👩‍💻 Фильтрация списка словарей

Напишите функцию, которая принимает список словарей и фильтрует его, возвращая только те словари, в которых значение указанного ключа превышает заданное значение.

Пример:

data = [
    {"name": "Alice", "age": 25},
    {"name": "Bob", "age": 30},
    {"name": "Charlie", "age": 20},
    {"name": "Diana", "age": 35}
]

result = filter_by_key(data, "age", 25)
print(result)
# Ожидаемый результат:
# [
#     {"name": "Bob", "age": 30},
#     {"name": "Diana", "age": 35}
# ]

Решение задачи🔽

def filter_by_key(data, key, threshold):
return [item for item in data if item.get(key, 0) > threshold]

# Пример использования:
data = [
{"name": "Alice", "age": 25},
{"name": "Bob", "age": 30},
{"name": "Charlie", "age": 20},
{"name": "Diana", "age": 35}
]

result = filter_by_key(data, "age", 25)
print(result)

🧠 Самые интересные статьи за последние дни:

• constexpr Game of Life

• Пишем свою Diffusion модель с нуля

• Создаем свою ORM на python — гайд

• Сборщик мусора CPython и его влияние на производительность приложения

• Разработка Task Manager с нуля до полнофункционального продукта

💬 Как автоматизировать свою переписку с девушкой в Telegram

Как автоматизировать напоминания и организацию общения с девушками, чтобы не забывать проявлять внимание. Без чат-ботов, только простые инструменты для старта диалога и управления коммуникацией.

Читать...

👩‍💻 Обработка CSV-файла и вычисление среднего значения

Напишите функцию, которая принимает путь к CSV-файлу и имя столбца. Функция должна прочитать файл, извлечь значения из указанного столбца и вычислить среднее значение этих чисел. Функция должна возвращать среднее значение.

Пример использования:

file_path = "data.csv"
column_name = "age"

average = calculate_average(file_path, column_name)
print(average)
# Ожидаемый результат (пример):
# 28.5

Решение задачи🔽

import csv

def calculate_average(file_path, column_name):
total = 0
count = 0

with open(file_path, mode="r", encoding="utf-8") as file:
reader = csv.DictReader(file)
for row in reader:
try:
value = float(row[column_name])
total += value
count += 1
except (ValueError, KeyError):
continue

if count == 0:
raise ValueError(f"No valid data found in column '{column_name}'.")

return total / count

🔎 Подборка вакансий для джунов

Junior/Middle Python Developer
🟢Python, FastAPI, Flask, Django, Docker, MySQL, PostgreSQL, Celery, Redis, RabbitMQ
🟢до 800 $ | 1–3 года

Младший специалист отдела разработки (Python) / Специалист по парсингу данных
🟢Python, Django, Celery, PostgreSQL, Linux, HTML, CSS, Redis, HTTP
🟢от 70 000 ₽ | 1–3 года

Младший backend-разработчик
🟢Python, Java, C#, PHP, JavaScript, SQL, HTTP, REST, Git, Docker
🟢от 80 000 до 120 000 ₽ | Без опыта

➡️ Чистый код в Python

Статья посвящена основам написания чистого кода на Python. Она рассматривает преимущества, стандарты и принципы чистого кода, а также содержит рекомендации, полезные для начинающих разработчиков, стремящихся улучшить качество своего кода.

Читать...

⚙️ Что такое asyncio в Python и как оно используется для асинхронного программирования?

asyncio — это стандартная библиотека Python, предоставляющая инструменты для асинхронного программирования, таких как задачи (tasks), корутины (coroutines) и управление циклами событий (event loops). Она позволяет выполнять множество операций ввода-вывода (например, сетевые запросы) параллельно, не блокируя основной поток.

➡️ Пример:

import asyncio

async def fetch_data(delay, name):
    print(f"Начинаем получение данных {name}")
    await asyncio.sleep(delay)  # Асинхронная задержка
    print(f"Завершено получение данных {name}")

async def main():
    # Запускаем несколько задач параллельно
    await asyncio.gather(
        fetch_data(2, "A"),
        fetch_data(1, "B"),
        fetch_data(3, "C"),
    )

# Запуск цикла событий
asyncio.run(main())

🗣️ В этом примере asyncio.gather запускает три асинхронные задачи одновременно, позволяя эффективно использовать время ожидания ввода-вывода. asyncio полезен для построения сетевых приложений, ботов и других асинхронных систем.

🖥 Подробнее тут

📝 Подборка вакансий для мидлов

Python разработчик
• Python, Django, Celery, Redis, Memcache, PostgreSQL, Docker
• от 200 000 до 300 000 ₽ | 3+ года

Инженер DevOps
• Linux, Docker, Python, Bash, Git, Grafana, Kubernetes
• от 300 000 до 370 000 ₽ | 3+ года

Machine Learning Engineer / Media AI Agents
• Python, PyTorch, TensorFlow, Hugging Face, Docker, RESTful API, Pandas
• от 2 500 до 5 000 $ | 3+ года

👩‍💻 Создание блога на FastAPI с нуля: JWT, Markdown и современный веб-дизайн

В этой статье мы создадим полноценный мини-блог на FastAPI с нуля, используя современные технологии веб-разработки. Вы узнаете, как реализовать JWT-аутентификацию, работать с Markdown и создать привлекательный пользовательский интерфейс.

Читать...

👩‍💻 Поиск второго наибольшего числа в списке

Напишите функцию, которая принимает список чисел и возвращает второе наибольшее число. Если такого числа нет (например, все элементы одинаковые или список содержит менее двух элементов), функция должна возвращать None.

Пример:

print(second_largest([4, 1, 7, 3, 9, 7]))  # Ожидаемый результат: 7
print(second_largest([10, 10, 10]))         # Ожидаемый результат: None
print(second_largest([5]))                  # Ожидаемый результат: None

Решение задачи🔽

def second_largest(numbers):
unique_numbers = list(set(numbers))
if len(unique_numbers) < 2:
return None
unique_numbers.sort(reverse=True)
return unique_numbers[1]

# Пример использования:
print(second_largest([4, 1, 7, 3, 9, 7])) # Ожидаемый результат: 7
print(second_largest([10, 10, 10])) # Ожидаемый результат: None
print(second_largest([5])) # Ожидаемый результат: None

👩‍💻 no-code (hub.ultralytics.com) в связке с Yandex DataSphere

Статья рассматривает no-code и low-code платформы для обучения нейросетей. Особое внимание уделяется платформе Ultralytics Hub, её возможностям обучения Yolo-моделей и использованию ресурсов Yandex DataSphere.

Читать...

👩‍💻 Большой гайд по миграциям в Django: готовимся к миграциям и избегаем конфликтов

Статья посвящена работе с миграциями в Django. Рассматриваются их назначение, настройка, предотвращение конфликтов, управление историей миграций и поддержание её чистоты, с практическими примерами.

Читать...

📝 Подборка вакансий для сеньоров

Senior Python developer
• Python, Kubernetes, SQLAlchemy, Docker, Bash, RedHat JBOSS AMQ
• Уровень дохода не указан | 5+ лет

Senior DevOps Engineer
• Git, Python, Linux, Kubernetes, Docker, CI/CD, Java, Terraform, Apache Kafka
• от 350 000 ₽ | 3+ года

Ведущий автотестировщик Python, Selenium
• Python, Selenium, pytest, GitLab CI, REST API, SQL
• Уровень дохода не указан | 3–4 года

📈 Подборка статей для вашей карьеры

• Как растут data science-инженеры и что советуют синьоры, чтобы развиваться быстрее

• Как пройти стажировку бизнес- и системного аналитика и не «сгореть» в персональной преисподней

• Карьерный рост из senior: кто такой staff-инженер?

• Что лучше — оценка рекрутера или подбрасывание монетки?

• Мотивационные стили в обучении: почему вам (возможно) не нужны цели или общение с одногруппниками

👩‍💻 Как написать Raft на чистом Python: основы

Статья объясняет основы реализации алгоритма Raft на Python. Рассматриваются механизмы выбора лидера, репликации данных и обеспечения согласованности для стабильной работы распределённых систем.

Читать...

⚙️ Что такое logging в Python?

logging — это встроенный модуль Python для создания логов, которые помогают отлаживать и мониторить работу приложений.

➡️ Пример:

import logging

# Настройка базового уровня логирования
logging.basicConfig(level=logging.INFO)

# Создание лога
logging.info("Приложение запущено")
logging.warning("Это предупреждение!")
logging.error("Произошла ошибка")

🗣️ В этом примере модуль logging создаёт сообщения разного уровня важности. Логирование позволяет отслеживать работу приложений и находить проблемы в коде.

🖥 Подробнее тут

➡️ О векторных базах данных простым языком

Статья объясняет, как реализовать поисковую систему для онлайн-магазина, которая анализирует запросы пользователей и предлагает релевантные результаты, такие как товары по теме "лето".

Читать...

👩‍💻 Вредоносные пакеты deepseeek и deepseekai были опубликованы в Python Package Index

Исследователи обнаружили вредоносные пакеты deepseeek и deepseekai, крадущие конфиденциальные данные из окружения. В статье разбор атаки, её механизм и рекомендации по защите.

Читать...

🗣️ Если задача идёт тяжело, попробуй объяснить её вслух

Иногда код стопорится не потому, что он сложный, а потому что ты не до конца понимаешь суть задачи.

👉 Совет: проговори проблему, даже если рядом никого нет. Или напиши объяснение для «воображаемого джуниора». Это заставит тебя структурировать мысли и, возможно, решение найдётся само.

🔎 Подборка зарубежных вакансий

Backend & Data Scientist Engineer
🟢Python, TensorFlow, PyTorch, FastAPI, LLM, PostgreSQL, Docker
🟢до 4 000 $ | 3–6 лет

DevOps-инженер (Igaming)
🟢Linux, CI/CD, DevOps, Docker, PostgreSQL, Nginx, Prometheus, ELK, Python
🟢от 2 000 до 3 200 $ | 3–6 лет

AI Engineer
🟢Python, PyTorch, TensorFlow, JAX, Solidity, Rust, Kubernetes, Docker, Kafka, BigQuery
🟢от 2 000 до 5 000 $ | 3–6 лет

👩‍💻 ТОП-43 курса по Machine Learning, включая бесплатные курсы по машинному обучению

В статье представлены как платные, так и бесплатные онлайн-курсы по машинному обучению, которые подойдут как новичкам, так и опытным специалистам. Узнайте, как создавать ML-модели, работать с большими данными и применять полученные навыки в реальных проектах, чтобы открыть новые карьерные возможности.

Читать...