Транспонирование двумерного массива

Для замены строк и столбцов в матрице, представленной встроенными типами данных (например, списком списков), можно использовать функцию zip. Она эффективно меняет местами строки и столбцы, объединяя элементы по индексам.

Пример реализации:

matrix = [
    [1, 2, 3],
    [4, 5, 6],
    [7, 8, 9]
]

# Транспонирование с помощью zip
transposed_matrix = list(map(list, zip(*matrix)))

# Результат
print(transposed_matrix)
# Вывод: [[1, 4, 7], [2, 5, 8], [3, 6, 9]]

Если вы часто работаете с матрицами и многомерными массивами, рекомендуется использовать библиотеку NumPy (https://pythononline.ru/question/operatsii-s-matritsami-na-python-modul-numpy). Она предоставляет встроенную функцию numpy.transpose или метод .T, которые упрощают транспонирование и другие операции с массивами:

import numpy as np

matrix = np.array([
    [1, 2, 3],
    [4, 5, 6],
    [7, 8, 9]
])

# Транспонирование с помощью NumPy
transposed_matrix = matrix.T

# Результат
print(transposed_matrix)
# Вывод:
# [[1 4 7]
#  [2 5 8]
#  [3 6 9]]

Использование NumPy делает код более читаемым и эффективным, особенно для больших массивов данных.

Изучение данных с использованием библиотеки Matplotlib

Сегодня мы рассмотрим библиотеку Matplotlib — мощный инструмент для визуализации информации в Python. Визуализация данных играет ключевую роль в их анализе, а Matplotlib значительно упрощает и делает этот процесс более гибким.

Что представляет собой Matplotlib?
Matplotlib — это библиотека на Python, созданная для построения высококачественных графиков и визуализации данных. Она поддерживает множество типов графиков, таких как линейные, гистограммы, круговые диаграммы, scatter-plot и многие другие. С ее помощью можно тонко настраивать каждый элемент графика, что делает Matplotlib универсальным инструментом как для новичков, так и для профессионалов в области анализа данных.

Проверка строк на анаграммность

Чтобы определить, являются ли две строки анаграммами (то есть одна строка может быть получена перестановкой букв другой), можно воспользоваться классом Counter из модуля collections. Этот класс подсчитывает количество вхождений каждого символа в строке, что позволяет легко сравнить их состав.

Пример реализации:

from collections import Counter

def are_anagrams(str1, str2):
    # Сравниваем количество символов в обеих строках
    return Counter(str1) == Counter(str2)

# Пример использования
print(are_anagrams("listen", "silent"))  # Вывод: True
print(are_anagrams("apple", "pale"))     # Вывод: False

Этот метод эффективен и прост в использовании, так как Counter автоматически учитывает частоту каждого символа в строках.

Почему pprint предпочтительнее print

Стандартная функция print() в Python справляется со своей задачей, но при выводе сложных вложенных объектов результат может оказаться нечитабельным и запутанным.

В таких случаях на помощь приходит модуль pprint (pretty print) из стандартной библиотеки Python. Он форматирует вывод, делая его более структурированным и удобным для восприятия. Это особенно полезно при работе с большими словарями, списками или другими сложными структурами данных.

Использование pprint — must-have для любого Python-разработчика, который сталкивается с обработкой и отладкой нестандартных или объемных данных.

Фильтрация списка без использования циклов

Для решения этой задачи можно воспользоваться модулем itertools (документация: https://docs.python.org/3/library/itertools.html). Если у вас есть два списка — один с именами, а другой с идентификаторами (например, names и selectors), — вы можете отфильтровать элементы списка names, оставив только те, которые соответствуют значениям 1 в списке selectors.

Пример использования:

import itertools

names = ["Alice", "Bob", "Charlie", "David"]
selectors = [1, 0, 1, 0]

# Фильтрация с помощью itertools.compress
filtered_names = itertools.compress(names, selectors)

# Результат
print(list(filtered_names))  # Вывод: ['Alice', 'Charlie']

Этот подход позволяет эффективно фильтровать данные без явного использования циклов.

Выражения-генераторы в Python

Выражения-генераторы — это мощный инструмент, который позволяет создавать итераторы без загрузки всей коллекции в память. В отличие от генераторов списков, множеств или словарей, выражения-генераторы возвращают элементы по одному, что особенно полезно при работе с большими объемами данных.

Преимущества выражений-генераторов
-Экономия памяти: элементы генерируются "на лету", что позволяет работать с большими данными.
-Ленивые вычисления: элементы вычисляются только при запросе.
-Универсальность: могут использоваться в любом контексте, где требуется итератор.

Когда использовать?
-Когда объем данных слишком велик для загрузки в память.
-Когда нужно обрабатывать данные по частям.
-Когда требуется ленивое вычисление элементов.

Как резать списки без лишних копий? 🐍

Слайсинг — это не просто удобный способ извлечь часть списка, указав начальный и конечный индексы. Это еще и отличный способ сэкономить память! Вместо создания новой копии списка, мы работаем напрямую с исходным объектом. Это особенно важно, когда вы работаете с большими объемами данных — меньше копий, больше производительности.

Вместо того, чтобы создавать копию my_list, в примере мы напрямую обращаемся к этому объекту. Это рациональное расходование памяти, и на больших объемах данных вы точно оцените эту фичу.

"Моржовый" оператор

Оператор := позволяет присваивать значения переменной прямо в выражении, после чего сразу же проверяется условие. Очень удобно, когда нужно уменьшить количество строк кода и сделать его более компактным.

P.S. Моржовый оператор (:=) появился в Python 3.8. Его так называют, потому что он похож на глаза и бивни моржа.

Правдивость объектов в Python

В Python объект считается ложным (False) только в случае, если он пуст. То есть, чтобы проверить, например, строку, кортеж или словарь на "пустоту", достаточно просто использовать его в логическом выражении, не проверяя явно длину. Ну и, конечно, 0 будет False, а все остальные числа — True.

Совет: используйте это поведение для более компактных проверок.

Проверка на вхождение подстроки в Питон

В Python для проверки, содержится ли элемент в списке, кортеже или словаре, можно использовать конструкцию if item in list. Но эта же проверка отлично работает и для строк! Так что можно легко узнать, есть ли подстрока в строке, с помощью той же простой записи.

Маленький лайфхак: это особенно полезно, когда нужно быстро найти вхождение в длинных строках или списках.

Функция vars() в Питон

Функция vars() возвращает атрибут __dict__, то есть словарь, содержащий пространство имен для модуля, класса, экземпляра или любого объекта, имеющего атрибут __dict__. Если вызвать vars() без аргументов, она будет работать как locals() и отобразит локальные переменные текущей области видимости.

Используйте vars() для быстрого доступа к атрибутам объектов или для отладки.

По выходным делюсь полезными приложениями)

CmdF — это терминал-приложение, которое позволяет искать слова прямо внутри видеороликов на YouTube. Для поиска используется библиотека quiet.cpp и нечеткое сопоставление строк, что делает поиск более точным, даже если слова написаны с ошибками.

Это отличный инструмент для тех, кто часто работает с видео на YouTube и хочет быстро находить нужные фрагменты в длинных роликах!

https://github.com/dotvignesh/CmdF

The Fuck

The Fuck — это удобное приложение для автоматической коррекции ошибок в командах консоли. Оно помогает быстро исправлять опечатки и неверные команды, экономя время при работе в терминале.

Приложение поддерживает множество встроенных правил для популярных команд и может работать в "экспериментальном" режиме, где ошибки исправляются мгновенно. Также можно настроить поведение через конфигурационный файл и создавать собственные правила для исправления команд. Это настоящий спасатель для разработчиков, которые часто сталкиваются с ошибками в консоли.

https://github.com/nvbn/thefuck

Аргументы командной строки в Python

Когда запускаешь программу через терминал, можно передавать аргументы через пробел. В Python эти аргументы хранятся в списке argv из модуля sys. Первый элемент — это всегда имя самого скрипта, а все остальные элементы — это уже переданные аргументы.

Пример: это удобно для того, чтобы на лету передавать разные параметры в программу.

Сортировка объектов по нескольким ключам

Чтобы отсортировать объекты по нескольким ключам, можно использовать модуль operator. Например, сначала сортируем по возрасту, а потом по имени. Для этого с помощью operator.itemgetter() извлекаем нужные поля (возраст и имя) из каждого словаря в списке.

Такой подход позволяет легко настроить сортировку по нескольким параметрам в одном шаге.

Самый частый элемент в списке

Чтобы найти самый частый элемент в списке, используем функцию max(). В качестве первого аргумента передаем множество уникальных элементов из списка (так как в множестве не может быть повторений). Затем с помощью функции count() для каждого элемента считаем, сколько раз он встречается в списке. В результате max() выберет тот элемент, который встречается чаще всего.

Легкий способ найти "лидера" среди элементов списка.

Вывод строк текста не больше установленной ширины

Для того, чтобы ограничить вывод текста определенной шириной, можно использовать встроенную библиотеку textwrap и её функцию fill(). В качестве первого аргумента передаем текст, а вторым указываем максимальную ширину строки в символах.

Это удобный способ форматировать текст для консоли или вывода, чтобы не выходил за пределы экрана.

Switch-конструкции в Python

В Python нет прямой конструкции switch, как в других языках. Но есть интересное решение — использовать словарь, где ключами будут значения, а значениями — функции. Таким образом, можно имитировать поведение switch.

В этом примере вместо lambda можно подставить любые другие функции, которые будут выполняться в зависимости от ключа.

Это элегантный способ заменить switch и сделать код компактным и понятным!

Дизассемблирование

В Python есть встроенный модуль dis, который позволяет декомпилировать программу в байт-код. Это полезно, если хотите понять, как ваш код будет выполняться на уровне машинных инструкций Python.

С помощью dis можно увидеть, как Python интерпретирует ваши функции и операции, и это может помочь в оптимизации кода.