➡️ Почему Chat GPT стал так резко популярен?


🔝 PyBytes Media | ✉ Telegram / 📷 Instagram / 📈Mentor Service

Выводи данные как профи (String formatting)


➡️Python предоставляет множество инструментов для быстрой и эффективной разработки. Однако многие из них остаются в тени. Одним из таких инструментов является форматирование строк, хорошее его понимание, сделает ваш код более читаемым, и быстрым в написании.

🧐 format - является встроенной функцией python, используется для форматирования и стилизации строк. Она принимает основной объект (число, строку и т.д.) и строку формата, определяющую, как именно следует представить объект. Примеры использования:

format(3.14159, ".2f")
> "3.14"

format(3, "04d")
> "0003"

format(3, "#06b")
> "0b0011"

🙉Ещё меньше кода? - Да.
Что делать когда вам нужно добавить отформатированные значения в шаблон текста? Для этого вы можете использовать f-strings. Просто укажите формат после «:»

f"pi ≈ {math.pi:.2f}"
> "pi ≈ 3.14"

name = "PyBytes"
f"Первые две буквы - {name:.2s}"
> "Первые две буквы - Py"

😎Ниже список часто используемых форматеров (изменяйте значения под себя):

format("PyBytes", "_^11") # по центру
> "__PyBytes__"

format("PyBytes", "_<11") # по левому краю
> "PyBytes____"

format("PyBytes", "_>11") # по правому краю
> "____PyBytes"

format("PyBytes", ".2s") # обрезание
> "Py"

format(13.123, ".1f") # округление
> "13.1"

format(123123123, ",d") # большие числа
> "123,123,123"

🤓Под капотом
Перечисленные методы (format и f-string) полагаются на дандер метод __format__ Его даже можно вызвать на прямую:

"PyBytes".__format__(".2s")
> "Py"

Определив этот метод в вашем классе, вы сможете использовать форматирование:

class A:
    def __format__(self, form):
        return form

a = A()
f"`А` это `{a:эхо форматер}`"
> "`А` это `эхо форматер`"

❤️‍🔥Внедрите эти методы в вашем проекте и будьте готовы к новым публикациям, чтобы активно развивать свои навыки разработчика

🔝 PyBytes Media | ✉ Telegram / 📷 Instagram / 📈Mentor Service

🚀 Ищем Разработчика!


👨‍💼 Специалист по разработке ПО, который знает Python. Нас инетресует Middle специалист.


Требования к знаниям:
➡️ Python 3.9+
➡️ aiogram 3.0
➡️ asyncio
➡️ aiohttp
➡️ postgresql
➡️ docker
➡️ docker compose
➡️ SQL / noSQL
➡️ sqlalchemy
➡️ alembic
➡️ typing
➡️ Портфолио
➡️ 18+
➡️ ООП
➡️ Коммуникабельность
➡️ Умение работать в команде
➡️ Ответственность
➡️ Умение воспринимать большие нагрузки


Оклад будет оговорен в зависимости от уровня навыков специалиста, а также будет предложена система PoW

🤖 Контакты @lunasantrope

🐱 Эфиииир: CLICK

Разнится между "is" и "=="

ℹ️В Python есть два основных оператора равенства. Иметь представление о разнице их применения и работы - критически важно. В будущем - это сэкономит вам не один час при поиске бага.


_________ is _________


🔗Все ваши переменные, классы, функции, и т.д. находятся где то в памяти компьютера. Оператор сравнения is проверяет, что бы два объекта ссылались на один и тот же адрес памяти. Другими словами, вы проверяете что бы ваши объекты являлись одним и тем же.


_________ == _________


🟰Любой объект в python содержит информацию. Это могут быть как атрибуты добавленные программистом, так и скрытые данные от самого python. Оператор равенства == проверяет, что бы два объекта содержали одну и ту же информацию.

dict is dict
> True

🤨 dict всегда ссылается на один и тот же класс в памяти, поэтому мы получаем True.

dict() is dict()
> False

🤨 При вызове класса dict, мы получаем новый экземпляр класса dict. Python создает наш экземпляр в новом отделе памяти, по этому 2 разных экземпляра не являются одним и тем же.

dict() == dict()
> True

🤨 Оба экземпляра класса dict пустые и не содержат разнящихся данных, так что мы получаем True.


❤️‍🔥Ожидайте новых постов

🔝 PyBytes Media | ✉ Telegram / 📷 Instagram / 📈Mentor Service

Эффективность в каждой строке (Итераторы и Генераторы)


➡️Python предоставляет мощные инструменты для работы с данными - итераторы и генераторы. Они оптимизируют использование памяти и упрощают код.


🧐Итераторы - это объекты, обеспечивающие проход по элементам коллекции по одному за раз. Метод __iter__() вызывается для создания итератора, а __next__() - для доступа к следующему элементу. При достижении конца коллекции, __next__() вызывает исключение StopIteration (Эта ошибка автоматически обрабатывается такими конструкциями как for).

my_list = [1, 2, 3]
iterator = iter(my_list) # __iter__() вызывается здесь
print(next(iterator))    # __next__() вызывается здесь

🙉Генераторы - это упрощенные итераторы, создаваемые с помощью функций и выражений. Когда вы вызываете генератор, Python возвращает объект-итератор. Каждый вызов функции next() для этого итератора возобновляет выполнение функции-генератора с того места, где было последнее слово yield, и продолжается до следующего.

def my_generator(n):
    for i in range(n):
        yield i ** 3

gen = my_generator(3) # Возвращает итератор
print(next(gen)) # Возобновляет выполнение до следующего yield

🥰Используйте эти концепции для создания более оптимизированного и чистого кода.


🔝 PyBytes Media | ✉ Telegram / 📷 Instagram / 📈Mentor Service

🚀 Ищем Разработчика!


👨‍💼 Специалист по разработке ПО, который знает Python. Нас инетресует Middle специалист.


Требования к знаниям:
➡️ Python 3.9+
➡️ aiogram 3.0
➡️ asyncio
➡️ aiohttp
➡️ postgresql
➡️ docker
➡️ docker compose
➡️ SQL / noSQL
➡️ sqlalchemy
➡️ alembic
➡️ typing
➡️ Портфолио
➡️ 18+
➡️ ООП
➡️ Коммуникабельность
➡️ Умение работать в команде
➡️ Ответственность
➡️ Умение воспринимать большие нагрузки


👨‍💼 Оклад от 800$ и выше


🤖 Контакты @lunasantrope

Управление ресурсами (with в Python)

ℹ️Python предоставляет уникальный инструмент для эффективного управления ресурсами, который часто недооценивают. Это оператор with, который обеспечивает правильное управление ресурсами, такими как файлы, сетевые соединения и блокировки.

➡️with используется для оборачивания выполнения блока кода. Основное преимущество использования with заключается в том, что он гарантирует освобождение ресурсов после использования. Примеры:

with open('file.txt', 'r') as file:
    data = file.read()

> Файл автоматически закроется после выхода из блока with.

😎Зачем это нужно? - Использование with позволяет избежать распространенных ошибок, таких как утечка ресурсов или их неправильное закрытие, особенно при возникновении исключений.

😱Под капотом - with работает с объектами, которые поддерживают контекстное управление. Это означает, что объект должен иметь методы __enter__ и __exit__. В методе __enter__ обычно происходит инициализация ресурса, а в __exit__ - его освобождение.

class ManagedResource:
    def __enter__(self):
        print("Resource is acquired.")
        return self
    def __exit__(self, exc_type, exc_value, traceback):
        print("Resource is released.")

with ManagedResource() as resource:
    print("Using the resource.")

> Вывод:
> Resource is acquired.
> Using the resource.
> Resource is released.

❤️‍🔥Интегрируйте эту практику в свои проекты для более чистого, безопасного и эффективного управления ресурсами.

🔝 PyBytes Media | ✉ Telegram / 📷 Instagram / 📈Mentor Service

Типизация в Python

😈 В последние годы Python сделал большой шаг вперёд, предоставив программистам возможность использовать аннотации типов. Это нововведение значительно упрощает жизнь разработчиков, делая код более читаемым и безопасным.

Примеры использования:

def greet(name: str) -> str:
    return f"Привет, {name}!"

> Мы уточняем что функция принимает и возвращает строку

tasks: list[str] = ["python", "PyBytes"]

> tasks должен содержать только строки

configuration: dict[str, float] = {"volume": 0.5, "brightness": 0.8}

> В этом словаре все ключи это строки, а значения - числа с плавающей запятой


🔍 Преимущества аннотаций типов:
— Повышение читаемости кода
— Упрощение отладки
— Интеграция с инструментами статического анализа (Например MyPy)


🧑‍💻 Интеграция с современными библиотеками:
Аннотации типов отлично сочетаются с такими библиотеками, как Pydantic, которые используют типизацию для валидации данных и создания моделей данных с автоматическими проверками типов.


❗️Важно помнить:
Аннотации типов — это не более чем подсказки для разработчиков и инструментов статического анализа. Они не влияют на выполнение вашего кода, но служат мощным инструментом для предотвращения ошибок и улучшения качества кода.


🔝 PyBytes Media | ✉ Telegram / 📷 Instagram / 📈Mentor Service

Погружаемся в True, False и None в Python


📈 Python обладает тремя основными объектами, играющими ключевую роль в логике и управлении потоком программ: True, False и None.

- True и False являются экземплярами типа bool, который, в свою очередь, является подклассом int. Это означает, что они могут участвовать в математических выражениях как 1 и 0.

# Пример с математикой
результат = True + False # будет 1

😱 Создание подклассов для bool запрещено, чтобы обеспечить чистоту и предсказуемость кода.

➡️Взгляд на None и NoneType

None — это единственный экземпляр NoneType и представляет собой синглтон, указывающий на отсутствие значения. Эта особенность позволяет использовать None в качестве уникального индикатора "пустоты" или "ничего".

# Демонстрация None
a = None
print(a is None) # Выведет True

😠 Каждая функция в Python, которая не имеет явного return, по умолчанию возвращает None. Это важно для понимания поведения функций, которые не предназначены для возвращения значения.

def test_func():
    pass

print(test_func() is None) # Выведет True

😎Понимание True, False и None необходимо для осознания логических операций и управления потоком в Python, что делает код более чистым и интуитивно понятным.


🔝 PyBytes Media | ✉ Telegram / 📷 Instagram / 📈Mentor Service

Итераторы и генераторы [Часть 2]

💃 В повседневной работе мы часто сталкиваемся с генераторами, даже не задумываясь об этом. Например, функция range() в Python - это классический генератор, который позволяет эффективно генерировать последовательность чисел.

for i in range(5):
    print(i)

🛠 Вместо того, чтобы создавать списки, попробуйте использовать генераторы для обработки данных. Генераторы занимают меньше памяти и работают быстрее, так как обрабатывают элементы последовательно.

# Список
numbers_list = [x * 2 for x in range(10)]

# Генератор
numbers_gen = (x * 2 for x in range(10))

🔄 Один из продвинутых инструментов генераторов - метод send(), который позволяет отправлять значение обратно в генератор. Это открывает возможности для интерактивного взаимодействия с генератором.

def counter():
    n = 0
    while True:
        received = yield n
        if received is not None:
            n = received
        else:
            n += 1

gen = counter()
print(next(gen)) 
> 0
print(gen.send(10))
> 10
print(next(gen))
> 11

📊 Сравнение производительности: В изображении вы найдете бенчмарк, демонстрирующий разницу в производительности между простой функцией с использованием генератора и без него.


😴 Генераторы - мощный инструмент для эффективной работы с данными. Используйте их, чтобы сэкономить память и время выполнения программ.

🔝 PyBytes Media | ✉ Telegram / 📷 Instagram / 📈Mentor Service

Оператор "Морж" (Walrus Operator)

💃Оператор "Морж" (`:=`), введённый в Python 3.8, представляет собой мощный инструмент для сокращения кода и улучшения его читаемости. Этот оператор позволяет назначать значения переменным внутри выражений, что особенно полезно в условиях, циклах и списках.

💡 Рассмотрим пример использования в условии. Вместо того, чтобы вызывать функцию дважды для проверки и получения значения, можно сделать это один раз:

if (n := len(a)) > 10:
    print(f"Список слишком длинный, {n} элементов")

🔄 Этот оператор также идеально подходит для циклов, позволяя упростить код при работе с итераторами:

while (line := input("Введите что-нибудь: ")) != "стоп":
    print(f"Вы ввели {line}")

✏️В списковых включениях оператор "Морж" может быть использован для фильтрации элементов без необходимости повторного вычисления:

numbers = [0, 1, 2, 3, 4]
squared_even_numbers = [n2 for n in numbers if (n2 := n ** 2) % 2 == 0]

🔍 Для демонстрации более сложного применения, давайте рассмотрим использование в условной логике с множественными if/elif (картинка "code 1").

📊Оператор "Морж" значительно упрощает код, делая его не только короче, но и более читаемым. Используйте его, чтобы сделать свои программы более эффективными и понятными.

🔝 PyBytes Media | ✉ Telegram / 📷 Instagram / 📈Mentor Service

Dataclasses [Часть 1]

😈 Введение в dataclasses: Python предлагает мощный механизм для упрощения работы с классами данных - модуль dataclasses. Этот инструмент позволяет автоматически добавлять специальные методы в классы: __init__, __repr__, __eq__, и другие, основываясь на аннотациях типов полей класса.

from dataclasses import dataclass
⠀
@dataclass
class Point:
⠀⠀x: int
⠀⠀y: int

👆 В этом примере мы определили класс Point с помощью декоратора @dataclass, который автоматически добавляет методы __init__ и __repr__, упрощая создание экземпляров и их отображение.

💡 Почему это важно? Использование dataclasses позволяет сократить количество шаблонного кода, улучшить читаемость и сделать код более декларативным. Вы определяете структуру данных, а Python заботится о реализации методов.

😳Давайте рассмотрим подробнее, как создать экземпляр класса Point и какие методы автоматически генерируются:

point = Point(10, 20)
print(point)

📌 В результате мы получаем экземпляр класса Point, который можно легко выводить на печать, благодаря автоматически сгенерированному методу __repr__.

❤️‍🔥 Dataclasses представляют собой мощный инструмент для работы с данными в Python, облегчающий создание классов для хранения данных без необходимости писать многословный код.

🔝 PyBytes Media | ✉ Telegram / 📷 Instagram / 📈Mentor Service

Введение в магические методы [Часть 1]

🧙‍♀️Магические методы в Python, часто называемые "dunder" методами (от "double underscore"), играют ключевую роль в реализации внутреннего поведения объектов. Их название всегда начинается и заканчивается двумя символами подчеркивания. Например, __init__ для инициализации объектов.

🍀Примером магического метода, который мы используем ежедневно, является init, позволяющий определить начальное состояние объекта.

class Book:
⠀⠀def __init__(self, title, author):
⠀⠀⠀⠀self.title = title
⠀⠀⠀⠀self.author = author

👌 Другой интересный пример - str и repr которые определяют, как объект будет представлен в строковом формате. Это особенно полезно для отладки и логирования.

⠀⠀def __str__(self):
⠀⠀⠀⠀return f"{self.title} by {self.author}"

⠀⠀def __repr__(self):
⠀⠀⠀⠀return f"Book({self.title!r}, {self.author!r})"

💼 Магические методы также позволяют объектам вести себя как коллекции или изменять их поведение при выполнении арифметических операций. Например, getitem позволяет обращаться к элементам коллекции с использованием синтаксиса obj[key].

🫸 Использование магических методов позволяет разработчикам создавать гибкие и интуитивно понятные интерфейсы для своих классов, облегчая работу с объектами и повышая читаемость кода.

🔝 PyBytes Media | ✉ Telegram / 📷 Instagram / 📈Mentor Service