Зачем нужно ключевое слово yield в Python?

yield используется для создания генераторов, которые возвращают данные по мере запроса, вместо хранения всего результата в памяти.

Пример:

def count_up_to(n):
    count = 1
    while count <= n:
        yield count  # Возвращает значение и приостанавливает выполнение
        count += 1

for num in count_up_to(5):
    print(num)

yield позволяет приостанавливать и возобновлять выполнение функции, экономя память и упрощая работу с потоками данных.

🐍 GIL в Python: как это влияет на многопоточность

Global Interpreter Lock (GIL) — это механизм в CPython, который ограничивает выполнение Python-кода одним потоком за раз, даже на многопроцессорных системах.

🔹 Зачем нужен GIL?

Он предотвращает проблемы с управлением памятью и упрощает работу интерпретатора. Однако из-за него многопоточные программы не могут эффективно использовать несколько ядер процессора.

🔹 Когда GIL мешает?

• В CPU-интенсивных задачах (например, обработка данных, вычисления) многопоточность не дает прироста производительности.

• В I/O-интенсивных задачах (сетевые запросы, работа с файлами) GIL почти не влияет, так как потоки могут освобождать блокировку во время ожидания операций ввода-вывода.

✅ Решение:

Если нужна настоящая параллельность, используйте многопроцессорность (multiprocessing), которая запускает отдельные процессы без GIL, или попробуйте альтернативные реализации Python, такие как Jython или PyPy.

🔥 Mutable vs Immutable в Python

В Python все данные — это объекты, и они делятся на изменяемые (mutable) и неизменяемые (immutable).

🔹 Неизменяемые (immutable): нельзя изменить после создания
✅ int, float, str, tuple, frozenset

x = "hello"
x += " world"  # Создается новый объект, а не изменяется старый

🔹 Изменяемые (mutable): можно изменять без создания нового объекта
✅ list, dict, set, bytearray

lst = [1, 2, 3]
lst.append(4)  # Список изменяется в той же области памяти

⚠️ Важный нюанс

Передача изменяемых объектов в функцию может привести к неожиданным изменениям:

def modify_list(lst):
    lst.append(99)  # Изменяет оригинальный список!

my_list = [1, 2, 3]
modify_list(my_list)
print(my_list)  # [1, 2, 3, 99]

✅ Вывод:

• Используйте tuple, если данные не должны изменяться.
• Будьте осторожны с изменяемыми объектами при передаче в функции.
• Если нужно копирование, используйте .copy() или deepcopy().

🔥 *args и **kwargs в Python

🔹 *args — передает позиционные аргументы как кортеж:

def add_numbers(*args):
    return sum(args)

print(add_numbers(1, 2, 3))  # 6

🔹 **kwargs — передает именованные аргументы как словарь:

def greet(**kwargs):
    print(kwargs)

greet(name="Alice", age=25)  # {'name': 'Alice', 'age': 25}

✅ Используйте *args для списка значений и **kwargs для гибких параметров!

↔️ Разница между is и == в Python

🔹 == (равенство) проверяет, равны ли значения объектов:

a = [1, 2, 3]
b = [1, 2, 3]
print(a == b)  # True (значения одинаковые)

🔹 is (идентичность) проверяет, указывают ли переменные на один и тот же объект в памяти:

print(a is b)  # False (разные объекты)

🔹 Но для immutable-объектов (например, int, str, tuple) Python кеширует значения:

x = 256
y = 256
print(x is y)  # True (указывают на один объект)

✅ Используйте == для сравнения значений и is для проверки, ссылаются ли переменные на один объект в памяти!

🔥 lambda — короткие функции в Python

lambda — это анонимная функция, которая записывается в одну строку и не требует def. Используется там, где нужна простая операция без имени функции.

✅ Пример (обычная функция vs. lambda):

def square(x):
    return x ** 2

square_lambda = lambda x: x ** 2

print(square(5))        # 25
print(square_lambda(5)) # 25

🔹 Где используется?

1️⃣ map() — Применение функции к списку

nums = [1, 2, 3, 4]
squared = list(map(lambda x: x ** 2, nums))  
print(squared)  # [1, 4, 9, 16]

2️⃣ filter() — Фильтрация данных

even = list(filter(lambda x: x % 2 == 0, nums))
print(even)  # [2, 4]

3️⃣ sorted() — Сортировка по ключу

pairs = [(1, 'one'), (3, 'three'), (2, 'two')]
pairs.sort(key=lambda x: x[0])
print(pairs)  # [(1, 'one'), (2, 'two'), (3, 'three')]

⚡️ Когда использовать lambda?

• Когда функция простая и короткая
• Когда она нужна один раз

❌ Не стоит использовать lambda, если логика сложная – лучше писать def.

Немножко о реализации set в Python

Почему set в Python не всегда такой хаотичный, как кажется? Разбираемся, как множества устроены под капотом, как работают хэш-таблицы и почему порядок элементов иногда оказывается предсказуемым.

Что делает @property в Python?

@property превращает метод класса в свойство, позволяя обращаться к нему без скобок.

Пример:

class Person:
    def init(self, name):
        self._name = name

    @property
    def name(self):  
        return self._name  

p = Person("Alice")
print(p.name)  # Alice (как атрибут, но с логикой)

Зачем нужно?

• Позволяет использовать методы как атрибуты
• Защищает данные от прямого изменения
• Позволяет добавить логику без изменения интерфейса

⚡️ @property делает код чище и безопаснее, улучшая инкапсуляцию!