IceCream

IceCream — это библиотека, которая предоставляет простой и эффективный способ отладки кода. Вместо того чтобы использовать функцию print() для отладки, вы можете использовать функцию ic() из библиотеки IceCream, которая позволяет вам инспектировать переменные, выражения и выполнение программы с помощью одного простого вызова функции.

В этом примере кода вывод ic| указывает на то, что это вывод от IceCream, а result: 6 — имя переменной и ее значение.

IceCream может быть использован в любом месте, где требуется отладка кода: веб-разработка, научные вычисления, анализ данных и т.д.

😮 92% подписчиков этих каналов не просто мечтатели, а реальные python-программисты, которые каждый день пишут код для реальных проектов!

Вот эти каналы, где реально полезная инфа на каждый день:

👩‍💻 Python — каждый день новые знания для кодера любого уровня

👩‍💻 Backend — мастхев канал для бекендера

👩‍💻 Code Tests — идеальные тесты для проверки знаний

🔒Сделали бесплатный вход только на 48 часов, успей залететь!

Метод `__missing__` для работы с отсутствующими ключами в словарях

Если вы создаёте собственный тип данных, основанный на словарях, полезно использовать метод __missing__. Этот метод позволяет задать поведение, которое будет выполняться, когда запрашиваемый ключ отсутствует в словаре. Например, можно вернуть значение по умолчанию или вызвать ошибку, если ключ не найден.

При переопределении этого метода, вы получаете полный контроль над тем, что происходит в случае отсутствия ключа, вместо того чтобы полагаться на стандартное поведение, например, выброс исключения KeyError.

Vibe Draw — простой и удобный инструмент для 3D-моделирования

Vibe Draw — это интуитивно понятная программа для создания 3D-моделей, которая превращает ваши 2D-эскизы в полноценные 3D-объекты всего за один клик, используя возможности ИИ.

🔸 Рисуйте 2D-эскизы и мгновенно превращайте их в 3D-модели.
🔸 ИИ помогает оптимизировать и улучшать детали моделей.
🔸 Используйте текстовые подсказки для тонкой настройки и улучшения 3D-моделей.
🔸 Легко комбинируйте несколько моделей в 3D-пространстве для создания сцены.
🔸 Экспортируйте готовые модели в формат .glTF для дальнейшей работы в других приложениях.

Благодаря поддержке Docker и экспорту в .glTF, Vibe Draw идеально подходит для интеграции в ваши рабочие процессы. Удобно, быстро и эффективно

GitHub

🤔 Что такое стоимость владения (и почему это важно)?

Простыми словами, стоимость владения проектом (или TCO — total cost of ownership) — это сколько денег и ресурсов нужно, чтобы твой продукт не только жил, но и был полезен бизнесу.

И тут есть подвох: когда стоимость владения высокая, бизнес страдает, потому что деньги улетают в поддержку, баги, переписывание и разгребание хаоса вместо развития и новых фич. А если страдает бизнес, то страдаешь и ты, потому что вместо крутых задач приходится чинить старое легаси.

🔍 Что повышает стоимость проекта и почему это плохо для всех?

👉 Нечитаемый и грязный код
Это классика. Когда никто не понимает, что происходит в коде, каждая фича делается в разы дольше, а баги становятся кошмаром. В итоге бизнес получает фичи поздно, теряет клиентов и деньги.

👉 Слишком сложная архитектура (привет, переусложнённые микросервисы!)
Слишком много сервисов, сложные связи, запутанные процессы. Команда тратит время на выяснение отношений вместо написания кода. Менеджмент ждёт, бизнес теряет деньги.

👉 Отсутствие автоматизации
Если тесты, деплой и мониторинг делаются вручную, разработчики заняты рутинной работой, а не реальными задачами. Падает производительность, вырастает число ошибок — бизнес снова теряет.

👉 Большие технические долги и отказ от рефакторинга
Кажется, быстрее «залатать и забыть». На практике эти костыли превращаются в мины замедленного действия, которые потом больно взрываются на проде.

🛠️ Что разработчик может делать прямо сейчас, чтобы снизить стоимость владения?

✅ Регулярно рефакторить код
Держи код чистым. Рефакторинг — не роскошь, а необходимость. Чем чище код, тем быстрее идут задачи.

✅ Автоматизируй всё, что можно автоматизировать (без перебора)
Юнит-тесты, CI/CD, мониторинг, алерты — автоматизация высвобождает время для важных задач и снижает шанс ошибок на проде. Забудь о ручном деплое и тестировании. CI/CD pipeline, автоматизированные тесты и алерты экономят кучу времени и нервов.

✅ Выбирай осознанно архитектуру
Не прыгай сразу в микросервисы, если этого не требует задача. Выбирай решения, исходя из потребностей бизнеса и простоты поддержки, а не только из-за трендов.

✅ Документируй осознанно
Пиши кратко, чётко и по делу. Документация должна помогать команде быстро включиться в проект, а не создавать дополнительный хаос.

💡 Вывод:
Высокая стоимость владения проектом ударяет не только по карману бизнеса, но и по твоим собственным задачам. Чем выше TCO, тем меньше у команды времени на что-то новое и интересное. Уменьшая технический долг и автоматизируя процессы, ты не только помогаешь компании зарабатывать, но и делаешь жизнь проще лично себе и своей команде.

🔥 А вот как это донести до бизнеса и менеджеров - тема отдельного поста. Поделитесь идеями, потому что это, обычно, одна из самых сложных проблем.

Реклама. Лукьянов П.А. ИНН 780159889217. erid: 2W5zFGXczQG

Использование `dataclasses` для автоматизации создания классов

Python 3.7 и выше предлагает удобный способ для создания классов с помощью модуля dataclasses. Этот инструмент позволяет вам быстро создавать классы, автоматически генерируя методы __init__, __repr__, __eq__, и другие. Сэкономьте время и код!

Пример:

from dataclasses import dataclass

@dataclass
class Product:
    name: str
    price: float
    quantity: int

product = Product('Apple', 1.5, 10)
print(product)  # Product(name='Apple', price=1.5, quantity=10)

🔥 Бонус: dataclasses упрощают работу с неизменяемыми объектами и позволяют использовать frozen=True, чтобы сделать объект неизменяемым после создания:

@dataclass(frozen=True)
class ImmutableProduct:
    name: str
    price: float

# product.name = 'Orange'  # Это вызовет ошибку!

Как использовать `contextlib` для работы с контекстными менеджерами

Работа с файлами или базами данных часто требует корректного управления ресурсами. В Python это удобно делать с помощью контекстных менеджеров. Модуль contextlib упрощает создание таких менеджеров без необходимости писать громоздкий код.

Пример:

from contextlib import contextmanager

@contextmanager
def my_open_file(filename, mode):
    try:
        file = open(filename, mode)
        yield file
    finally:
        file.close()

with my_open_file('test.txt', 'w') as f:
    f.write('Hello, world!')

💡 Совет: Вместо использования try/finally, contextlib позволяет красиво и без лишних усилий управлять ресурсами.

Оператор is в Python используется для проверки, ссылаются ли два операнда на один и тот же объект в памяти, то есть, являются ли они фактически одним и тем же объектом.

Важно помнить, что is проверяет не равенство значений, а именно идентичность объектов в памяти. Для проверки значений обычно используется оператор ==

Использование генераторов для обработки больших данных

Если вам нужно обработать большой объём данных, но не хотите загружать всё в память, используйте генераторы. Они позволяют работать с данными по одному элементу за раз, экономя память.

Пример:

def my_generator():
    for i in range(1000000):
        yield i

gen = my_generator()

# Выводим первые 5 чисел
for _ in range(5):
    print(next(gen))

💡 Почему это полезно: генераторы могут работать с огромными данными, не загружая их полностью в память, что особенно важно для обработки больших файлов или потоков данных.

В чём разница между типами list и tuple?

В Python, список (list) и кортеж (tuple) являются двумя различными типами данных, которые предоставляют набор элементов в определенном порядке. Основная разница между ними заключается в том, что список может быть изменен (мутабельный тип), а кортеж является неизменяемым (иммутабельным типом).

То есть, после создания кортежа, вы не можете изменять его содержимое, добавлять или удалять элементы. Это делает кортежи более эффективными по памяти и дает гарантию того, что их содержимое не будет изменено случайно в коде. В то время как список может быть изменен, что было бы очень полезно, если вам нужна коллекция элементов, которые вы можете изменять по ходу выполнения кода.

Лямбда-функции для краткости кода

Если вам нужно быстро создать небольшую функцию, которую вы используете один или два раза, лямбда-функции — идеальный выбор! Они делают код компактным и читаемым.

Пример:

# Обычная функция
def square(x):
    return x ** 2

# Лямбда-функция
square_lambda = lambda x: x ** 2

print(square(4))  # 16
print(square_lambda(4))  # 16

🔥 Использование с функциями высшего порядка:

numbers = [1, 2, 3, 4, 5]

# Применяем лямбда-функцию через map
squared_numbers = list(map(lambda x: x ** 2, numbers))
print(squared_numbers)  # [1, 4, 9, 16, 25]

Лямбда-функции идеально подходят для коротких операций внутри функций, таких как map(), filter(), и reduce().

Функция sys.set_int_max_str_digits() в Python используется для ограничения количества цифр, которые могут быть преобразованы в тип данных int из строки. Это важно для предотвращения атак типа *Denial of Service* (DoS), когда с помощью очень длинных строк, представляющих огромные числа, можно истощить ресурсы системы и вызвать замедление работы программы.

По умолчанию Python может обрабатывать очень большие числа, что иногда приводит к проблемам, особенно если в программу поступают несанкционированные или вредоносные данные. Функция sys.set_int_max_str_digits() позволяет ограничить количество цифр, которые можно передать для преобразования в int, тем самым защищая систему от чрезмерных вычислений и угроз безопасности.

🖥 Вот 17 топовых GitHub-репозиториев для изучения Python с ссылками:

1. 30-Days-Of-Python — 30-дневный челлендж по основам Python.
2. Python Basics — азы Python для новичков, просто и с примерами.
3. Learn Python — справочник с кодом, пояснениями и практикой.
4. Python Guide — гайд по практикам, инструментам и сложным темам.
5. Learn Python 3 — руководство по Python 3 с практикой для начинающих.
6. Python Programming Exercises — 100+ задач по Python.
7. Coding Problems — алгоритмы и структуры данных для собесов.
8. Project-Based-Learning — Python через реальные проекты.
9. Projects — идеи проектов для прокачки навыков.
10. 100-Days-Of-ML-Code — ML на Python шаг за шагом.
11. TheAlgorithms/Python — алгоритмы и структуры данных на Python.
12. Amazing-Python-Scripts — полезные скрипты: от утилит до автоматизации.
13. Geekcomputers/Python — скрипты для сети, файлов и задач.
14. Materials — код и проекты от Real Python.
15. Awesome Python — топ фреймворков, библиотек и ресурсов.
16. 30-Seconds-of-Python — короткие сниппеты для быстрых решений.
17. Python Reference — скрипты, туториалы и лайфхаки.

Немного базовых знаний, без которых никуда!

В Python все типы данных делятся на две большие группы: изменяемые (list, set, dict) и неизменяемые (int, float, str, tuple, bool, frozenset, complex).

Зачем вообще это разделение? Всё просто: неизменяемые объекты защищают свои данные — никакой другой объект не может их "тихо подправить". Это делает работу с ними безопаснее и предсказуемее.

> 🧠 Интересно: tuple считается неизменяемым, но внутри него могут быть изменяемые объекты. Аккуратнее с этим!

Когда ты вызываешь id(Ok()), происходит магия:
1. Создаётся объект класса Ok.
2. Функция id() возвращает его адрес в памяти.
3. Объект тут же уничтожается, потому что больше нигде не используется.

А теперь фокус: при следующем вызове id(Ok()) — Python создаёт новый, но точно такой же объект, и... размещает его на том же месте в памяти. Поэтому id() снова возвращает тот же адрес.

Кажется, будто объект остался, но это просто Python оптимизирует работу с памятью.

reversed(x) — это итератор, который позволяет пройтись по объекту в обратном порядке. В нашем случае — это 3, 2, 1. Но так как это итератор, пройтись по нему можно только один раз.

При следующем вызове он ничего не вернёт, и результат сравнения sorted([3, 2, 1]) == sorted([]) даст False.

Про метод str.split(sep)

Все знают, что он разделяет строку по sep, но у него есть свои особенности. И первое, это если sep не указан, то есть None.

Тогда ряды пробелов рассматриваются как один разделитель и, к тому же, в результате не будет пустых строк в начале и в конце.

Если sep передан, то разделители не группируются, а значит на месте повторов образуется ''. Также, разделение пустой строки всегда вернёт [''].

Упрощаем поиск багов с помощью assert в Python

Функция для вычисления площади квадрата со стороной 5 должна вернуть 25. А что если нет? Самый быстрый способ проверить — использовать assert.

Если условие в первом аргументе False, будет вызвано AssertionError, а второй аргумент (если он есть) выведет сообщение.

Чтобы отключить проверку, используйте флаг -O при запуске: python3 -O foo.py. Подробнее в документации https://docs.python.org/3/reference/simple_stmts.html#grammar-token-python-grammar-assert_stmt

Правильная сортировка символов по алфавиту

Буквы сортируются не по алфавиту, а по их позиции в таблице UTF-16. Значение символа можно получить с помощью ord(x).

Символы в верхнем регистре имеют меньший код, чем в нижнем, поэтому они оказываются в начале списка при сортировке.

Создаём интерфейс командной строки

Если создаёте консольное приложение, важно, чтобы пользователи могли легко с ним работать. Для этого на помощь приходит fire.

Установка: pip install fire

Модуль использует ООП-стиль, что упрощает интеграцию в ваш проект.

Кроме того, он позволяет работать с атрибутами, переданными в него. Подробнее об этом и многом другом в документации

Работа с декораторами в Python

Декораторы — это мощный инструмент для изменения поведения функций или методов. С помощью декораторов можно добавлять функциональность, не изменяя сам код функции.

Пример:

def my_decorator(func):
    def wrapper():
        print("До выполнения функции")
        func()
        print("После выполнения функции")
    return wrapper

@my_decorator
def hello():
    print("Привет!")

hello()

С помощью @my_decorator мы оборачиваем функцию hello, добавляя код до и после её вызова.