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

🚀 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

Dataclasses [Часть 2]

🚀Метод post_init и начало работы с полями: После инициализации объекта dataclass с помощью метода init, можно дополнительно настроить объект с помощью метода post_init. Это особенно полезно, когда необходима дополнительная логика после создания объекта.

from dataclasses import dataclass

@dataclass
class Product:
⠀⠀name: str
⠀⠀price: float
⠀⠀discount: float = 0.0
⠀⠀final_price: float = 0.0

⠀⠀def __post_init__(self):
⠀⠀⠀⠀self.final_price = self.price - (self.price * self.discount)

😉В этом примере, после инициализации объекта Product, метод post_init автоматически рассчитывает final_price с учетом скидки. Это позволяет эффективно управлять данными объекта сразу после его создания.

💃Работа с полями в dataclasses также предоставляет мощные возможности для управления атрибутами. Одним из таких инструментов является параметр init=False, который позволяет определить поля, исключенные из автоматически сгенерированного метода init. Эти поля могут быть инициализированы внутри post_init или оставлены для последующего определения.

@dataclass
class Example:
⠀⠀fixed_value: int = 0
⠀⠀runtime_value: int = field(init=False)

⠀⠀def __post_init__(self):
⠀⠀⠀⠀self.runtime_value = self.fixed_value * 10

🛠В примере выше, runtime_value не будет требоваться при создании объекта Example, но будет автоматически рассчитан в методе post_init.

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

Магические методы для операций с числами [Часть 3]

0️⃣ Работая с числовыми типами данных в Python, магические методы, такие как add, sub, mul, предоставляют мощные инструменты для кастомизации поведения ваших объектов при использовании арифметических операторов.

➕Метод add позволяет определить поведение для операции сложения с использованием оператора +. Это открывает двери для создания объектов, которые могут взаимодействовать друг с другом через математические операции.

class Money:
  def __init__(self, amount):
    self.amount = amount
    
  def __add__(self, other):
    return Money(self.amount + other.amount)

➖Аналогично, sub определяет поведение для операции вычитания (`-`), позволяя создавать выражения, где объекты могут быть уменьшены на значение другого объекта.

  def __sub__(self, other):
    return Money(self.amount - other.amount)

🫣 Метод mul используется для определения поведения умножения (`*`), что делает возможным умножать ваши объекты на числа или на другие объекты, предоставляя ещё большую гибкость.

  def __mul__(self, multiplier):
    if isinstance(multiplier, (float, int)):
      return Money(self.amount * multiplier)
    else:
      raise ValueError("Multiplier must be a number")

🫡 Эти методы значительно расширяют возможности объектно-ориентированного программирования в Python, позволяя объектам вести себя как встроенные числовые типы. Таким образом, вы можете создавать более сложные и выразительные абстракции, сохраняя при этом чистоту и простоту вашего кода.

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

Забавные факты о Python: однострочные чудеса 🤯

🪄Есть стереотип, что из-за синтаксиса Python каждый алгоритм будет занимать много места и строк. Но что, если я скажу вам, что в современных версиях Python можно создать сложные алгоритмы всего в одну строку? Да, даже самые неожиданные решения могут быть эффективно сжаты без потери читаемости (ну, почти без потерь 😅).

📈Сегодня мы научимся создавать рекурсивный калькулятор факториала, демонстрируя эту необычную возможность Python!

🫣Прежде чем мы раскроем ответ, давайте посмотрим на примеры, как наш таинственный калькулятор должен работать:
- Факториал 3 (`3!`) равен 3 * 2 * 1 = 6.
- Факториал 5 (`5!`) равен 5 * 4 * 3 * 2 * 1 = 120.

🤔Задание-викторина! Если вы готовы попробовать себя, вот ваш шанс и подсказки:

1) Используйте лямбда-функции
2) Примените оператор присваивания (walrus operator), чтобы вызвать лямбду на той же строке
3) Передайте лямбду самой себе, чтобы реализовать рекурсию


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

А теперь, внимание, решение:

f = lambda n: n * f(n - 1) if n > 1 else 1

🤔 Python достаточно умен что бы понять на что ссылается внутренний "f". В ином случае вы можете использовать "walrus operator":

(f := lambda n: n * f(n - 1) if n > 1 else 1)(x)

😉 Используя этот код, вы можете вычислить факториал любого числа. Например:

print(f(5))
# Вывод: 120

print(f(3))
# Вывод: 6

🥱 Этот уникальный пример показывает, насколько гибким и мощным может быть Python, позволяя создавать мощные решения в компактной форме.

😱Важно помнить, что хотя такие трюки и впечатляют, читаемость и понимание кода остаются приоритетами. Используйте эту магию с умом!

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

__slots__ в Python 🐍

🔤Предназначение slots: slots определяют набор атрибутов, которые объект будет иметь, ограничивая создание других атрибутов. Это уменьшает потребление памяти и ускоряет доступ к атрибутам, поскольку Python не создаёт словарь атрибутов для каждого экземпляра.

🛠Создание slots: Для использования slots в классе, нужно определить атрибут slots с кортежем или списком имен атрибутов.

class Point:
⠀⠀__slots__ = ('x', 'y')

⠀⠀def __init__(self, x, y):
⠀⠀⠀⠀self.x = x
⠀⠀⠀⠀self.y = y

Этот код создаст класс Point, объекты которого могут иметь только атрибуты x и y.

🚫Когда slots не подходят:
- Необходимость динамического добавления новых атрибутов к экземплярам после их создания.
- Использование в классах, предназначенных для наследования (потомки Point без своих slots:
⠀получат обычный словарь атрибутов).
- Классы, использующие некоторые специфичные для Python возможности (например, слабые ссылки).

💃Пример с наследованнием:

class ColorPoint(Point):
⠀⠀__slots__ = ('color',) # Добавляем атрибут color

⠀⠀def __init__(self, x, y, color):
⠀⠀⠀⠀super().__init__(x, y)
⠀⠀⠀⠀self.color = color

# Создание объекта
cp = ColorPoint(1, 2, 'red')

Этот пример демонстрирует, как можно расширить класс с slots добавив новые атрибуты через наследование.

⛔️Заключение: slots - мощный инструмент для оптимизации классов в Python, но его использование должно быть обдуманным из-за ограничений и потенциальных подводных камней.

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

Декораторы в Python [Часть 1]

🥱 Зачем нужны декораторы? В Python декораторы — это мощный инструмент, позволяющий изменять поведение функций и методов. Они обеспечивают простой способ добавления функциональности к существующему коду, не изменяя его напрямую.

🛠Как работают декораторы? Декоратор в Python — это вызываемый объект (callable), который принимает другой вызываемый объект и возвращает любой объект (не обязательно вызываемый). Это значительно расширяет возможности декораторов по сравнению с простым изменением функций.

def simple_decorator(function):
⠀⠀return "No more original function!"

@simple_decorator
def will_not_run():
⠀⠀return "I am the original function!"


print(will_not_run)  # Выведет: No more original function!

🔍В этом примере simple_decorator прямо заменяет функцию will_not_run строкой, демонстрируя, что декоратор может возвращать любой объект, не обязательно функцию. Это ключевое отличие, позволяющее декораторам в Python быть чрезвычайно гибкими.

🌐Эта особенность делает декораторы важным инструментом в арсенале разработчика Python, позволяя адаптировать функциональность к различным сценариям использования.

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

🚀🌐 ВАКАНСИЯ: Middle FrontEnd Developer (JavaScript) 🌐🚀

Привет, фронтенд гуру! 👋
Мы расширяем нашу команду и ищем опытного Middle FrontEnd Developer, готового воплощать в жизнь самые смелые идеи наших проектов! 🚀


Требования к кандидату:
➡️ JavaScript/ES6+: Глубокие знания и опыт в разработке на чистом JavaScript и современных стандартах ECMAScript.
➡️ Фреймворки: Уверенное владение React.js и/или Vue.js. Опыт работы с другими фреймворками – большой плюс!
➡️ HTML5 & CSS3: Продвинутые навыки в создании современных и отзывчивых интерфейсов.
➡️ RESTful API: Опыт работы с взаимодействием фронтенда с бэкендом через RESTful API.
➡️ Сборщики и модульные системы: Знание инструментов типа Webpack, Babel и понимание модульных систем (CommonJS, ES6 Modules).
➡️ Git: Навыки работы с системами контроля версий, в том числе опыт с Git.


Будет плюсом:
➡️ Тестирование кода: Знание и опыт в написании модульных и интеграционных тестов.
➡️ Опыт работы с GraphQL: Понимание и практический опыт работы с GraphQL API.
➡️ Английский язык: Хорошее понимание технической документации на английском.


Софт-скилы:
➡️ Коммуникабельность: Способность четко и эффективно общаться в команде.
➡️ Работа в команде: Опыт работы в командной среде, умение слушать и высказывать свое мнение.
➡️ Самостоятельность: Готовность принимать ответственность за свою работу и принимать инициативу.


🐱 С кандидатом будет оговорен месячный оклад либо система Proof Of Work


🤖 Контакты @lunasantrope

Декораторы в Python [Часть 2]

📈Создание функциональных декораторов. Основная идея функционального декоратора заключается в том, чтобы расширить поведение функции без её изменения. Декоратор принимает функцию как аргумент и возвращает новую функцию, добавляя к ней дополнительную функциональность.

🛠Пример создания декоратора:

def uppercase_decorator(func):
⠀⠀def wrapper():
⠀⠀⠀⠀result = func()
⠀⠀⠀⠀return result.upper()
⠀⠀return wrapper

@uppercase_decorator
def greet():
⠀⠀return 'Hello there!'

print(greet())  # Выведет: 'HELLO THERE!'

💡 В этом примере, декоратор uppercase_decorator берёт возвращаемое значение функции greet и преобразует его в верхний регистр. Это показывает, как можно изменить результат работы функции, не изменяя её первоначальный код.

🤔 Параметризированные декораторы. Иногда требуется большая гибкость, чем предоставляет простой декоратор. В таких случаях можно создать декоратор с параметрами:

def repeat(times):
⠀⠀def decorator_repeat(func):
⠀⠀⠀⠀def wrapper(*args, **kwargs):
⠀⠀⠀⠀⠀⠀for _ in range(times):
⠀⠀⠀⠀⠀⠀⠀⠀print(func(*args, **kwargs))
⠀⠀⠀⠀return wrapper
⠀⠀return decorator_repeat

@repeat(times=3)
def say_word(word):
⠀⠀return word

say_word('Hello')  # Выведет 'Hello' три раза

😎 Использование функциональных декораторов позволяет разработчикам Python легко расширять и модифицировать поведение функций, что делает код более читаемым, эффективным и организованным.

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

🚀🌐 ВАКАНСИЯ: Middle Python Developer (Python 3.9+) 🌐🚀

Привет, Python мастер! 👋
Мы ищем опытного Middle Python Developer, готового внести свой вклад в разработку увлекательных проектов! 🚀


Требования к кандидату:
➡️ Python 3.9+: Профессиональные навыки в разработке на Python и использование последних версий.
➡️ Библиотеки: Опыт работы с aiogram 3.0, asyncio, aiohttp.
➡️ Базы данных: Знание работы с PostgreSQL, опыт в работе с SQL и noSQL.
➡️ Docker: Уверенное использование Docker и опыт работы с docker compose.
➡️ ORM и миграции: Знание sqlalchemy и alembic.
➡️ Типизация: Опыт применения typing.
➡️ Дополнительные технологии: Опыт работы с FastAPI, знание Celery для асинхронных задач.
➡️ Фреймворки: Знание Flask и опыт в его применении.
➡️ Портфолио: Презентация прошлых проектов и достижений.
➡️ 18+: Соблюдение возрастных требований.
➡️ ООП: Глубокое понимание объектно-ориентированного программирования.


Требования к софт-скиллам:
➡️ Коммуникабельность: Способность четко и эффективно общаться в команде.
➡️ Работа в команде: Опыт работы в командной среде, умение слушать и высказывать свое мнение.
➡️ Самостоятельность: Готовность принимать ответственность за свою работу и принимать инициативу.
➡️ Проактивность: Активное участие в обсуждении и улучшении процессов разработки.
➡️ Адаптивность: Готовность быстро адаптироваться к изменениям и новым технологиям.


🤖 Контакты @lunasantrope

Декораторы в Python [Часть 3]

🔝Декораторы классов. В отличие от функциональных декораторов, которые модифицируют функции, декораторы классов предназначены для изменения или расширения функциональности классов. Они принимают класс в качестве аргумента и возвращают новый класс (как в случае с dataclass) или модифицированный исходный.

🛠 Пример создания декоратора класса:

def decorator_cls(original_class):
⠀⠀class ModifiedClass(original_class):
⠀⠀⠀⠀new_attribute = 'I am new!'
⠀⠀⠀⠀def extra_method(self):
⠀⠀⠀⠀⠀⠀return "This is an extra method!"
⠀⠀return ModifiedClass

@decorator_cls
class OriginalClass:
⠀⠀def __init__(self):
⠀⠀⠀⠀self.name = "Original"

instance = OriginalClass()
print(instance.new_attribute)  # Выведет: I am new!
print(instance.extra_method())  # Выведет: This is an extra method!

😑 Этот пример демонстрирует, как декоратор класса может добавить новые атрибуты и методы к классу. Это особенно полезно для добавления функциональности ко всем экземплярам класса без изменения самого класса.

🤔Использование декораторов классов может быть особенно полезным в таких случаях, как регистрация классов, проверка атрибутов, добавление новых методов или автоматическая сериализация.

🔄 Применение декораторов классов упрощает управление изменениями и повышает гибкость кода, позволяя разработчикам легко добавлять новую функциональность к существующим классам.


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

Декораторы в Python [Часть 4]

🫡Накопление декораторов (Stacking Decorators). Накопление (или стекинг) декораторов позволяет применить несколько декораторов к одной функции, добавляя многоуровневую функциональность. При этом декораторы применяются последовательно, снизу вверх.

🛠Пример стекинга декораторов:

def make_bold(func):
⠀⠀def wrapper():
⠀⠀⠀⠀return f"<b>{func()}</b>"
⠀⠀return wrapper

def make_italic(func):
⠀⠀def wrapper():
⠀⠀⠀⠀return f"<i>{func()}</i>"
⠀⠀return wrapper

@make_bold
@make_italic
def say():
⠀⠀return 'Hello'

print(say())  # Выведет: <b><i>Hello</i></b>

🫣 В этом примере, say сначала обрабатывается декоратором make_italic, а затем результат – декоратором make_bold. Это иллюстрирует, как стекинг позволяет комбинировать несколько декораторов для достижения сложной функциональности.

🤔Порядок важен! Последовательность применения декораторов критична, поскольку влияет на конечный результат. Необходимо тщательно продумать порядок, чтобы избежать неожиданных результатов.

🔄 Стекинг декораторов увеличивает гибкость и мощность функционала декораторов, позволяя легко комбинировать различные модификации функций.

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

Декораторы в Python [Часть 5]

🤝 Реализация декораторов через классы. Вместо использования функций, декораторы могут быть реализованы с помощью классов. Это добавляет гибкость в создание декораторов, позволяя использовать состояние объекта для управления поведением.

🛠Пример классового декоратора:

class CountCalls:
⠀⠀def __init__(self, func):
⠀⠀⠀⠀self.func = func
⠀⠀⠀⠀self.num_calls = 0

⠀⠀def __call__(self, *args, **kwargs):
⠀⠀⠀⠀self.num_calls += 1
⠀⠀⠀⠀print(f"Вызов {self.num_calls} для {self.func.__name__}")
⠀⠀⠀⠀return self.func(*args, **kwargs)

@CountCalls
def say_hello():
⠀⠀return 'Hello!'

print(say_hello())
print(say_hello())

🥰В этом примере класс CountCalls используется как декоратор. Он отслеживает, сколько раз была вызвана функция say_hello. Каждый раз, когда функция вызывается, CountCalls увеличивает num_calls и печатает сообщение.

🤔 Использование классов для создания декораторов позволяет сохранять состояние между вызовами, что открывает дополнительные возможности для мониторинга и других задач.

🔄 Классовые декораторы предлагают мощный инструмент для расширения функциональности, сохраняя при этом читаемость и поддерживаемость кода.

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

🚀🌐 ВАКАНСИЯ: Middle Python Developer (Python 3.9+) 🌐🚀

Привет, Python мастер! 👋
Мы ищем опытного Middle Python Developer, готового внести свой вклад в разработку увлекательных проектов! 🚀


Требования к кандидату:
➡️ Python 3.9+: Профессиональные навыки в разработке на Python и использование последних версий.
➡️ Библиотеки: Опыт работы с aiogram 3.0, asyncio, aiohttp.
➡️ Базы данных: Знание работы с PostgreSQL, опыт в работе с SQL и noSQL.
➡️ Docker: Уверенное использование Docker и опыт работы с docker compose.
➡️ ORM и миграции: Знание sqlalchemy и alembic.
➡️ Типизация: Опыт применения typing.
➡️ Дополнительные технологии: Опыт работы с FastAPI, знание Celery для асинхронных задач.
➡️ Фреймворки: Знание Flask и опыт в его применении.
➡️ Портфолио: Презентация прошлых проектов и достижений.
➡️ 18+: Соблюдение возрастных требований.
➡️ ООП: Глубокое понимание объектно-ориентированного программирования.
Требования к софт-скиллам:
➡️ Коммуникабельность: Способность четко и эффективно общаться в команде.
➡️ Работа в команде: Опыт работы в командной среде, умение слушать и высказывать свое мнение.
➡️ Самостоятельность: Готовность принимать ответственность за свою работу и принимать инициативу.
➡️ Проактивность: Активное участие в обсуждении и улучшении процессов разработки.
➡️ Адаптивность: Готовность быстро адаптироваться к изменениям и новым технологиям.


🤖 Контакты @lunasantrope

functools и lru_cache [Часть 1]

🔍Модуль functools в Python предоставляет инструменты для работы с функциями высшего порядка, то есть функциями, которые действуют на другие функции или возвращают их в качестве результатов. Этот модуль помогает сократить код и улучшить его читаемость.

📦 Одной из замечательных особенностей functools является декоратор lru_cache. Он позволяет сохранять результаты дорогих по времени вычислений функций, чтобы при последующих вызовах с теми же аргументами возвращать сохраненный результат, избегая повторного вычисления.

from functools import lru_cache

@lru_cache(maxsize=32)
def expensive_func(num):
⠀⠀print(f"Вычисляется для: {num}")
⠀⠀return num * num  # Просто пример, представьте здесь дорогое вычисление

🔗 Использование lru_cache идеально подходит для функций с дорогими вычислениями и повторяющимися входными данными. maxsize определяет, сколько последних вызовов будет сохранено. Если maxsize установлено как None, кэш будет неограниченным. Однако помните, что это может привести к значительному использованию памяти.

🚀 Применение lru_cache улучшает производительность за счет уменьшения количества необходимых вычислений, что делает его мощным инструментом в арсенале любого Python-разработчика.

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

5 команд Python, которые упростят вашу жизнь [Спецвыпуск]

🎉 Иногда мы все нуждаемся в небольшом перерыве от серьезных тем. Сегодня я поделюсь пятью командами Python, которые должны облегчить вашу жизнь разработчика, особенно если они вам еще не знакомы.

🔍 dir() - показывает все методы и атрибуты объекта. Отличный способ исследовать неизвестные библиотеки или объекты.

🔖 help() - предоставляет справку по модулям, функциям, классам. Неоценимый инструмент для изучения и отладки.

🥶globals() - возвращает словарь текущего глобального символьного пространства. Это помогает понять, какие глобальные переменные активны в вашем коде.

📦locals() - аналогично globals(), но для локального пространства имен. Используйте его, чтобы увидеть переменные внутри функции или области видимости.

〰️zip() - объединяет элементы из нескольких итераторов (списков, кортежей). Создает пары или группы элементов, которые можно использовать в циклах.


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