👩‍💻 Чем отличаются shallow copy (поверхностное копирование) и deep copy (глубокое копирование) в Python?

Поверхностное копирование создаёт новый объект, но копирует только ссылки на вложенные объекты, а глубокое копирование создаёт рекурсивную копию всех объектов, включая вложенные. Это важно при работе с изменяемыми структурами данных.

➡️ Пример:

import copy

original = [[1, 2, 3], [4, 5, 6]]
shallow = copy.copy(original)
deep = copy.deepcopy(original)

original[0][0] = 99

print(shallow)  # [[99, 2, 3], [4, 5, 6]]
print(deep)     # [[1, 2, 3], [4, 5, 6]]

🗣️ Используйте deepcopy, когда вам нужно полностью изолировать изменения от оригинального объекта.

🖥 Подробнее тут

🔎 Подборка вакансий для мидлов

Преподаватель Python
🟢Python, Git, SQLite, Django, Pygame
🟢до 100 000 ₽ | Без опыта

Trainee/Intern/Junior Python backend developer
🟢от 20 000 до 40 000 ₽ | Без опыта

Junior Web реверс-инженер (Красноярск)
🟢Linux, Python, TCP/IP, HTTP
🟢Уровень дохода не указан | Без опыта

Стажер-программист Rust в блокчейн-стартап
🟢Python, Golang, rust
🟢от 800 до 1 000 $ | Без опыта

Программист-разработчик (начинающий Junior)
🟢Python, JS, SQL
🟢от 30 000 ₽ | Без опыта

👩‍💻 Как создать свой реестр для хостинга Docker-контейнеров

Хочешь полностью контролировать свои Docker-образы? Мы расскажем, как создать и настроить личный реестр контейнеров, идеально подходящий для твоих задач.

Читать...

👩‍💻 Задачка по Python

Создайте Python-приложение, которое принимает строку и определяет частоту встречаемости каждого символа в этой строке. Программа должна выводить результаты в консоль и сохранять их в файл char_count.json.

➡️ Пример:

• python app.py count "Hello, World!" — выводит количество каждого символа и сохраняет в char_count.json.

Решение задачи ⬇️

import json
import sys
from collections import Counter

def count_chars(text):
count = Counter(text)
print(count)
with open('char_count.json', 'w') as f:
json.dump(count, f)

if __name__ == "__main__":
if len(sys.argv) > 1:
count_chars(sys.argv[1])
else:
print("Укажите строку для подсчета символов.")

🔝 Самые интересные статьи за последние дни:

• SOLID на котиках

• Mount — ещё один способ уменьшения размера Docker-образа

• Pydantic 2: Полное руководство для Python-разработчиков — от основ до продвинутых техник

• PinkHash: Незабываемые розовые хеши

• Архитектура и реализация виртуальной машины CPython

👩‍💻 Оптимизируй свой AI: разоблачение 6 мифов о работе с векторами в Pgvector

Шесть заблуждений, которые мешают тебе использовать всю мощь векторных баз данных в AI. Развенчав эти мифы, ты сможешь раскрыть истинный потенциал векторов и значительно повысить эффективность твоих AI-проектов.

Читать...

🔎 Подборка вакансий для сеньоров

Senior Python Developer
🟢Python (Django), PL/pgSQL, SQL
🟢Уровень дохода не указан | 3–6 лет

Python Developer
🟢Python; Django, django_rq, PostgreSQL, Redis, GitHub, Jira
🟢Уровень дохода не указан | 3–6 лет

Full-stack разработчик (stack: next/python)
🟢Next, HTML, CSS, JavaScript, Python, Django, REST API, Node.js, SQL
🟢от 100 000 до 200 000 ₽ | 3–6 лет

Python developer (Middle\Senior)
🟢Python, Flask, FastAPI, PostgreSQL, ClickHouse, Airflow, Docker, Git
🟢Уровень дохода не указан | 3–6 лет

Python-разработчик (middle+,senior)
🟢Python, C++, ML, CI/CD, Docker, SMPL
🟢от 150 000 до 250 000 ₽ | 3–6 лет

📈 Подборка статей для вашей карьеры

• Продуктивность и почему «сделать много всего» — это не про неё

• Куда выйти из айти?

• Как я боролся с выгоранием в ИТ: лайфхаки и личный опыт

• ИТ-пенсионеры и где они обитают

• Почему мне нужно, чтобы ты вкатился в айти

👩‍💻 Эксперимент: даём ChatGPT полный доступ к компьютеру

В статье рассказывается о личном опыте создания проекта в программировании. Это не инструкция или руководство, а просто история новичка, который делится своей идеей, потому что подобного проекта он не нашел в сети.

Читать...

👩‍💻 Как работает менеджер контекста (context manager) в Python?

В Python менеджеры контекста используются для управления ресурсами, такими как файлы или сетевые соединения, автоматически освобождая их после использования. Они реализуются с помощью методов __enter__ и __exit__.

➡️ В этом примере показано, как использовать менеджер контекста для работы с файлами:

with open('file.txt', 'r') as file:
    content = file.read()

Здесь файл автоматически закроется после завершения блока with, даже если внутри него возникнет ошибка.

🗣️ Менеджеры контекста полезны для автоматического управления ресурсами и обработки исключений.

🖥 Подробнее тут

🔎 Подборка вакансий для лидов

Tech Lead QAA Python в 2GIS.PRO
🟢Python, Playwright, Allure TestOps, Gitlab, CI/CD, Kubernetes
🟢Уровень дохода не указан | 3–6 лет

Tech Lead (Python)
🟢Python, Django, Celery, HTTP/REST API, Sentry, ELK (Elasticsearch, Kibana), New Relic, OpenTelemetry, Docker, Kubernetes, Kafka, RabbitMQ, Grafana, Redash
🟢Уровень дохода не указан | 3–6 лет

Tech Lead Python
🟢Python, FastAPI, Flask, Django, NoSQL
🟢Уровень дохода не указан | Более 6 лет

Tech Lead (Python)
🟢Python, Linux, Nginx, Docker, Asyncio, aiohttp, Squid
🟢Уровень дохода не указан | 3–6 лет

👩‍💻 Деплой без стресса: автоматизируем процесс для Telegram-ботов

В статье рассказывается, как настроить автоматический деплой Telegram-бота на сервер с использованием GitHub Actions. Это поможет ускорить обновление кода и минимизировать ошибки при ручной загрузке.

Читать...

💡 Карьера — это не про «идеальную работу», а про опыт и умение адаптироваться

В мире, где всё меняется быстрее, чем ты успеваешь обновлять резюме, держаться за одну карьерную траекторию — всё равно что пытаться угнаться за горизонтом. Умение перестраиваться, пробовать новое и брать на себя задачи, которые немного пугают, — вот что реально важно. И это не про «выйди из зоны комфорта», а про осознанный выбор расти и не цепляться за привычное.

🎯 Что делать: пообщайся с коллегой из другой области, возьми на себя один проект вне своей зоны, попробуй новый инструмент или язык, устрой «ревизию» навыков — что сейчас реально работает на тебя, а что пора обновить? Простые шаги, но каждый — ключ к росту и новым возможностям.

🔎 Подборка валютных вакансий

Middle Backend Developer (Python)
🟢Python, FastAPI, Tornado, PostgreSQL, SQLAlchemy, Redis, RabbitMQ, Docker, nginx, gitlab-ci
🟢от 2 000 до 3 300 $ | 3–6 лет

Python Developer (Senior/Middle)
🟢Python, Django, Django REST Framework, Django ORM, Vue.js, Git, GitLab, PostgreSQL, Linux, SQL
🟢от 1 200 $ | 3–6 лет

Senior backend developer - Python
🟢Python, PostgreSQL, Redis, FastAPI, Flask, Pyramid, SQLAlchemy, Celery, Pydantic, AWS
🟢от 4 000 $ | Более 6 лет

QA manual/Продакт Разработчик операций AI
🟢Python, SQL, Aiogram, GPT, PostgreSQL, CRM
🟢от 800 до 1 300 $ | 1–3 года

👩‍💻 Как простая задачка поставила в тупик программистов (и как они из него выбрались)

В 2010 году пользователь Stack Overflow не справился с задачей на собеседовании. Обсуждение способов решения этого задания стало одной из самых популярных тем на платформе.

Читать...

👩‍💻 Задачка по Python

Создайте Python-скрипт, который кэширует данные с внешнего API, сохраняя их на определенное время. Когда срок кэша истекает, данные должны автоматически обновляться при следующем запросе.

➡️ Пример:

• python app.py fetch — получает данные из кэша, а если кэш истек, то заново запрашивает данные и обновляет кэш.

Решение задачи ⬇️

import time
import json
import requests
from pathlib import Path

CACHE_FILE = Path("cache.json")
CACHE_TTL = 60 # время жизни кэша в секундах

def update_cache():
data = requests.get("https://api.example.com/data").json()
cache_data = {"data": data, "timestamp": time.time()}
with open(CACHE_FILE, "w") as file:
json.dump(cache_data, file)
return data

def fetch_data():
if CACHE_FILE.exists():
with open(CACHE_FILE, "r") as file:
cache = json.load(file)
if time.time() - cache["timestamp"] < CACHE_TTL:
print("Данные из кэша:", cache["data"])
return cache["data"]

print("Обновление кэша...")
return update_cache()

# Запрос кэшированных данных
fetch_data()

🔝 Самые интересные статьи за последние дни:

• Эксперимент: даём ChatGPT полный доступ к компьютеру

• Правильный путь создания python-библиотеки: от создания до публикации

• Вычисления с GPU-ускорением на Python

• Полное руководство по обработке ошибок в Python

• Как мы обучили Mistral 7B русскому языку и адаптировали для объявлений Авито

👩‍💻 Дуалистичная типовая система JavaScript VS Единая объектная система Python. Краткий обзор

Сегодня поговорим о объектах, объектной архитектуре и способах взаимодействия с ними на примере языков программирования Python и JavaScript. Получилось небольшое исследование, противопоставляющее прототипирование и ООП.

Читать...

👩‍💻 Задачка по Python

Создайте Python-скрипт, который читает большой текстовый файл построчно и подсчитывает количество уникальных слов в каждой строке. Скрипт должен эффективно обрабатывать большие файлы, используя поточное чтение, и выводить количество уникальных слов для каждой строки.

➡️ Пример:

• python app.py analyze filename.txt — считывает файл filename.txt построчно, подсчитывает уникальные слова в каждой строке и выводит их количество в консоль.

Решение задачи ⬇️

import sys

def analyze_file(file_path):
with open(file_path, 'r', encoding='utf-8') as file:
for line in file:
words = line.strip().split()
unique_words = set(words)
print(f'Строка: "{line.strip()}" - Уникальные слова: {len(unique_words)}')

if __name__ == "__main__":
if len(sys.argv) < 2:
print("Укажите путь к файлу для анализа.")
sys.exit(1)

file_path = sys.argv[1]
analyze_file(file_path)

🔎 Подборка вакансий для джунов

Стажер Python Back-end (офис)
🟢Python, Git, PostgreSQL, SQL, Linux, JavaScript
🟢Уровень дохода не указан | Без опыта

Junior Data Engineer
🟢SQL, Big Data, DWH, ETL, Airflow, Python
🟢до 130 000 ₽ | 1–3 года

Junior Python developer
🟢Python, SQL/NoSQL, BeautifulSoup, requests, pandas, Selenium, Playwright, FastAPI, pytest, unittest, Docker
🟢от 70 000 ₽ | 1–3 года

Python-разработчик (Junior - Middle)
🟢Python, Django, MySQL, Django REST Framework, Linux, Git, Vue.js, HTML, CSS
🟢от 70 000 ₽ | 1–3 года

Junior Data Analyst / Data Analyst
🟢SQL, Atlassian Jira, Atlassian Confluence
🟢от 60 000 до 110 000 ₽ | 1–3 года