🔰 Проверка палиндромов на Python

Эта программа на Python проверяет, является ли заданное слово или фраза палиндромом (читается одинаково как слева направо, так и справа налево).

def is_palindrome(text):
    # Удаляем все непробельные символы и переводим текст в нижний регистр
    clean_text = ''.join(char.lower() for char in text if char.isalnum())
    # Сравниваем очищенный текст с его реверсированной версией
    return clean_text == clean_text[::-1]

# Пример строки для проверки
text = "А роза упала на лапу Азора"
print("Является палиндромом:", is_palindrome(text))

ℹ️ Пример вывода:
Является палиндромом: True

🟡Теперь вы можете использовать эту программу для проверки любых слов или фраз на палиндромность.

✄┈┈┈┈┈┈┈┈┈┈┈┈┈
Заметки программиста «(!?»
🇨🇱 Python Tech Code

🔴GremLLM — мост между языковыми моделями и графовыми базами данных

GremLLM позволяет использовать LLM (например, ChatGPT) для генерации запросов на языке Gremlin, упрощая работу с такими графовыми БД, как Neo4j и Amazon Neptune.

➕ Ключевая функция:
Преобразует текстовые запросы на естественном языке в Gremlin-запросы, автоматизируя взаимодействие с графовыми данными.

Установка библиотеки:

pip install gremllm

Пример использования:

from gremllm import GremLLM  

# Инициализация с OpenAI  
grem = GremLLM(llm_provider="openai", api_key="your_api_key")  

# Генерация Gremlin-запроса из текста  
query = grem.generate("Найди всех друзей пользователя 'Alice'")  
print(query)  # => "g.V().has('name', 'Alice').out('friend')"

💻 GitHub

❤️ Главный плюс:
Интеграция LLM с графовыми базами без необходимости писать сложные запросы вручную.

✄┈┈┈┈┈┈┈┈┈┈┈┈┈
Заметки программиста «(!?»
🇨🇱 Python Tech Code

🟨 GitHub SDK для Python

githubkit — это библиотека на Python, которая предлагает чистый и типизированный интерфейс для работы с API GitHub.

🟡Она позволяет разработчикам легко и быстро интегрировать функционал GitHub в свои приложения, минимизируя количество ошибок и облегчая процесс разработки.

Установка библиотеки:

pip install githubkit

Пример:

from githubkit import GitHub, Response
from githubkit.versions.latest.models import FullRepository

# Создаем объект GitHub, передав токен доступа
github = GitHub("<ваш_token_здесь>")

# Выполняем запрос к API GitHub для получения репозитория
resp: Response[FullRepository] = github.rest.repos.get("owner", "repo")

# Получаем данные о репозитории
repo: FullRepository = resp.parsed_data

# Выводим название репозитория
print(repo.full_name)

💻 GitHub

➡️ Больше нет необходимости вручную обрабатывать HTTP-запросы, управлять токенами и разбираемыми JSON-ответами.

✄┈┈┈┈┈┈┈┈┈┈┈┈┈
Заметки программиста «(!?»
🇨🇱 Python Tech Code

💻 Простой сравнительный график по алгоритмической сложности

P.S.: Нет того графика, который бы отражал уровень желания идти на работу утром в понедельник. 🔽

Всем хорошего начала недели !🥴

✄┈┈┈┈┈┈┈┈┈┈┈┈┈
Заметки программиста «(!?»
🇨🇱 Python Tech Code

☕️ Surprise — библиотека для построения рекомендательных систем

Surprise (Simple Python Recommendation System Engine) предоставляет готовые инструменты для быстрого обучения и оценки алгоритмов рекомендаций на основе пользовательских предпочтений.

🟡Ключевая функция:
Простое тестирование и сравнение классических алгоритмов (KNN, SVD, SlopeOne) на ваших данных с акцентом на точность предсказаний.

Установка библиотеки:

pip install scikit-surprise

Пример:

from surprise import Dataset, KNNBasic
from surprise.model_selection import cross_validate

# Загрузка встроенного датасета MovieLens
data = Dataset.load_builtin('ml-100k')

# Обучение KNN-модели 
algo = KNNBasic()
cross_validate(algo, data, measures=['RMSE'], cv=5, verbose=True)

💻 GitHub

📣 Главный плюс:
Чистый API для экспериментов с рекомендательными алгоритмами без сложной инфраструктуры — идеально для исследований и прототипирования.

✄┈┈┈┈┈┈┈┈┈┈┈┈┈
Заметки программиста «(!?»
🇨🇱 Python Tech Code

👀 pyTermTk — фреймворк для TUI-приложений на Python

Библиотека для создания продвинутых текстовых интерфейсов (TUI) с поддержкой виджетов, тем оформления и кросс-платформенной работой.

➡️ Ключевая функция:
Позволяет строить интерактивные терминальные приложения с элементами GUI (кнопки, таблицы, формы) без зависимости от графического сервера.

Установка библиотеки:

pip install pyTermTk

Пример использования:

from TermTk import TTk, TTkButton

def on_click():
    print("Button clicked!")

root = TTk.TTk()
btn = TTkButton(text="Click me!", pos=(10,5), size=(20,3))
btn.clicked.connect(on_click)
root.mainloop()

💻 GitHub

💎 Главный плюс:
Полноценный набор UI-компонентов (CheckBox, RadioButton, ScrollArea) + поддержка "тёмной/светлой" тем прямо в терминале.

✄┈┈┈┈┈┈┈┈┈┈┈┈┈
Заметки программиста «(!?»
🇨🇱 Python Tech Code

🧘 dabl — AutoML для ленивых дата-сайентистов

Библиотека для автоматического анализа данных и построения базовых ML-моделей в одну строку кода. Разработана командой scikit-learn.

🔩 Ключевая функция:
Автоматизирует всю рутину: предобработку данных, feature engineering и подбор моделей с визуализацией результатов.

Установка библиотеки:

pip install dabl

Пример использования:

import dabl
data = dabl.datasets.load_titanic()
dabl.SimpleClassifier().fit(data, target_col="survived")
# Готово! Смотрите отчёт в Jupyter

💻 GitHub

👉 Главный плюс:
Мгновенный старт работы с данными — библиотека сама определяет типы фичей, подбирает трансформеры и строит interpretable-модели.

✄┈┈┈┈┈┈┈┈┈┈┈┈┈
Заметки программиста «(!?»
🇨🇱 Python Tech Code

🏷️ ImageHash – поиск дубликатов изображений с помощью хеширования

ImageHash – это Python-библиотека для вычисления perceptual-хешей изображений. Она помогает находить похожие или дублирующиеся картинки, даже если они были изменены (например, обрезаны или пережаты).

📸 Ключевая функция:
Сравнение изображений через хеши (ahash, dhash, phash, whash), что позволяет быстро искать дубликаты без полного перебора пикселей.

Установка библиотеки:

pip install imagehash

Пример использования:

from PIL import Image
import imagehash

hash1 = imagehash.average_hash(Image.open('image1.jpg'))
hash2 = imagehash.average_hash(Image.open('image2.jpg'))
print(hash1 - hash2)  # Чем меньше разница, тем больше похожи изображения

💻 GitHub

⚡️ Главный плюс:
Автоматизация поиска дубликатов с высокой точностью и поддержкой разных алгоритмов хеширования. Отлично подойдет для очистки медиабиблиотек.

✄┈┈┈┈┈┈┈┈┈┈┈┈┈
Заметки программиста «(!?»
🇨🇱 Python Tech Code

🤔 Так надо организовывать свою работу

✄┈┈┈┈┈┈┈┈┈┈┈┈┈
Заметки программиста «(!?»
🇨🇱 Python Tech Code

🥬 Управление Android-устройствами напрямую из Python-скриптов

Библиотека для работы с Android Debug Bridge (ADB) без зависимостей от нативного SDK.

Особенности:

➖Поддержка всех основных ADB команд
➖Работает без установки Android SDK
➖Простое API для интеграции в тестовые фреймворки
➖Поддержка нескольких устройств одновременно

Установка библиотеки:

pip install pure-python-adb

Пример использования:

from ppadb.client import Client as AdbClient

# Подключение к ADB серверу
client = AdbClient(host="127.0.0.1", port=5037)
devices = client.devices()

if devices:
    device = devices[0]
    print(f"Устройство: {device.serial}")
    # Получение информации о системе
    print(device.shell("getprop ro.build.version.release"))

💻 GitHub

📟Главный плюс:
Полностью Python-решение для автоматизации тестирования и управления Android без зависимостей от Java/SDK (реализована на Python 3.6+).

✄┈┈┈┈┈┈┈┈┈┈┈┈┈
Заметки программиста «(!?»
🇨🇱 Python Tech Code

💻Сравнение методов аутентификации

Сессии — для простых сценариев, JWT/OAuth — для масштабируемости, SSO — для удобства, QR — для мобильных юзеров.

💎Сессия → Cookie с ID (только для 1 устройства)
💎Токен → Закодированные данные (без хранения на сервере)
💎JWT → Стандартный подписанный токен (самодостаточный)
💎SSO → 1 вход → много сервисов
💎OAuth2 → Делегированный доступ без пароля
💎QR-код → Мобильный вход по сканированию

✄┈┈┈┈┈┈┈┈┈┈┈┈┈
Заметки программиста «(!?»
🇨🇱 Python Tech Code

😚 Сравниваем терабайты данных за секунды, используя фиксированный объем памяти

Библиотека DataSketch реализует алгоритмы вероятностного хеширования и сжатия данных для быстрого сравнения больших наборов.

🥳 Ключевая функция:
Идеально для обработки Big Data и поиска дубликатов.

Установка библиотеки:

pip install datasketch

Пример использования:

from datasketch import MinHash, MinHashLSH

# Создаем "отпечатки" текстов
m1 = MinHash(num_perm=128)
m2 = MinHash(num_perm=128)
for word in ["data", "science"]: m1.update(word.encode())
for word in ["data", "analysis"]: m2.update(word.encode())

# Сравниваем (0.75 = порог схожести)
print("Схожесть:", m1.jaccard(m2))  # Результат: 0.5

💻 GitHub

😞 Фишка:
Позволяет находить дубликаты среди миллионов документов на обычном ноутбуке.

✄┈┈┈┈┈┈┈┈┈┈┈┈┈
Заметки программиста «(!?»
🇨🇱 Python Tech Code

🐹 Начинаем ждать пятницу

✄┈┈┈┈┈┈┈┈┈┈┈┈┈
Заметки программиста «(!?»
🇨🇱 Python Tech Code

🎯 Python для реализации брутфорса

Когда у вас есть файл с защищенным паролем, а пароль неизвестен, брутфорс может помочь попытаться разгадать его.

🔴Этот метод требует большого количества времени и ресурсов, особенно если пароль длинный и сложный, но в некоторых случаях он может оказаться эффективным.

import string
import itertools

def brute_force_pass(target, length):
    chars = string.ascii_letters + string.digits  # Символы: буквы и цифры
    for attempt in itertools.product(chars, repeat=length):  # Генерация комбинаций
        pwd_attempt = ''.join(attempt)  # Преобразование кортежа в строку
        print(f"Trying: {pwd_attempt}")  # Вывод текущей попытки
        if pwd_attempt == target:  # Проверка, совпадает ли пароль
            print(f"Password found: {pwd_attempt}")  # Если совпал - выводим его
            return pwd_attempt
    print("Password not found")  # Если пароль не найден
    return None

➡️ Метод брутфорса может быть мощным инструментом, однако его использование должно быть этичным и законным.

Никогда не пытайтесь взломать файлы или системы без разрешения владельцев.

✄┈┈┈┈┈┈┈┈┈┈┈┈┈
Заметки программиста «(!?»
🇨🇱 Python Tech Code

📊 Пять ключевых агрегатных функций SQL для аналитиков данных

➡️ SUM() — суммирует все значения в числовом столбце

➡️ AVG() — вычисляет среднее значение в числовом столбце

➡️ COUNT() — подсчитывает общее количество строк или значений (исключая NULL)

➡️ MAX() — возвращает максимальное значение в столбце

➡️ MIN() — возвращает минимальное значение в столбце

✄┈┈┈┈┈┈┈┈┈┈┈┈┈
Заметки программиста «(!?»
🇨🇱 Python Tech Code

🏆 PySR – ИИ, который объясняет свои решения

PySR находит простые математические формулы, которые точно описывают ваши данные и понятны человеку.

👾 Как это работает:
Автоматически подбирает уравнения (например, "y = 2.5*x + 10") вместо сложных нейросетей..

Установка библиотеки:

pip install pysr

Пример использования:

from pysr import PySRRegressor
model = PySRRegressor()  # Настройки по умолчанию
model.fit(X, y)  # X - данные, y - целевая переменная
print(model)  # Покажет лучшую найденную формулу

💻 GitHub

🎈 Главный плюс:
Получаете не просто предсказания, а готовое уравнение, которое можно опубликовать в научной работе.

✄┈┈┈┈┈┈┈┈┈┈┈┈┈
Заметки программиста «(!?»
🇨🇱 Python Tech Code

🐍 Методы списков Python

✄┈┈┈┈┈┈┈┈┈┈┈┈┈
Заметки программиста «(!?»
🇨🇱 Python Tech Code