 'a'
decimal_number = int(hex_number, 16)
print(decimal_number)
# Вывод: 10

👉 @PythonPortal

Наткнулся на годный репозиторий для изучения Data Science с Python 😮

Это полный текст книги Python Data Science Handbook в формате Jupyter-ноутбуков — прямо на GitHub

Можно изучать NumPy, Pandas, Matplotlib, Scikit-Learn и другие библиотеки прямо в интерактивном формате. Подойдёт и для новичков, и как шпаргалка для практиков

👉 @PythonPortal

Всё, что нужно для трассировки LLM-приложений это Python-декоратор (open-source).

Большинство метрик для LLM оценивают приложение как чёрный ящик от начала до конца.

Но LLM-приложения требуют оценки и трассировки на уровне компонентов, ведь ошибка может быть где угодно: в ретривере, вызове инструмента или самом LLM.

С помощью deepeval это делается всего в 3 строки кода:

– Используй декоратор @observe, чтобы трассировать отдельные компоненты (инструменты, ретриверы, генераторы)
– Привязывай метрики к каждому из компонентов
– Получай визуальный разбор — что работает, а что ломается

И всё. Переписывать существующий код не нужно. 😄

Пример есть выше для RAG-приложения.

Deepeval — полностью open-source, уже 8500+ звёзд на GitHub. Можно легко задеплоить у себя. Все данные останутся под твоим контролем.

👉 @PythonPortal

Практический Python от Дэвида Бизли (один из самых уважаемых экспертов по Python, автор книги "Python Essential Reference")

Курс учит не просто писать код, а думать как интерпретатор, избегая фреймворков. Всё на голом Python, от функций до генераторов и итераторов

Материал подаётся плотно, с минимальной теорией и сразу с практикой.

Курс доступен онлайн, без регистрации и бесплатно, включая слайды, заметки и упражнения 🤔

Ссылка на курс: тык

👉 @PythonPortal

⭐️ Техножурнал Яндекс 360: рассказываем о технологиях

В Яндекс 360 мы создаём технологии, которые работают в основе более чем 13 сервисов, включая Диск, Почту, Телемост, Мессенджер и другие.

Открывайте Техножурнал, чтобы узнать:

— Как мы балансируем нагрузку в 300k RPS в Яндекс Мессенджере,
— Как подружили MongoDB и PostgreSQL в Диске,
— Какие в команде культура и ценности.

А ещё — как мы внедряли DDD, кто такой Technical Owner, как управляем 650+ шардами PostgreSQL и как подходим к проектированию архитектуры наших сервисов.

⭐️ Всё это — в Техножурнале Яндекс 360.

@yandex360team

Text-to-Speech нового уровня

Chatterbox — первый open-source TTS, готовый к продакшену.

➣ Задержки менее 200 мс
➣ Синтеза речи нулевого выстрела (zero-shot) на уровне SoTA
➣ Управления эмоциями и выразительностью

Полностью open-source 😱

👉 @PythonPortal