❓Разбор

Будет ошибка, так как мы не можем привести строку, где лежит не целое число к типу int.

Как можно было бы решить проблему?

int(float('1.8')) —> float бы сделал число дробным, а int бы привел к целочисленному виду.

Ответ: Error

➡️Установка

Библиотека retrying не является встроенной библиотекой в Python, поэтому ее нужно установить отдельно. Команда pip install retrying должна быть выполнена в командной строке. После установки вы можете импортировать ее с помощью команды import retrying.

➡️Использование

Библиотека retrying довольно проста в использовании. Основной функцией этой библиотеки является декоратор @retry, который мы можем применить к любой функции, которую мы хотим повторить. Это особенно полезно для задач, которые имеют шанс на отказ. Например, сетевые запросы могут потерпеть неудачу из-за временных сетевых проблем, и вместо того, чтобы сразу же терпеть неудачу, использование библиотеки retrying может позволить нашей программе попробовать снова. Простой пример будет выглядеть так:

from retrying import retry
@retry
def make_network_request():
    # код для выполнения сетевого запроса

В этом примере, если функция make_network_request потерпит неудачу, она будет попробована снова благодаря декоратору @retry.

➡️Преимущества

Библиотека retrying предлагает ряд преимуществ. Она позволяет создавать более надежный и устойчивый код, особенно при работе с операциями, которые могут время от времени терпеть неудачу. Она также предоставляет различные варианты управления поведением повтора, такие как установка максимального числа попыток, указание времени ожидания между попытками или даже использование пользовательских условий для повтора. Это дает нам большую гибкость для обработки различных сценариев и требований.

🐍Pythoner

➡️Аннотация типов дает нам возможность проставлять в коде "подсказки" для программиста, не используя комментарии через #

➡️При большом количестве кода бывает, что просто забудешь какой тип должна принять / вернуть функция. Для этого и можно воспользоваться этой полезной фичей.

💡А еще можно воспользоваться модулем mypy, чтобы находить ошибки несоответствия типов в коде

🐍Pythoner

➡️Функция literaleval() в Python - это функция из библиотеки ast (Abstract Syntax Trees), которая позволяет безопасно вычислять выражения из строкового представления. Она может использоваться для безопасного преобразования строк, содержащих литералы Python (такие как списки, словари, числа и т. д.), в соответствующие Python объекты.

➡️Преимущества использования literaleval() включают в себя:

➡️Безопасность: функция literaleval() обрабатывает только литералы Python и отсекает поврежденные или нежелательные выражения, предотвращая выполнение вредоносного кода.

➡️Удобство: благодаря literaleval() можно легко преобразовывать строки с литералами Python в соответствующие объекты Python без необходимости использования более сложных методов.

🔎Обратите внимание, что функция literaleval() должна использоваться с осторожностью, так как она может привести к ошибкам, если в строке содержатся несоответствующие литералы Python или некорректный синтаксис.

🐍Pythoner

💎Soft Skills - это набор личностных качеств и навыков, которые позволяют человеку быть успешным в работе и личной жизни. Они не связаны с техническими знаниями, а скорее определяют, как мы взаимодействуем с окружающими людьми и как эффективно решаем задачи в команде. Важно понимать, что Soft Skills нельзя приобрести, как знания из книги, они формируются с помощью опыта и постоянной практики.

➡️Какие навыки входят в Soft Skills?

Среди навыков, которые входят в Soft Skills, можно выделить коммуникационные навыки, умение работать в команде, эмоциональный интеллект, лидерские качества, умение принимать решения и адаптироваться к новым условиям. Коммуникационные навыки включают умение слушать, говорить и писать на разных языках, убеждать и убеждаться, умение находить общий язык с людьми разного статуса и возраста. Умение работать в команде подразумевает способность находить компромиссы, делегировать задачи, решать конфликты и добиваться общей цели. Эмоциональный интеллект включает в себя умение управлять своими эмоциями, понимать эмоциональное состояние других людей и адекватно реагировать на него. Лидерские качества включают в себя умение мотивировать людей, делегировать задачи, принимать решения и выстраивать стратегию. Умение принимать решения и адаптироваться к новым условиям является важным навыком в современном мире, где требуется быстро реагировать на изменения и принимать решения в условиях неопределенности.

🐍Pythoner

⚡️Hard Skills - это конкретные знания и умения, которые могут быть изучены и измерены. Они часто требуются для выполнения конкретных задач и могут быть измерены с помощью тестов или экзаменов. Некоторые примеры Hard Skills включают в себя знания программирования, математики, английского языка и многих других.

➡️Примером Hard Skills в программировании могут быть навыки написания кода на различных языках, знание алгоритмов и структур данных, опыт работы с базами данных

🐍Pythoner

➡️Декоратор - это функция, которая принимает функцию в качестве аргумента и возвращает другую функцию. В основном, декораторы используются для добавления дополнительного поведения к функциям или классам. Декораторы могут быть использованы для регистрации функций, логирования, кэширования и многих других задач.

➡️Как использовать декоратор?

Для использования декоратора в Python, вы можете определить функцию, которая будет принимать функцию в качестве аргумента и возвращать другую функцию, которая будет выполнять дополнительный код. Затем вы можете применить эту функцию к вашей целевой функции.

⬆️В примере на фото мы определили декоратор my_decorator, который принимает функцию в качестве аргумента и возвращает другую функцию wrapper, которая будет выполнять дополнительный код до и после вызова целевой функции. Затем мы применяем декоратор к функции say_hello с помощью символа @. При вызове функции say_hello, будет вызвана функция wrapper, которая выполнит дополнительный код.

🐍Pythoner

➡️Хеш-таблица - это структура данных, которая используется для эффективного хранения и поиска информации. Она основана на идее хеширования, где каждый элемент имеет уникальный хеш-код, который используется для быстрого доступа к данным.

➡️Как работает хеш-таблица?

Хеш-таблица состоит из массива элементов, каждый из которых имеет свой уникальный хеш-код. Хеш-код вычисляется из ключа элемента (например, строка или число) с помощью специального алгоритма хеширования. Затем этот хеш-код используется в качестве индекса массива, где находится соответствующий элемент.

Когда требуется найти элемент в хеш-таблице по ключу, алгоритм хеширования вычисляет хеш-код ключа, который затем используется для поиска элемента в массиве. Если элемент найден, то возвращается его значение, иначе возвращается сообщение об ошибке.

➡️Преимущества использования хеш-таблицы:

Одним из главных преимуществ хеш-таблицы является ее эффективность. Благодаря уникальному хеш-коду каждого элемента, поиск элемента в массиве может быть осуществлен за постоянное время O(1), что делает хеш-таблицу одной из самых быстрых структур данных.

🐍Pythoner

➡️deepcopy - это функция в Python, которая используется для создания копии объектов, включая все вложенные объекты. Она глубоко копирует все элементы объекта, включая вложенные списки, словари и т.д. Это означает, что изменения, внесенные в копию, не влияют на оригинальный объект.

Для использования deepcopy в Python нужно импортировать модуль copy. Затем можно использовать функцию deepcopy, чтобы создать копию объекта. Например:

import copy

list1 = [1, [2, 3], 4]
list2 = copy.deepcopy(list1)

⬆️В этом примере мы создали список list1, который содержит два элемента: число 1 и список [2, 3]. Затем мы использовали deepcopy, чтобы создать копию этого списка и присвоить ее переменной list2. Теперь у нас есть два списка, которые содержат одинаковые элементы.

list2[1][0] = 5
print(list1)    # [1, [2, 3], 4]
print(list2)    # [1, [5, 3], 4]

Как видно из примера, изменение элемента в копии не влияет на оригинальный список.

🐍Pythoner

➡️NamedTuple

NamedTuple - это подтип кортежа, который позволяет объявлять собственные именованные типы, которые могут использоваться в качестве структуры данных. Он предоставляет возможность определить тип данных с помощью именованных полей. Каждое поле имеет свой собственный тип данных. Это может быть полезно в случаях, когда вам нужно создать объекты с определенными свойствами.

К примеру, если вы создаете объекты, представляющие собой записи в базе данных, вы можете использовать NamedTuple, чтобы создать тип данных, содержащий поля, соответствующие полям в таблице.

from collections import namedtuple

Person = namedtuple('Person', ['name', 'age'])

person1 = Person(name='John', age=30)
person2 = Person(name='Jane', age=25)

print(person1.name)  # John
print(person2.age)  # 25

Или например:

from collections import namedtuple

Person = namedtuple('Person', 'name age')

person1 = Person('John', 30)
person2 = Person(name='Jane', age=25)

print(person1.name)  # John
print(person2.age)  # 25

🐍Pythoner

➡️Одной из главных функций Collections Counter является подсчет элементов в коллекции. Для этого необходимо импортировать модуль collections и создать объект Counter с передачей коллекции в качестве аргумента. В результате выполнения функции мы получим словарь, где ключами будут элементы коллекции, а значениями — их количество. Рассмотрим пример:

from collections import Counter

lst = [1, 2, 2, 3, 3, 3, 4, 4, 4, 4]
counted_elements = Counter(lst)
print(counted_elements)

В результате выполнения этого кода мы получим следующий словарь:

{1: 1, 2: 2, 3: 3, 4: 4}

➡️Переопределение элементов коллекции

С помощью Collections Counter мы также можем переопределить элементы коллекции. Для этого необходимо создать объект Counter для исходной коллекции и передать новые значения с помощью метода update(). Рассмотрим пример:

from collections import Counter

lst = [1, 2, 2, 3, 3, 3, 4, 4, 4, 4]
counted_elements = Counter(lst)
print(counted_elements)

counted_elements.update({2: 5, 5: 1})
print(counted_elements)

В результате выполнения этого кода мы получим следующий словарь:

{1: 1, 2: 2, 3: 3, 4: 4}
{1: 1, 2: 7, 3: 3, 4: 4, 5: 1}

➡️Нахождение n наиболее часто встречающихся элементов

Collections Counter также позволяет находить n наиболее часто встречающихся элементов в коллекции. Для этого необходимо использовать метод most_common(n), где n — количество наиболее часто встречающихся элементов, которые нужно найти. Рассмотрим пример:

from collections import Counter

lst = [1, 2, 2, 3, 3, 3, 4, 4, 4, 4]
counted_elements = Counter(lst)

most_common_elements = counted_elements.most_common(2)
print(most_common_elements)

В результате выполнения этого кода мы получим следующий список:

[(4, 4), (3, 3)]

🐍Pythoner

🔎ORM - это аббревиатура от Object-Relational Mapping, что в переводе означает "отображение объектов на реляционные структуры данных". ORM - это технология, которая позволяет программистам работать с данными в базах данных, используя объектно-ориентированный подход.

➡️Как работает ORM

ORM позволяет программистам работать с базами данных, не взаимодействуя с ними напрямую. Вместо этого, ORM предоставляет программистам API, который позволяет им работать с данными, как если бы они были объектами в коде. ORM берет на себя задачу преобразования объектов в данные, которые могут быть сохранены в базе данных, и обратно.

➡️Преимущества ORM

Одним из главных преимуществ ORM является упрощение процесса разработки. ORM позволяет программистам сосредоточиться на разработке бизнес-логики, а не на взаимодействии с базами данных. Кроме того, ORM обеспечивает безопасность данных, так как предотвращает возможность SQL-инъекций. В целом, ORM делает процесс разработки более быстрым, эффективным и безопасным.

🐍Pythoner

➡️Существует множество популярных библиотек ORM, доступных в Python, каждая со своими преимуществами и недостатками. Некоторые из наиболее популярных библиотек включают SQLAlchemy, Django ORM и Peewee.

➡️SQLAlchemy является популярным выбором, потому что он настраиваемый и предоставляет широкий спектр функций, включая поддержку нескольких баз данных. Django ORM - это еще один популярный выбор, особенно для разработчиков, использующих веб-фреймворк Django. Peewee - это легкий ORM, который легко использовать и предоставляет простой API для взаимодействия с базами данных.

🐍Pythoner

🔎GIL, или Global Interpreter Lock, является механизмом в CPython, который ограничивает выполнение Python-кода одним потоком в один момент времени. Это означает, что даже если у вас есть несколько потоков в Python-программе, только один поток может выполняться в любой момент времени.

➡️Как работает GIL?

GIL - это блокировка, которая накладывается на интерпретатор Python, чтобы предотвратить одновременное выполнение Python-кода несколькими потоками. Все объекты Python имеют ссылки на них, которые хранятся в глобальном пространстве имен. GIL гарантирует, что только один поток может получить доступ к этому глобальному пространству имен в любой момент времени. Когда поток хочет выполнить Python-код, он должен получить эту блокировку. Если блокировка уже занята другим потоком, поток будет ожидать, пока блокировка не освободится. Когда блокировка освобождается, следующий поток может получить ее и продолжить выполнение Python-кода.

➡️Влияние GIL на производительность

GIL может оказывать негативное влияние на производительность Python-программ. Это связано с тем, что только один поток может выполнять Python-код в любой момент времени. Если у вас есть множество потоков, которые ожидают доступа к GIL, это может привести к значительному снижению производительности вашей программы.

🐍Pythoner