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

🧪 Тестирование с использованием unittest 🧹
Модуль unittest предоставляет встроенные инструменты для написания тестов и проверки работоспособности кода.

🔍 Применение:
Автоматическое тестирование функций.
Обеспечение стабильности кода.
Выявление ошибок до развертывания.

import unittest

def add(a, b):
    return a + b

class TestMath(unittest.TestCase):
    def test_add(self):
        self.assertEqual(add(2, 3), 5)
        self.assertEqual(add(-1, 1), 0)

if __name__ == "__main__":
    unittest.main()

🔑 Результат выполнения:

.
----------------------------------------------------------------------
Ran 1 test in 0.000s

OK

🌟Работа с таймерами через sched ⏳
Модуль sched позволяет планировать выполнение задач с точным учетом времени.

🔍 Применение:

Запуск задач по расписанию.
Автоматизация повторяющихся процессов.
Создание таймеров.

import sched
import time

scheduler = sched.scheduler(time.time, time.sleep)

def print_message():
    print("Task executed!")

# Планируем задачу через 3 секунды
scheduler.enter(3, 1, print_message)
scheduler.run()

🔑 Результат выполнения:
Через 3 секунды вывод:

Task executed!

🚦 Работа с потоками через threading 🧵
Модуль threading позволяет создавать потоки, что упрощает выполнение нескольких задач одновременно.

🔍 Применение:
Многозадачность.
Реакция на события.
Параллельная обработка данных.

import threading
import time

def task(name):
    print(f"Thread {name} starting")
    time.sleep(2)
    print(f"Thread {name} finished")

thread1 = threading.Thread(target=task, args=("A",))
thread2 = threading.Thread(target=task, args=("B",))

thread1.start()
thread2.start()

thread1.join()
thread2.join()

🔑 Результат выполнения:

Thread A starting
Thread B starting
Thread A finished
Thread B finished

Обработка URL с urllib.parse 🌐

Модуль urllib.parse помогает разбирать и создавать URL-адреса.

🔍 Применение:
Создание запросов к API.
Разбор адресов.
Управление параметрами.

from urllib.parse import urlparse

url = "https://example.com/path?name=Alice"
parsed_url = urlparse(url)

print("Domain:", parsed_url.netloc)
print("Path:", parsed_url.path)
print("Query:", parsed_url.query)

🔑 Результат выполнения:

Domain: example.com
Path: /path
Query: name=Alice

Челлендж: «Поиск пиков»
Привет, кодеры! Сегодня будем работать с массивами.

📈 Суть задачи:
Напишите функцию, которая находит все пики в массиве. Пиком считается элемент, который больше соседних слева и справа. Граничные элементы не считаются.

Пример:

Input: [1, 3, 7, 1, 2, 6, 3, 2]  
Output: [7, 6]  

✅ Усложнение для профи:
Найдите индекс каждого пика, а не только их значения.
Реализуйте алгоритм с минимальной сложностью.

💡 Подсказки:
Пройдитесь по массиву циклом, начиная со второго элемента и заканчивая предпоследним.
Используйте индексы, чтобы проверять соседние элементы.
Если хотите оптимизировать: изучите двоичный поиск для таких задач.

Кто сможет найти все пики? Пишите свои ответы! 🏔️

Секретный импорт

Что напечатает код?

import this

❓ Вопрос: Что произойдет при выполнении этого кода? Какую информацию он содержит?

Шаблоны строк с string.Template 🖋️

Модуль string.Template позволяет создавать строки с шаблонами для упрощения подстановок.

🔍 Применение:
Генерация писем.
Форматирование отчетов.
Упрощение работы с текстом.

from string import Template

template = Template("Hello, $name! Welcome to $place.")
message = template.substitute(name="Alice", place="Python World")

print(message)

🔑 Результат выполнения:

Hello, Alice! Welcome to Python World.

Работа с изображениями через Pillow 🖌️

Библиотека Pillow предоставляет мощные инструменты для обработки изображений.

🔍 Применение:
Редактирование изображений.
Создание миниатюр.
Добавление фильтров.

from PIL import Image

# Открываем изображение и создаем миниатюру
image = Image.open("example.jpg")
image.thumbnail((100, 100))
image.save("thumbnail.jpg")

print("Thumbnail создан.")

🔑 Результат выполнения:
Создается миниатюра изображения с размерами 100x100 пикселей.