Как найти абсолютное значение в Python

В Python для чисел, массивов и собственных объектов используется встроенная функция abs(). В этом кратком руководстве вы узнаете:

* Как реализовать абсолютную функцию вручную.
* Как работает abs() с разными типами данных.
* Как расширить abs() для NumPy, pandas и своих классов.


1. Самостоятельная реализация

def absolute_value(x):
    return x if x >= 0 else -x

Или через max:

def absolute_value(x):
    return max(x, -x)

Через корень:

def absolute_value(x):
    return (x**2) ** 0.5  # возвращает float

Но проще и эффективнее пользоваться abs().


2. Встроенная функция abs()

🔸Для целых и вещественных чисел сохраняет тип:

  abs(-5)    # 5
  abs(-5.2)  # 5.2
  

🔸Для комплексных чисел возвращает модуль:

  z = 3 + 4j
  abs(z)     # 5.0
  

🔸Для Fraction и Decimal тоже работает «из коробки»:

  from fractions import Fraction
  abs(Fraction(-3, 4))      # Fraction(3, 4)

  from decimal import Decimal
  abs(Decimal("-0.75"))     # Decimal('0.75')
  

3. Применение к коллекциям

Если у вас список чисел, используйте списковое включение или map:

temps = [1, -5, 3, -2]
[abs(x) for x in temps]        # [1, 5, 3, 2]
list(map(abs, temps))          # [1, 5, 3, 2]

4. NumPy и pandas

🔸NumPy:

  import numpy as np
  arr = np.array([-1, -4, 0, 7])
  abs(arr)                      # array([1, 4, 0, 7])
  

🔸pandas:

  import pandas as pd
  data = pd.Series([-2, 5, -3])
  abs(data)                     # Series([2, 5, 3])
  

5. Собственные классы

Чтобы abs() работал для объектов вашего класса, определите метод .__abs__():

import math

class Vector:
    def __init__(self, *coords):
        self.coords = coords

    def __abs__(self):
        return math.hypot(*self.coords)

v = Vector(3, 4)
abs(v)                          # 5.0

Вывод:

🔸Для чисел abs() – оптимальный выбор.
🔸Для списков применяйте map или генератор списка.
🔸NumPy и pandas позволяют вызывать abs() прямо на массивах и DataFrame.
🔸Для собственных типов реализуйте .__abs__().

https://realpython.com/python-absolute-value/

#python

👉 @python_real

Определение собственной функции в Python

Функции — это фундаментальный строительный блок в Python. Они позволяют организовать код, переиспользовать его и сделать программу более читаемой. Создание собственной функции — это важный шаг на пути к более эффективной разработке.

Основы: def и имя функции

Функции в Python определяются с помощью ключевого слова def, за которым следует имя функции, круглые скобки (в которых можно указать параметры), и двоеточие:

def greet():
    print("Привет!")

Теперь ты можешь вызвать функцию:

greet()

Аргументы и параметры

Ты можешь передавать данные в функцию через параметры:

def greet(name):
    print(f"Привет, {name}!")

Вызов:

greet("Oleg")

Возврат значения

С помощью ключевого слова return можно вернуть результат из функции:

def add(a, b):
    return a + b

result = add(3, 4)
print(result)  # 7

Аргументы по умолчанию

Функции могут иметь параметры с значениями по умолчанию:

def greet(name="друг"):
    print(f"Привет, {name}!")

greet()           # Привет, друг!
greet("Oleg")     # Привет, Oleg!

Именованные аргументы

Можно передавать аргументы явно по имени:

def describe_pet(animal, name):
    print(f"У меня есть {animal}, его зовут {name}.")

describe_pet(animal="кот", name="Барсик")

Возвращение нескольких значений

Функции могут возвращать несколько значений с помощью кортежей:

def get_point():
    return (3, 4)

x, y = get_point()

https://realpython.com/defining-your-own-python-function/

#python

👉 @python_real

Async IO в Python: что это и как с этим работать

Асинхронное программирование в Python — это подход, позволяющий выполнять несколько операций одновременно, не блокируя основной поток выполнения. Это особенно полезно для задач ввода-вывода (I/O), таких как сетевые запросы, работа с файлами и базы данных.

Ключевые понятия

* Сопрограммы (coroutines) — функции, которые можно приостанавливать и возобновлять.
* Событийный цикл (event loop) — механизм, управляющий выполнением асинхронных задач.
* await — оператор, который приостанавливает выполнение до завершения асинхронной операции.

Пример кода:

import asyncio

async def main():
    print("Начало")
    await asyncio.sleep(1)
    print("Конец")

asyncio.run(main())

Когда использовать async?

* Когда приложение работает с большим количеством сетевых запросов.
* Для параллельного выполнения долгих операций ввода-вывода.
* Когда требуется высокая отзывчивость программы.

Когда не стоит использовать?

* Для вычислительно тяжелых задач (лучше использовать multiprocessing).

Асинхронность в Python строится вокруг asyncio, но есть и дополнительные библиотеки (например, aiohttp для асинхронных HTTP-запросов).

https://realpython.com/async-io-python/

#python

👉 @python_real

Python Mixins: мощный инструмент для повторного использования кода

В Python Mixin — это особый вид класса, который используется для расширения функционала других классов без необходимости создавать сложные иерархии наследования. Mixin-классы сами по себе, как правило, не предназначены для самостоятельного использования — они лишь добавляют дополнительное поведение.


Основная идея Mixin

Mixin — это способ «влить» функциональность в класс, комбинируя его с другими классами через множественное наследование.
Например, если у нас есть класс LoggerMixin, он может добавлять возможность логирования в любой класс, который его наследует.

class LoggerMixin:
    def log(self, message):
        print(f"[LOG]: {message}")

class User(LoggerMixin):
    def __init__(self, name):
        self.name = name

user = User("Alice")
user.log("Пользователь создан")  # [LOG]: Пользователь создан

Принципы проектирования Mixin-классов

1. Изолированная функциональность — Mixin должен решать только одну конкретную задачу.
2. Не самостоятельный — Mixin не предназначен для создания экземпляров напрямую.
3. Малые зависимости — Mixin не должен жёстко зависеть от конкретной реализации других классов.
4. Имя — принято добавлять суффикс Mixin в название.


Зачем использовать Mixin

- Повторное использование кода без дублирования.
- Упрощение кода и снижение связности.
- Гибкость при расширении функционала.


Пример: добавление сериализации в JSON

import json

class ToJSONMixin:
    def to_json(self):
        return json.dumps(self.__dict__)

class Point(ToJSONMixin):
    def __init__(self, x, y):
        self.x = x
        self.y = y

p = Point(4, 5)
print(p.to_json())  # {"x": 4, "y": 5}

Когда Mixin лучше не использовать

- Когда поведение может быть реализовано через композицию.
- Если множественное наследование приведёт к сложной и запутанной иерархии.
- Когда Mixin начинает выполнять слишком много функций.


Mixin — это мощный и элегантный способ добавлять функционал в классы Python, сохраняя код чистым и гибким. Но использовать их стоит осторожно, чтобы избежать проблем с читаемостью и сложным наследованием.

https://realpython.com/python-mixin/

#python

👉 @python_real

📂 Как получить список всех файлов в директории на Python

Статья о том, как с помощью Python получать список файлов в директориях. Рассмотрены различные способы, включая использование модулей os, os.path, glob и более современного pathlib.

Особое внимание уделено:
- Фильтрации файлов по расширению.
- Рекурсивному поиску в подпапках.
- Преимуществам каждого подхода.

https://realpython.com/get-all-files-in-directory-python/

#python

👉 @python_real

Getters и Setters в Python — это мощный инструмент для управления доступом к атрибутам объекта.

В статье детально рассматривается, как их использовать для инкапсуляции данных и контроля за изменениями свойств объекта.

Основные моменты:
- Объяснение, почему в Python прямой доступ к атрибутам предпочтительнее, но геттеры и сеттеры остаются важными.
- Использование декоратора @property для создания свойства с геттером и сеттером.
- Примеры, как эти механизмы помогают улучшить читаемость и безопасность кода.

https://realpython.com/python-getter-setter/

#python

👉 @python_real

Как использовать pyproject.toml в Python

Рассматриваются основные аспекты работы с этим файлом, его структура и как он помогает в управлении зависимостями, настройке инструментов и организации проектов.

Краткий обзор:
- pyproject.toml появился в PEP 518 и стал стандартом для описания конфигурации Python-проектов.
- Позволяет определять сборщики (build backends), такие как setuptools или poetry.
- Упрощает настройку инструментов вроде black, mypy и pytest.
- Дает возможность управлять зависимостями и версиями пакетов.

Использование pyproject.toml делает проекты более структурированными и гибкими, особенно при работе с различными инструментами и системами сборки.

https://realpython.com/python-pyproject-toml/

#python

👉 @python_real

🚀 Вышла интересная статья о сравнении UV и pip - двух инструментов для управления зависимостями в Python.

pip - стандартный пакетный менеджер Python, который знаком каждому разработчику. Работает стабильно, но не отличается высокой скоростью.
UV - современная альтернатива от Astral (разработчиков Ruff). Его главная фишка - невероятная скорость. Он значительно быстрее pip и poetry благодаря продуманной архитектуре и кэшу.

В статье разбираются:

- ключевые различия в работе с зависимостями;
- производительность и удобство использования;
- примеры установки пакетов и сборки окружения;
- сценарии, где UV может полностью заменить pip.

Если вы часто работаете с Python-проектами и хотите ускорить установку библиотек, стоит присмотреться к UV.

https://realpython.com/uv-vs-pip/

#python

👉 @python_real

В Python стрелки (->) используются в аннотациях функций для указания возвращаемого типа. Это не строгая проверка типов, а лишь подсказка для разработчиков и инструментов (например, mypy, IDE).

Пример:

def greet(name: str) -> str:
    return "Hello, " + name

Здесь:

* name: str — аргумент name должен быть строкой.
* -> str — функция возвращает строку.

Можно использовать любые типы из модуля typing или collections.abc, например:

from typing import List, Dict, Optional

def get_users() -> List[str]:
    return ["Alice", "Bob"]

def find_user(user_id: int) -> Optional[Dict[str, str]]:
    if user_id == 1:
        return {"name": "Alice"}
    return None

Аннотации никак не влияют на исполнение кода, это всего лишь type hints.

https://realpython.com/what-does-arrow-mean-in-python/

#python

👉 @python_real

🚀 FastAPI - современный асинхронный веб-фреймворк на Python, который позволяет создавать быстрые и удобные API.

Статья от Real Python даёт отличное введение в работу с FastAPI: от установки и запуска первого приложения до обработки запросов и валидации данных с помощью Pydantic. Разбираются основы маршрутизации, использование Swagger UI для документации и преимущества асинхронности.

Если вы хотите быстро стартовать с созданием API на Python, этот гайд - отличный первый шаг.

https://realpython.com/get-started-with-fastapi/

#python

👉 @python_real

YAML: The Missing Battery in Python

https://realpython.com/python-yaml/

#python

👉 @python_real

Episode 268: Advice on Beginning to Learn Python

Что изменилось в обучении Python за последние несколько лет? Какие новые подходы и обновлённые советы стоит знать новичкам, начинающим свой путь в программировании? На этой неделе в подкасте Стивен Группетта и Мартин Брёус вновь обсуждают, как начать изучать Python.

Мы делимся методами поиска мотивации, построения собственных проектов и освоения основ языка. Даём советы по установке Python и объясняем, почему не стоит зацикливаться на выборе «идеального» редактора. Также рассматриваем, как использовать большие языковые модели (LLM) в процессе обучения программированию и практиковаться в умении задавать хорошие вопросы.

Topics:

00:00:00 – Introduction
00:02:36 – Martin’s teaching background
00:02:57 – Stephen’s teaching background
00:04:07 – Having a vested interest in learning
00:08:35 – No shortcut to learning the fundamentals
00:09:21 – Parallels to learning a foreign language
00:12:43 – What’s different about starting to learn Python now?
00:15:03 – Stephen’s journey to coaching and using LLMs
00:16:20 – Are LLMs helpful for learning?
00:18:50 – Teaching what you’ve learned to someone else
00:19:38 – Learning how to ask good questions
00:22:11 – Improved error messages
00:24:35 – REPL: Read Evaluate Print Loop
00:26:33 – Video Course Spotlight
00:27:48 – Installing Python and choosing an editor
00:35:16 – Considering the scale of beginner projects
00:37:39 – Should a beginner be concerned with making Pythonic code?
00:40:55 – Using LLM tools and defining your level of skill
00:42:39 – Python for Beginners: Code With Confidence - live course
00:47:32 – Looking at projects - Awesome Python
00:48:02 – Asking an LLM to explain the code generated
00:50:46 – Debuggers and seeing code run
00:51:23 – Thanks and goodbye

https://realpython.com/podcasts/rpp/268/

#python

👉 @python_real