Декораторы классов и функций 🛠️

Декораторы — это магия Python, позволяющая изменять или дополнять поведение функций или классов. Это отличный инструмент для кэширования, логирования и контроля доступа. 🔒

🔍 Применение:
1. Логирование.
2. Управление доступом.
3. Кэширование (например, functools.lru_cache).

 
def logger(func):
    def wrapper(*args, **kwargs):
        print(f"Running {func.__name__}")
        return func(*args, **kwargs)
    return wrapper

@logger
def say_hello():
    print("Hello!")

say_hello()

🔑 Результат выполнения:

 
Hello!

🚀 Генераторы вместо списков

Генераторы позволяют обрабатывать данные по одному элементу, экономя память. Это особенно важно при работе с большими объемами данных.

💡 Чем генераторы лучше?
1. Они не занимают память сразу для всех элементов.
2. Работают лениво, то есть создают элементы "на лету".

Пример:

 
# Генераторное выражение
gen = (x ** 2 for x in range(10**6))

print(next(gen))  # 0
print(next(gen))  # 1

# Генераторы можно использовать в цикле
for num in gen:
    if num > 100:
        break
    print(num) 

Попробуйте запустить это с обычным списком list. Ваши ресурсы быстро закончатся! 😄

Что здесь не так?

Найдите баг в коде.

 
def increment(value, step=1):
    return value + step

data = [1, 2, 3]
for i in range(len(data)):
    data[i] = increment(data[i])

print(data) 

❓ Вопрос: Может ли здесь что-то пойти не так? Как сделать код более безопасным?
📌 Подсказка: Подумайте о том, что будет, если кто-то изменит increment.

Декораторы классов и функций 🛠️

Декораторы — это магия Python, позволяющая изменять или дополнять поведение функций или классов. Это отличный инструмент для кэширования, логирования и контроля доступа. 🔒

🔍 Применение:
1. Логирование.
2. Управление доступом.
3. Кэширование (например, functools.lru_cache).

 
def logger(func):
    def wrapper(*args, **kwargs):
        print(f"Running {func.__name__}")
        return func(*args, **kwargs)
    return wrapper

@logger
def say_hello():
    print("Hello!")

say_hello()

🔑 Результат выполнения:

 
Hello!

🌌 Расширенная распаковка с * и **

Python умеет красиво разбирать структуры данных на части.

Пример:

 
# Распаковка списка
numbers = [1, 2, 3, 4, 5]
head, *body, tail = numbers
print(head)  # 1
print(body)  # [2, 3, 4]
print(tail)  # 5 

💡 Как использовать ** для словарей?
Вы можете объединять словари с помощью **:

dict1 = {'a': 1, 'b': 2}
dict2 = {'c': 3}
merged = {**dict1, **dict2}
print(merged)  # {'a': 1, 'b': 2, 'c': 3}

Игра с числами

Что будет напечатано?

 
a, b = 1, 2
a, b = b, a + b
a, b = b, a + b
print(a, b) 

❓ Вопрос: Какой будет результат? Сможете догадаться без запуска?
📌 Подсказка: Попробуйте вручную вычислить значения переменных.

Челлендж: «Число-палиндром»

Включаем математику и алгоритмы!

🔢 Суть задачи:
Напишите функцию, которая находит ближайшее к заданному числу положительное число-палиндром.

Пример:

 
Input: 123 
 
Output: 121   

✅ Усложнение для профи:
1. Сделайте так, чтобы функция работала с большими числами.
2. Для любителей математики: добавьте возможность искать сразу N ближайших палиндромов.

💡 Подсказки:
1. Палиндром — это число, которое одинаково читается слева направо и справа налево. Например, 121 или 1221.
2. Попробуйте преобразовать число в строку, чтобы проверить его на палиндромность.
3. Для ускорения поиска используйте цикл и проверку каждого числа.
4. Сможете найти элегантное решение? Дерзайте и делитесь! 👨‍💻👩‍💻

Менеджеры контекста 📂

Менеджеры контекста — это отличная возможность управлять ресурсами (например, файлами или подключениями), автоматически освобождая их после завершения работы. 👨‍💻

🔍 Применение:
1. Работа с файлами.
2. Подключение к базам данных.
3. Потоки и блокировки.

 
class FileManager:
    def __init__(self, filename, mode):
        self.file = open(filename, mode)

    def __enter__(self):
        return self.file

    def __exit__(self, exc_type, exc_value, traceback):
        self.file.close()

with FileManager("test.txt", "w") as f:
    f.write("Hello, world!")

🔑 Результат выполнения:
Файл "test.txt" создается и в нем появляется строка Hello, world!.

Модули functools и itertools ⚙️

Эти модули дают вам мощные инструменты для работы с функциями и итераторами. Это настоящее волшебство Python! ✨

🔍 functools:
1. Каррирование (например, functools.partial).
2. Кэширование (например, functools.lru_cache).itertools:
3. Ленивые итераторы (например, itertools.chain, itertools.islice).
4. Комбинаторика (например, itertools.permutations).

from functools import lru_cache
from itertools import permutations

@lru_cache(maxsize=None)
def fib(n):
    if n < 2:
        return n
    return fib(n-1) + fib(n-2)

print(list(permutations([1, 2, 3])))

🔑 Результат выполнения:

 
[(1, 2), (1, 3), (2, 1), (2, 3), (3, 1), (3, 2)]

🎥 Подробнее:
https://www.youtube.com/watch?v=Qu3dThVy6KQ

🌀 Модуль dataclasses
Создавать классы вручную с полями, конструктором и repr скучно. Модуль dataclasses делает это за вас.

Пример:

 
from dataclasses import dataclass

@dataclass
class Point:
    x: int
    y: int

p = Point(1, 2)
print(p)  # Point(x=1, y=2)

💡 Преимущества:
1. Генерация конструктора и методов (__init__, repr, __eq__).
2. Удобно для хранения данных.

Чему равен mystery(5)?

 
def mystery(n):
    if n == 0:
        return 0
    return n + mystery(n - 1) 

❓ Вопрос: Каков результат выполнения mystery(5)? Что произойдет, если передать большое число?
📌 Подсказка: Вспомните ограничения рекурсии в Python.

📂 Запуск HTTP-сервера в одной строке

Нужно быстро запустить сервер для статических файлов? Python это умеет:

 
python -m http.server 8080 

📌 Что делает?
Открывает доступ к текущей папке по адресу http://localhost:8080/.
Удобно для тестирования простых HTML/JS/CSS файлов.

Анализ данных с помощью pandas 📉

Библиотека pandas — это мощный инструмент для анализа данных в Python. Он позволяет работать с таблицами (DataFrame), выполнять статистический анализ и манипуляции с данными.

🔍 Применение:
1. Обработка и анализ данных.
2. Загрузка и экспорт данных в различные форматы (CSV, Excel, SQL).

import pandas as pd

# Создаем DataFrame
data = {'Name': ['Alice', 'Bob', 'Charlie'], 'Age': [25, 30, 35]}
df = pd.DataFrame(data)

# Получаем статистику
print(df.describe())

# Сохранение в CSV
df.to_csv('data.csv', index=False)

🔑 Результат выполнения:

        Age
count   3.0
mean   30.0
std     5.0
min    25.0
25

Модуль pathlib для работы с путями 🛤️

Модуль pathlib предоставляет удобный интерфейс для работы с путями файлов и директорий. Это позволяет легко манипулировать путями, определять их компоненты и выполнять операции с ними.

🔍 Применение:
Работа с путями к файлам.
Проверка существования файлов и директорий.
Обработка путей в кросс-платформенных приложениях.

 
from pathlib import Path

# Определяем путь
path = Path("example_directory")

# Проверяем, существует ли директория
if not path.exists():
    path.mkdir()

# Проверяем тип файла
if path.is_dir():
    print("It is a directory.")

🔑 Результат выполнения:
Если директория не существует, она будет создана.

Функциональный финал
Что напечатает код?

 
def func(x):
    return x * 2

func = lambda x: x + 2
print(func(10)) 

❓ Вопрос: Какой результат будет напечатан? Почему?
📌 Подсказка: Что происходит с определением функции в Python?

Работа с файлами и директорими через os и shutil 🗂️

Модули os и shutil позволяют работать с файловой системой: создавать, удалять файлы и папки, копировать их, менять атрибуты.

🔍 Применение:
Управление файлами в проектах.
Автоматизация работы с файлами.
Обработка ошибок при работе с файлами.

 
import os
import shutil

# Создание директории
os.makedirs('my_folder', exist_ok=True)

# Копирование файла
shutil.copy('source.txt', 'destination.txt')

# Удаление директории
shutil.rmtree('my_folder')

🔑 Результат выполнения:
Директория my_folder создается, файл копируется, а затем директория удаляется.

Работа с регулярными выражениями 🔍

Регулярные выражения (regex) позволяют искать, заменять и обрабатывать строки по заданным шаблонам. Это мощный инструмент для работы с текстом.

🔍 Применение:
Поиск и замена в строках.
Валидация данных (например, email).
Извлечение информации из текста.

 
import re

pattern = r'\\d+'  # Ищем все числа
text = "The house number is 42 and the zip code is 12345."
matches = re.findall(pattern, text)

print(matches)  # Output: ['42', '12345']

🔑 Результат выполнения:

 
['42', '12345']

Генерация графиков с помощью matplotlib 📈

Библиотека matplotlib позволяет создавать красивые графики и визуализации данных, включая линейные графики, гистограммы, диаграммы рассеяния и многое другое.

🔍 Применение:

Визуализация результатов анализа данных.
Построение графиков для отчетов и исследований.

import matplotlib.pyplot as plt

# Данные для графика
x = [1, 2, 3, 4, 5]
y = [2, 4, 6, 8, 10]

# Построение графика
plt.plot(x, y, label='y = 2x', color='blue')
plt.xlabel('X-axis')
plt.ylabel('Y-axis')
plt.title('Linear Graph')
plt.legend()
plt.show()

🔑 Результат выполнения:
Линейный график, отображающий зависимость
y=2x.

Машинное обучение с scikit-learn 📊
Библиотека scikit-learn предоставляет инструменты для машинного обучения, такие как обучение моделей, классификация, регрессия, кластеризация и многое другое.

🔍 Применение:

Предсказание цен.
Анализ данных.
Построение моделей машинного обучения.

from sklearn.linear_model import LinearRegression
import numpy as np

# Данные
x = np.array([[1], [2], [3], [4], [5]])
y = np.array([2, 4, 6, 8, 10])

# Модель линейной регрессии
model = LinearRegression()
model.fit(x, y)

# Предсказание
predicted = model.predict([[6]])
print("Predicted value for x=6:", predicted[0])

🔑 Результат выполнения:

Predicted value for x=6: 12.0

Работа с веб-сокетами с помощью websockets 🌐
Модуль websockets позволяет работать с WebSocket-соединениями, что упрощает создание приложений с обменом данными в реальном времени.

🔍 Применение:

Чат-приложения.
Онлайн-игры.
Реализация уведомлений.

import asyncio
import websockets

async def hello():
    uri = "ws://echo.websocket.events"
    async with websockets.connect(uri) as websocket:
        await websocket.send("Hello WebSocket!")
        response = await websocket.recv()
        print("Received:", response)

asyncio.run(hello())

🔑 Результат выполнения:

Received: Hello WebSocket!

🧠 Декораторы: украшение функций 🎀
Декораторы позволяют добавлять новую функциональность к функциям без изменения их кода. Это мощный инструмент для повышения читаемости и повторного использования кода.

🔍 Применение:
Логирование.
Проверка прав доступа.
Измерение времени выполнения.

import time

def timer(func):
    def wrapper(*args, **kwargs):
        start = time.time()
        result = func(*args, **kwargs)
        end = time.time()
        print(f"Execution time: {end - start:.2f} seconds")
        return result
    return wrapper

@timer
def slow_function():
    time.sleep(2)
    print("Function finished!")

slow_function()

🔑 Результат выполнения:

Function finished!
Execution time: 2.00 seconds