✈️range() — встроенная функция для генерации чисел. Используется для перебора в цикле.
Синтаксис:

range(начало, конец, шаг)

По умолчанию: начало = 0, шаг = 1.

➡️Пример:

# Простой range от 0 до 2
for i in range(3):
    print(i)

# Range с началом и шагом
for i in range(1, 10, 2):
    print(i)

# Вывод:
# 0
# 1
# 2
# 1
# 3
# 5
# 7
# 9

🐍 Pythoner

✈️Protocol из модуля typing позволяет определить интерфейс, который должен реализовывать класс. Это полезно для проверки соответствия объектов определённым методам и атрибутам, что делает код более гибким и понятным.

➡️Когда применять Protocol?
- Динамическая типизация: Если вы хотите задать контракт для классов без явного указания на наследование.

- Гибкость: Позволяет различным классам предоставлять свою реализацию методов, сохраняя общий интерфейс.

- Улучшение читаемости: Помогает лучше понять как должны взаимодействовать различные части кода.

➡️Пример использования Protocol:

from typing import Protocol

# Определяем протокол
class Movable(Protocol):
    def move(self) -> None:
        ...

# Класс, реализующий этот протокол
class Car:
    def move(self) -> None:
        print("Car is moving")

class Bird:
    def move(self) -> None:
        print("Bird is flying")

def drive(vehicle: Movable) -> None:
    vehicle.move()

# Используем
car = Car()
bird = Bird()

drive(car)  # Output: Car is moving
drive(bird)  # Output: Bird is flying

💡Заключение
Protocol — мощный инструмент для задания интерфейсов в Python. Он обеспечивает гибкость и улучшает структуру вашего кода. Используйте его, когда нужно задать контракты для различных классов без строгой иерархии наследования.

🐍 Pythoner

✈️Функция enumerate() позволяет перебрать элементы последовательности вместе с их индексами. Это удобно, когда нужен не только элемент, но и его позиция в коллекции.

➡️Пример:

fruits = ["apple", "banana", "orange"]

for index, fruit in enumerate(fruits, start=1):
    print(index, fruit)

1 apple  
2 banana  
3 orange 

🔫В этом примере enumerate() вернёт кортежи с индексом и значением.

💡Заключение
enumerate() удобно использовать вместо range(len()) для более чистого и читаемого кода при переборе списков, кортежей и других коллекций.

🐍 Pythoner

✈️Что такое Pickle?
Pickle — это стандартная библиотека Python, которая позволяет сохранять (сериализовать) и восстанавливать (десериализовать) объекты Python в файлы. Это особенно полезно для долгосрочного хранения данных или передачи их между программами. С помощью pickle можно сохранить сложные структуры данных, такие как списки, словари, классы и даже функции.

➡️Пример использования Pickle. Сохранение данных в файл:

import pickle

# Исходные данные
data = {
    "name": "Alice",
    "age": 30,
    "skills": ["Python", "Data Science", "Machine Learning"]
}

# Сохраняем данные в файл
with open('data.pkl', 'wb') as file:
    pickle.dump(data, file)

print("Данные успешно сохранены!")

➡️Восстановление данных из файла:

import pickle

# Восстанавливаем данные из файла
with open('data.pkl', 'rb') as file:
    loaded_data = pickle.load(file)

print("Восстановленные данные:")
print(loaded_data)

➡️Результат:

Восстановленные данные:
{'name': 'Alice', 'age': 30, 'skills': ['Python', 'Data Science', 'Machine Learning']}

🔎Почему Pickle полезен?
- Простота использования: Легко сохранять и восстанавливать сложные структуры данных.

- Гибкость: Поддерживает практически все типы данных Python.

- Быстродействие: Pickle работает быстрее, чем другие форматы, такие как JSON.

➡️Pickle — это мощный инструмент для сохранения и восстановления данных в Python. Он позволяет легко работать со сложными структурами данных и экономит время на повторной обработке информации.

🐍 Pythoner

🤔Разбор

Список nums = [1, 2, 3, 4, 5]

В генераторе [x**2 for x in nums if x % 2 == 0]:
берём только те x, которые делятся на 2 (чётные)
это 2 и 4
возводим их в квадрат: 2**2 = 4, 4**2 = 16

Результат: [4, 16]

🐍 Pythoner

✈️Конструкция if name == "main" используется для того, чтобы запускать часть кода только при прямом выполнении файла, а не при его импорте как модуля. Это важно для разделения логики запуска и повторного использования кода.

➡️Пример:

def greet():
    print("Hello!")

if name == "main":
    greet()

🔫В этом примере функция greet() вызовется только если файл запущен напрямую, но не при импорте его в другой модуль.

💡if name == "main" удобно использовать для тестирования, запуска скриптов и избежания лишнего выполнения кода при импорте.

🐍 Pythoner

✈️В Python for часто используется вместе с range() для повторения действий. range(start, stop, step) создаёт последовательность чисел. Если указать только одно число — это будет stop, а start считается равным 0.

# Выводит числа от 0 до 4
for i in range(5):
    print(i)

# Выводит чётные числа от 2 до 10
for i in range(2, 11, 2):
    print(i)

🔫Такой способ помогает легко перебирать индексы, повторять действия заданное число раз или строить простые циклы без списков.

🐍 Pythoner

✈️В Python можно передавать аргументы по имени, а не только по позиции. Это улучшает читаемость и делает код более понятным.

➡️ Используются в функциях с несколькими параметрами, особенно если есть значения по умолчанию.

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

greet("Анна")                      # Привет, Анна!
greet(name="Иван", greeting="Здравствуйте")  # Здравствуйте, Иван!

💡Такой стиль помогает избежать ошибок и делает код само-документируемым.

🐍 Pythoner

✈️LangChain — это библиотека, разработанная для создания приложений на основе языковых моделей (таких как OpenAI GPT) с упором на составление сложных цепочек действий. Она позволяет интегрировать языковые модели с другими инструментами и API, а также реализовывать логики, которые выходят за рамки простых запросов и ответов.

➡️Основные возможности:
💬Создание конвейеров обработки текста.
💬Подключение различных модулей NLP (токенизация, лемматизация и т. д.).
💬Объединение моделей в единую цепочку.
💬Удобная настройка и отладка.

➡️Используется для:
💬Построения приложений для анализа текста на Python.
💬Быстрого прототипирования решений для обработки естественного языка.
💬Объединения разных библиотек NLP в одном workflow.
💬Упрощения процесса экспериментов с моделями обработки текста.

➡️Пример использования LangChain:

from langchain import LLMChain
from langchain.llms import OpenAI

# Инициализация языковой модели
llm = OpenAI(api_key="YOUR_API_KEY")

# Определение шаблона для вопроса
template = "Какой ответ на вопрос: {question}?"

# Создание цепочки с использованием шаблона
chain = LLMChain(llm=llm, prompt=template)

# Ввод вопроса
question = "Что такое LangChain?"

# Получение ответа
response = chain.run({"question": question})

print(response)

⬆️В этом примере мы инициализируем языковую модель OpenAI, создаем шаблон для вопроса и затем создаем цепочку (chain), которая объединяет модель и шаблон. После этого мы можем передать свой вопрос и получить ответ.

🐍Pythoner

✈️В современном мире разработки программного обеспечения все больше и больше акцент делается на создании API (Application Programming Interface) для обмена данными между различными приложениями. Когда дело доходит до тестирования и отладки этих API, инструменты, такие как POSTMAN, становятся незаменимыми.

➡️Основные возможности POSTMAN

POSTMAN - это инструмент для тестирования и отладки API, который предоставляет разработчикам простой и удобный способ отправки HTTP-запросов и получения ответов. Он имеет интуитивно понятный пользовательский интерфейс, который позволяет легко создавать и отправлять запросы различных типов, таких как GET, POST, PUT и DELETE. POSTMAN также позволяет добавлять параметры запросов, заголовки и тело запроса, что делает его мощным инструментом для тестирования различных сценариев.

➡️POSTMAN также обладает возможностью автоматизации тестирования API. С помощью коллекций запросов и сценариев, вы можете создавать наборы тестовых сценариев и запускать их в автоматическом режиме. Это особенно полезно при разработке и поддержке сложных API, где необходимо проверить множество различных запросов и ответов.

⛓ Официальный сайт

🐍Pythoner

✈️Функция высшего порядка — это функция, которая принимает другую функцию в качестве аргумента или возвращает функцию в качестве результата. Это основа функционального программирования в Python.

➡️Пример:

def apply(func, value):
    return func(value)

def square(x):
    return x * x

result = apply(square, 5)
print(result)  # 25

🔫В этом примере apply принимает функцию square и значение, применяя функцию к значению. Это позволяет строить более гибкий и переиспользуемый код.

🐍Pythoner

✈️Оператор присваивания :=, известный как walrus-оператор, позволяет одновременно присвоить значение переменной и использовать его в выражении. Это полезно для сокращения кода и повышения читаемости.

➡️Пример:

if (n := len([1, 2, 3, 4])) > 3:
    print(f"Список длинный: {n} элемента(ов)")

🔫В этом примере длина списка сохраняется в переменную n прямо внутри условия if, без отдельной строки присваивания.

💡walrus-оператор удобно использовать в циклах, условиях и генераторах, где нужно сохранить значение и сразу же его проверить или использовать.

🐍Pythoner

✈️Метод subclasshook используется для определения, является ли один класс подклассом другого. Он вызывается при проверке isinstance() и issubclass() для определения отношения наследования между классами.

⬆️Этот метод позволяет настроить поведение этих функций для пользовательских классов.

➡️Пример:

class A:
    def __init__(self, value):
              self.value = value

class B:
    def __init__(self, value):
        self.value = value

    def __subclasshook__(cls, subclass):
        return (hasattr(subclass, 'value') and
                callable(subclass.value) and
                subclacc.value.__name__ == 'print_value')

class C:
    def __init__(self, value):
        self.value = value

    def  print_value(self):
         print(self.value)

a = A(5)
b = B(10)
c = C(15)

# Проверка
print(issubclass(C, B)) # True
print(issubclass(A, B)) # False

⬆️В примере метод subclasshook класса B проверяет, есть ли у подкласса метод print_value. Если да, то возвращает True, что позволяет считать его подклассом B.

🐍Pythoner

➡️Хендлеры - это функции, которые вызываются при получении определенного события от пользователя. В телеграм ботах, хендлеры используются для обработки входящих сообытий и выполнения определенных действий в ответ на эти события (отправка сообщения, взаимодействие с сообщением и т.д.).

Хендлеры могут быть созданы для обработки текстовых сообщений, фотографий, аудио и других типов сообщений, которые могут быть отправлены в телеграм бота.

➡️Как работают хендлеры?

При создании бота в телеграме, необходимо создать соединение с API телеграма. Затем, для каждого типа сообщений, необходимо создать соответствующий хендлер, который будет обрабатывать этот тип сообщения.

Когда пользователь отправляет сообщение в бота, телеграм сервер отправляет это сообщение в вашу программу, в которой запущен ваш бот. Затем, используя созданные хендлеры, ваша программа обрабатывает это сообщение и выполняет определенные действия в ответ на это сообщение.

🐍Pythoner

✈️Что такое Dask?

Dask - это гибкая библиотека для параллельных вычислений в Python. Она позволяет обрабатывать большие объемы данных, распределяя нагрузку на несколько ядер процессора или даже на кластер компьютеров.

➡️Почему Dask?
- Масштабируемость: от ноутбука до кластера
- Совместимость с экосистемой Python (NumPy, Pandas)
- Ленивые вычисления для оптимизации

🔎Примеры использования Dask

➡️Параллельные вычисления с Dask Array

import dask.array as da

# Создаем большой массив
x = da.random.random((10000, 10000), chunks=(1000, 1000))

# Выполняем операции
result = (x + 1).mean().compute()

print(f"Среднее значение: {result}")

➡️Обработка больших DataFrame с Dask

import dask.dataframe as dd

# Читаем большой CSV файл
df = dd.read_csv('huge_file.csv')

# Выполняем группировку и агрегацию
result = df.groupby('category').agg({'value': 'mean'}).compute()

print(result)

➡️Параллельное применение функций с Dask Delayed

from dask import delayed

@delayed
def process_data(x):
    # Здесь может быть сложная обработка
    return x * 2

data = [1, 2, 3, 4, 5]
results = [process_data(x) for x in data]
final_result = delayed(sum)(results).compute()

print(f"Итоговый результат: {final_result}")

➡️Заключение

Dask - это мощный инструмент для параллельной обработки данных в Python. Он позволяет легко масштабировать ваши вычисления и работать с большими объемами данных эффективно. Начните использовать Dask сегодня и ощутите разницу в скорости обработки ваших данных!

🐍Pythoner

✈️Декораторы позволяют модифицировать поведение функции без изменения её кода. Используются для логирования, проверки прав доступа, кеширования и других задач.

Декоратор — это функция, которая принимает другую функцию как аргумент и возвращает новую функцию.

➡️Пример:

def my_decorator(func):
    def wrapper():
        print("Выполнение функции:")
        func()
        print("Завершено.")
    return wrapper

@my_decorator
def say_hello():
    print("Привет, мир!")

say_hello()

Выполнение функции:
Привет, мир!
Завершено.

🔫Здесь декоратор @my_decorator оборачивает функцию say_hello(), добавляя вывод до и после её выполнения.
Это удобно для повторяющихся действий — логирование, проверка доступа и т.д.

🐍Pythoner

✈️Новички часто удивляются, когда данные "меняются сами по себе". Причина — путаница между изменяемыми и неизменяемыми типами.

➡️Неизменяемые типы (immutable):
int, float, str, tuple, bool, frozenset

a = "hi"
b = a
a = "bye"
print(b)  # hi

🔫b осталась "hi", потому что строки неизменяемы. a = "bye" создала новый объект.

➡️Изменяемые типы (mutable):
list, dict, set, bytearray, user-defined объекты

a = [1, 2, 3]
b = a
a.append(4)
print(b)  # [1, 2, 3, 4]

🔫b тоже изменилась, потому что список — изменяемый. b = a — это ссылка на тот же объект.

➡️Что это значит на практике?
- Можно "безопасно" копировать неизменяемые значения
- С изменяемыми — нужно использовать .copy() или copy.deepcopy(), если не хочешь менять оригинал

➡️Пример с функцией:

def add_item(lst):
    lst.append(99)

my_list = [1, 2]
add_item(my_list)
print(my_list)  # [1, 2, 99]

🔫Список изменился! Потому что передали ссылку, а не копию.

💡Заключение
Неизменяемые типы создают копии при присваивании, изменяемые — передают ссылку.Всегда думай, что именно ты копируешь: значение или объект.

🐍Pythoner