Совет по Python: itertools.compress() удобная фильтрация по маске

compress() возвращает только те элементы, для которых соответствующее значение в списке selectors равно True

from itertools import compress

letters = 'ABCDEFG'
bools = [True, False, True, True, False]

print(list(compress(letters, bools)))
# ['A', 'C', 'D']

Полезно, когда нужно быстро фильтровать данные по булевой маске 🤝

✈️ Python Ninja

Разработчики OpenAI показали как сами используют Codex

Компания выкатила гайд с реальными сценариями использования Codex внутри компании. Не очередная статья из серии «AI ускоряет разработку на 999%», а реальные рабочие сценарии изнутри OpenAI

Как писать промпты для рефакторинга, миграций и поиска багов, какие задачи отдают ИИ во время созвонов и как выжимать из агента максимум пользы

Внутри много практики и идей, которые можно применять уже сегодня

С переводом на русский здесь 👇

☝️ Ссылка источник

✈️ Python Ninja

Совет по Python: как писать код с эффективным использованием памяти

Это проблемный код:

def generate_transactions_inefficient(df: pd.DataFrame):
    
    transactions = []

    for _, row in df.iterrows():
        transactions.append({
            'user_id': row['user_id'],
            'amount': row['amount'],
            'transaction_date': row['transaction_date'],
            'status': row['status']
        })

    return transactions

Проблема в том, что такой подход сохраняет ВСЕ обработанные строки в памяти перед тем, как что-либо вернуть. Это как приготовить 10 000 блюд и хранить их все на кухне место быстро закончится

Лучший подход использовать yield:

def generate_transactions_efficient(df: pd.DataFrame):

    for _, row in df.iterrows():
        yield {
            'user_id': row['user_id'],
            'amount': row['amount'],
            'transaction_date': row['transaction_date'],
            'status': row['status']
        }

Вместо того чтобы собирать один большой список в памяти, эта функция выдаёт по одной транзакции за раз, только когда это нужно. Это как готовить блюда только по мере поступления заказов

Проблем с памятью здесь нет 📘

✈️ Python Ninja

Как, а главное зачем? 🧃

✈️ Python Ninja

Нашёл сокровищницу для нвочиков в Python

Удобная шпаргалка, где в одном месте собрали всё, что чаще всего приходится вспоминать: типы данных, операции, строки, списки, словари, методы и база конструкции языка

Хорошая штука, можно держать рядом во время работы, обучения и практики

Забираем в закладки за лайк ❤️

☝️ Ссылка источник

✈️ Python Ninja

Ошибка на ровном месте: попытка изменить кортеж

Что выведет код? 📖

✈️ Python Ninja

Принёс полезное: интерактивный гайд по созданию своего Git

Простой и пошаговый разбор: как устроены коммиты, индексы, деревья, как работает .git под капотом. Идеально чтоб наконец-то понять, что там внутри

☝️ Ссылка источник

✈️ Python Ninja

Скрытая логика строковых сравнений

Что выведет код? 😱

✈️ Python Ninja

Принёс полезное Python‑Scripts подборка скриптов автоматизации

Python-Scripts это как папка на флешке у знакомого «того самого айтишника», у которого всегда есть скрипт на все случаи жизни. Хочешь быстро разгрести беспорядок в загрузках берёшь один. Нужно разослать письма всей группе вот другой

Коллекция разнообразная и всегда подскажет готовое решение, пока ты пьёшь чай и смотришь как всё делается 🪑

☝️ Ссылка источник

✈️ Python Ninja

Совет по Python: как проверить наличие подклассов

Проверить наследование классов вPython для проверки подклассов используется встроенная функция issubclass():

class Vehicle:
    pass


class Car(Vehicle):
    pass


issubclass(Car, Vehicle)
# True

issubclass(Vehicle, Car)
# False

issubclass(A, B) проверяет:
является ли класс A подклассом класса B.

Полезная особенность можно передать кортеж классов:

issubclass(Car, (list, Vehicle))
# True

Python вернёт True, если класс наследуется хотя бы от одного класса из кортежа

✈️ Python Ninja

Осваиваем вайбкодинг бесплатно

Вице-президент Wix запустил мощную платформу для обучения AI-кодингу в паре с нейросетями. Всё объясняется максимально простым языком, так что разобраться сможет человек, который ни разу не пользовался ChatGPT.

Внутри:

• 14 уровней обучения;
• 150 интерактивных уроков;
• путь от базовой работы в терминале до MCP и автономных AI-агентов.

При этом курс уже успел получить хорошие отзывы его отдельно отметил Борис Черный, создатель Claude Code.

✈ Python Ninja

Распаковка последовательностей с * в Python

В Python можно распаковывать последовательности с помощью *, чтобы работать с переменным количеством элементов

При этом * можно ставить в любом месте, и он соберёт все «лишние» значения в отдельную переменную-список 👇

a, b, c = 10, 2, 3      # стандартная распаковка
a, *b = 10, 2, 3        # b = [2, 3]
a, *b, c = 10, 2, 3, 4  # b = [2, 3]
*a, b, c = 10, 2, 3, 4  # a = [10, 2]

Удобно, когда не знаешь заранее длину списка или нужно взять только часть элементов

✈️ Python Ninja

Нужно понять какие аргументы переданы в Python-скрипт?

Для этого используется sys.argv список аргументов командной строки.

import sys

print(sys.argv)

Как это работает: sys.argv[0] имя самого скрипта дальше идут все переданные параметры запуска

Пример:

python app.py hello world

Результат:

['app.py', 'hello', 'world']

Простой и базовый способ работать с CLI-аргументами в Python 👉

✈️ Python Ninja

Отличный ресурс по паттернам проектирования с примерами на популярных языках

Собраны все основные паттерны проектирования с примерами кода, схемами и краткими объяснениями. Удобно для повторения, обучения или собеседований 👍

☝️ Ссылка источник

✈ Python Ninja

Еще минутку 😳

✈ Python Ninja

Microsoft буквально выпустили качалку для AI-агентов

Компания представила SkillOpt систему, автоматического улучшения навыков и инструкций агента. По сути AI сам переписывает свои файлы: добавляет полезные инструкции, оптимизирует рабочий процесс и убирает недостатки.

Интересно что результаты выглядят очень серьёзно. В тестах качество работы GPT-5.5 после оптимизации через SkillOpt увеличилось примерно на 23%. Причём прирост наблюдался сразу на нескольких бенчмарках.

☝️ Ссылка источник

✈️ Python Ninja

Крупнейшая коллекция реализаций алгоритмов «The-Algorithms»

Хотите изучать алгоритмы легко и интересно? Держите крупнейшую коллекцию реализаций алгоритмов на десятках языков программирования. Простой поиск, чистый код, пояснения

Сохраняем за лайк ✍️

☝️ Ссылка источник

✈️ Python Ninja

Как строить box plot'ы в Python?

На этот раз небольшая битва между pandas и seaborn.

Вариант 1. Seaborn
Когда важны красивые графики и удобная работа с категориями:

import seaborn as sns

sns.set_theme(style="whitegrid")

tips = sns.load_dataset("tips")
sns.boxplot(x="day", y="total_bill", data=tips)

Плюсы:

• приятный внешний вид из коробки
• удобно сравнивать категории
• много возможностей для кастомизации

Вариант 2. Pandas
Когда данные уже находятся в DataFrame и нужен быстрый результат:

import numpy as np
import pandas as pd

np.random.seed(1234)

df = pd.DataFrame(
    np.random.randn(10, 4),
    columns=["Col1", "Col2", "Col3", "Col4"]
)

df.boxplot(column=["Col1", "Col2", "Col3"])

Плюсы:

• минимум кода
• не нужно подключать seaborn
• удобно для быстрого анализа данных

Простое правило: Используйте pandas, если нужен быстрый box plot. Используйте seaborn, если график пойдёт в отчёт, презентацию или дашборд.

Оба инструмента строят box plot'ы отлично выбор зависит от задачи

✈ Python Ninja

Проверка вхождения подстроки в кортеже

Что выведет код ✏️

✈ Python Ninja