Автоматическое определение подключённых USB-устройств (флешки, телефоны, мыши и т.п.)

import wmi
import time

c = wmi.WMI()

print("🔌 Мониторинг USB-устройств. Нажмите Ctrl+C для выхода.")

connected = set()

while True:
    devices = set(d.DeviceID for d in c.Win32_PnPEntity() if d.DeviceID and "USB" in d.DeviceID)
    
    new = devices - connected
    removed = connected - devices

    for dev in new:
        print(f"✅ Подключено: {dev}")
    for dev in removed:
        print(f"❌ Отключено: {dev}")

    connected = devices
    time.sleep(2)

Копия сайта в пару строк кода ❗️

from pywebcopy import save_website
save_website(
url="https://httpbin.org/",
project_folder="E://savedpages//",
project_name="my_site",
bypass_robots=True,
debug=True,
open_in_browser=True,
delay=None,
threaded=False,
)

📌 albumentations — это высокоскоростная и гибкая библиотека для аугментации изображений, созданная для глубокого обучения и компьютерного зрения. Она предоставляет широкий набор трансформаций, включая случайные обрезки, повороты, изменения яркости и контраста, а также поддержку масок и ключевых точек.

📌 Особенности библиотеки:
🟠Поддержка различных типов данных: изображения, маски, bounding boxes, ключевые точки.
🟠Высокая производительность благодаря использованию OpenCV.
🟠Простота интеграции с другими библиотеками, такими как PyTorch и TensorFlow.
🟠Широкий набор трансформаций с возможностью комбинирования их в пайплайны.

⚙️ Установка:
pip install albumentations

🔥 Полезные библиотеки Python

✅ cupy

📌 cupy — это высокопроизводительная библиотека для численных вычислений, совместимая с API NumPy, но оптимизированная для работы на GPU (CUDA и AMD ROCm). Она позволяет ускорить операции над массивами в десятки раз без изменения привычного синтаксиса NumPy, идеально подходит для ML, научных вычислений и обработки больших данных.

Документация
https://docs.cupy.dev/en/stable/

Использование модуля ast для анализа и модификации исходного кода Python

Модуль ast (Abstract Syntax Tree) позволяет анализировать и модифицировать исходный код Python на уровне его абстрактного синтаксического дерева (AST). Это мощный инструмент для тех, кто хочет динамически изменять код, строить анализаторы или трансформировать Python-программы на лету.

🗣 Этот модуль предоставляет доступ к внутренним структурам Python, что делает его полезным для статического анализа кода или автоматического изменения исходного текста программы.

✔️ ast открывает множество возможностей для тех, кто занимается метапрограммированием или созданием собственных инструментов для анализа и оптимизации Python-кода.

Clipboard Event Listener — скрипт, который реагирует на изменения в буфере обмена, считывает текст, файлы или изображения и выполняет пользовательские действия. Отлично подходит для создания авто‑сохранения скриншотов, логирования скопированного текста или авто‑загрузки новых файлов.

📱 Python 3.8+
💾 Модули: clipboard_monitor, Pillow, argparse

📌 Clipboard Event Listener использует библиотеку clipboard-monitor (с поддержкой текстовых, файловых и графических форматов) и запускает функцию-обработчик при каждом обновлении.

DABL

DABL (Data Analytics in Business Language) — это библиотека Python, которая упрощает использование машинного обучения для анализа данных. Она предоставляет простой и понятный интерфейс для создания моделей машинного обучения, а также для их обучения и оценки.

Как в Python работает метод call() и когда его имеет смысл использовать?

Ответ ⬇️
Метод call() позволяет сделать объект вызываемым, то есть, работать с ним как с функцией. Этот метод можно добавить в любой класс, чтобы экземпляр класса можно было вызвать напрямую. Это полезно, когда класс выполняет одну основную задачу и может быть использован как замена функции, сохраняя при этом внутреннее состояние и структуру.

Пример использования ⚙️

class Multiplier:
    def __init__(self, factor):
        self.factor = factor

    def __call__(self, value):
        return value * self.factor

double = Multiplier(2)
print(double(5))  # 10
print(double(8))  # 16

heapq.nlargest() и heapq.nsmallest()

В Python функции heapq.nlargest() и heapq.nsmallest() позволяют получить n наибольших или наименьших элементов из коллекции.

⚙️ functools.lru_cache

В Python декоратор functools.lru_cache кэширует результаты вызовов функции, что позволяет ускорить выполнение повторяющихся вычислений. Это удобно для оптимизации функций с дорогостоящими вычислениями.

функция vars() возвращает словарь атрибутов объекта или локальные переменные

PyOxidizer

PyOxidizer — это инструмент, позволяющий упаковать Python-проект в единый исполняемый файл, включающий интерпретатор Python, все необходимые библиотеки и ресурсы. Это позволяет запускать ваши приложения без необходимости предварительной установки Python или каких-либо зависимостей.

Хотя есть варианты куда проще...

import cv2
import numpy as np

def count_rectangles(image_path):
    img = cv2.imread(image_path)
    if img is None:
        return "Ошибка: не удалось загрузить изображение."

    gray = cv2.cvtColor(img, cv2.COLOR_BGR2GRAY)
    blurred = cv2.GaussianBlur(gray, (5, 5), 0)
    edges = cv2.Canny(blurred, 50, 150)

    contours, _ = cv2.findContours(edges.copy(), cv2.RETR_EXTERNAL, cv2.CHAIN_APPROX_SIMPLE)

    rectangle_count = 0
    for cnt in contours:
        approx = cv2.approxPolyDP(cnt, 0.02 * cv2.arcLength(cnt, True), True)
        if len(approx) == 4 and cv2.contourArea(cnt) > 1000:
            rectangle_count += 1

    return rectangle_count

# Пример использования:
# print(count_rectangles('path_to_image.jpg'))

Эта функция ищет контуры, фильтрует те, что с 4 углами и достаточной площадью (чтобы игнорировать шумы), и считает их. Работает быстро и не грузит слабые ПК.