✅Задача на Python:

📚Вам будет предоставлена непустая строка.
Ваша задача - вернуть средние символы строки.
Если длина строки нечетная, верните средний символ.
Если длина строки четная, верните 2 средних символа.
Если строка пустая, то return ""

👁‍🗨Пример №1:

« "test"
» "es"

👁‍🗨Пример №2:

« "testing"
» 't'

#task #python

✅Streamlit

📚Streamlit — это фреймворк на Python,
предназначенный для быстрого создания
интерактивных веб-приложений

📗Doc: тут
🌐GitHub: тут

#framework #python #fronted

✅Задача по Python: Уникальные элементы с сохранением порядка

📚Напишите функцию unique_order, которая принимает список и возвращает новый
список, содержащий только уникальные элементы, сохраняя их порядок
появления.

👁‍🗨Пример №1:

« [1, 2, 2, 3, 4, 3, 5, 1, -1, -2]
» [1, 2, 3, 4, 5, -1, -2]

👁‍🗨Пример №2:

« [1, 2, 2, 3, 4, 3, 5, 1]
» [1, 2, 3, 4, 5]

#task #python

🐍Python 3.14

📖Свежий релиз Python 3.14 привнёс кучу улучшений, ускорений и интересных фич.
Вот кратко о самом важном

⚙️Главные нововведения:
✅ Отложенные аннотации — теперь аннотации не вычисляются сразу, а лениво (deferred evaluation).
✅ Поддержка нескольких интерпретаторов через модуль concurrent.interpreters — шаг к изоляции и параллелизму без GIL.
✅ Free-threaded mode улучшен — меньше накладных расходов, лучше производительность.
✅ Новые template-строки (t"...") — возвращают объект шаблона, а не обычную строку.

📦 Стандартная библиотека
✅ Новый модуль compression.zstd — полноценная поддержка Zstandard.
✅ В asyncio появился CLI для инспекции задач (python -m asyncio ps).
✅ Новый InterpreterPoolExecutor в concurrent.futures — параллелизм через подинтерпретаторы.

⚡️ Производительность
✅Tail-call оптимизации для внутренних C-функций (до +5 %).
✅GC стал быстрее и предсказуемее.

🧩 Итог
Python 3.14 - это про многопоточности без GIL, к ускорению и гибкости.

🔗Источник: тут

#python #news

✅Первый и второй замечательный
придел с графиком на Python

⚙️Коротко о коде:

- class Limit - просто объект для абстракции задачи.

- method first_wonderful_limit - вычисление первого
замечательного предела.

- method second_wonderful_limit - вычисление второго
замечательного предела.

- private method _render - служит для отрисовки графиков
для функции первого и второго предела.

- для вычисления используем lib numpy,
numpy - мощная математическая библиотека.

- для отрисовки графиков используем lib matplotlib.

pip install numpy 
pip install matplotlib

#algorithms #python

✅Задача для Python «Daily Temperatures»

📚Дан массив целых чисел temperatures, где каждая температура соответствует
определённому дню.

⚙️Нужно вернуть новый массив answer, где каждое значение показывает, сколько дней нужно
подождать до более высокой температуры. Если такого дня не будет, записывается 0.

💡Подсказка:
Я нашёл два варианта решения задачи. Первый вариант O(n**2) это двойной цикл for.
Второй вариант это использование стека, там тоже есть циклы, но сложность алгоритма
O(n), что уже лучше. Ну само собой я использовал второй вариант решения по очевидным
причинам.

👁‍🗨Пример 1:
« temperatures = [73,74,75,71,79]
» [1,1,2,1,0]

👁‍🗨Пример 2:
« temperatures = [30,60,90]
» [1,1,0]

#task #python

📕 Алгоритм BFS (Breadth-First Search)

💡BFS — поиск в ширину — это алгоритм обхода графа, который сначала посещает всех соседей вершины, затем соседей этих соседей, и так далее.

⚙️ Как работает BFS
1. Берём любую стартовую вершину.
2. Добавляем её в очередь.
3. Пока очередь не пуста:
- достаём вершину из очереди,
- посещаем всех её соседей,
- непосещённых соседей добавляем в очередь.

✅Релизация на python:

from collections import deque

def bfs(graph, start):
    visited = set()
    queue = deque([start])
    order = []  # порядок обхода

    while queue:
        vertex = queue.popleft()

        if vertex not in visited:
            visited.add(vertex)
            order.append(vertex)

            for neighbor in graph[vertex]:
                if neighbor not in visited:
                    queue.append(neighbor)

    return order

graph = {
    'A': ['B', 'C'],
    'B': ['D', 'E'],
    'C': ['F'],
    'D': [],
    'E': ['F'],
    'F': []
}

print(bfs(graph, 'A'))

#algorithm #python

🔹 DFS (Depth-First Search) — поиск в глубину в графе

💡Идея:

Исследуем граф «вглубь», пока не достигнем конца пути, затем возвращаемся.

Нужно хранить посещённые вершины (visited).

🔧Применение:

Поиск пути, топологическая сортировка, компоненты связности.

⚙️Рекурсивноя реализвация:

graph = {
    'A': ['B','C'], 'B': ['D','E'], 'C': ['F'],
    'D': [], 'E': ['F'], 'F': []
}

def dfs(graph, start, visited=None):
    if visited is None: visited = set()
    visited.add(start)
    print(start, end=' ')
    for neighbor in graph[start]:
        if neighbor not in visited:
            dfs(graph, neighbor, visited)
dfs(graph, 'A')

⚙️Итеративно через стек:

def dfs_iter(graph, start):
    visited, stack = set(), [start]
    while stack:
        v = stack.pop()
        if v not in visited:
            print(v, end=' ')
            visited.add(v)
            stack.extend(reversed(graph[v]))
dfs_iter(graph, 'A')

✅Вывод:

A B D E F C

#algorithm #python