➡️Метод append() используется для добавления одного элемента в конец списка, в то время как метод extend() используется для добавления нескольких элементов в конец списка.

➡️Таким образом, основное отличие между append() и extend() заключается в том, что append() добавляет одиночный элемент в список, а extend() добавляет несколько элементов, которые находятся в другом списке.

🐍Статический метод в Python - это метод, который относится к классу, а не к объекту этого класса. Он не требует доступа к атрибутам объекта и не может изменять их.

➡️Для объявления статического метода в классе Python используется декоратор @staticmethod. Этот декоратор позволяет вызывать метод без создания объекта класса.

➡️Статические методы могут быть использованы для выполнения общих операций, которые не зависят от конкретного объекта класса. Они часто используются для создания утилитарных функций или методов, которые могут работать независимо от состояния объекта.

💡Однако стоит помнить, что статические методы могут быть полезны в определенных случаях, но также могут быть злоупотреблены. Используйте их тогда, когда убеждены, что это правильный выбор для вашей программы.

➡️Чтобы просмотреть методы объекта в Python, вы можете использовать функцию dir(). Например, если у вас есть объект obj, вы можете напечатать dir(obj), чтобы увидеть список всех методов и атрибутов этого объекта.

➡️Также можно использовать встроенную функцию help(), чтобы получить более подробную информацию о доступных методах объекта. Например, вы можете написать help(obj) и затем ввести имя метода, чтобы узнать, как его использовать и какие параметры он принимает.

➡️Еще один способ - использовать атрибут __dict__, который позволяет получить словарь с атрибутами и их значениями для объекта. Например, obj.__dict__ покажет все атрибуты и их значения для объекта obj.

➡️Наконец, вы также можете использовать модуль inspect, который предоставляет более продвинутые средства для анализа объектов, и его функцию getmembers(), чтобы получить список методов и атрибутов объекта.

🐍В Python сериализация и десериализация используются для преобразования объектов Python в определенный формат (например, JSON, байтовый поток) и обратно. Эти процессы позволяют сохранять состояние объектов, передавать их через сеть, сохранять данные в файлы и многое другое.

💡С помощью сериализации и десериализации в Python можно удобно работать с данными в различных форматах и обмениваться ими между различными системами.

🐍Наследование в Python - это механизм, который позволяет создавать новые классы на основе уже существующих классов. Класс, который наследует свойства и методы от другого класса, называется дочерним классом, а класс, от которого наследуются свойства и методы, - родительским классом или суперклассом.

➡️Наследование позволяет создавать иерархию классов и повторно использовать код, уменьшая дублирование и упрощая структуру программы.

⬆️Для подсчета количества строк в текстовом файле в Python можно воспользоваться следующим кодом

➡️В этом коде:
1. Мы указываем путь к текстовому файлу example.txt.
2. Открываем файл для чтения с помощью оператора with, чтобы автоматически закрыть файл после чтения.
3. Считываем все строки файла в список lines с помощью метода readlines().
4. Получаем количество элементов (т.е. количество строк) в списке lines с помощью функции len().
5. Наконец, мы выводим количество строк в файле.

💡Убедитесь, что файл example.txt находится в той же директории, что и ваш скрипт Python, или укажите полный путь к файлу в переменной file_path.

🐍Библиотека Bottleneck является надстройкой над библиотекой NumPy и предоставляет оптимизированные функции для вычисления различных статистических показателей и операций над массивами данных в Python.

Некоторые особенности и возможности библиотеки Bottleneck:

➡️ Улучшенная производительность: Bottleneck предоставляет реализации некоторых функций из библиотеки NumPy, которые работают более эффективно и быстро благодаря оптимизации на уровне кода и использованию специализированных библиотек.

➡️ Работа с большими данными: Благодаря использованию оптимизированных алгоритмов и структур данных, Bottleneck может обрабатывать большие объемы данных более эффективно, чем стандартные функции NumPy.

➡️ Дополнительные функции: Bottleneck предоставляет некоторые дополнительные функции, которых нет в NumPy, например, рассчет медианы, накопленные суммы и изменяемые стандартные отклонения.

👀Использование Bottleneck может оказаться полезным при работе с большими объемами данных и когда требуется повысить производительность операций над массивами данных в Python.

🐍В этом примере используется метод listdir() модуля os, который используется для вывода списка файлов в указанном каталоге.

⬆️В нашем случае os.listdir(directory) возвращает список файлов в указанном каталоге, а затем мы выводим их имена с помощью цикла for.

🐍Метод deepcopy() из модуля copy используется для создания глубокой копии объекта.

➡️Глубокая копия объекта создает новый объект и рекурсивно копирует все объекты, на которые он ссылается, чтобы создать полностью независимую копию исходного объекта.

➡️Использование copy.deepcopy() особенно полезно, когда вам нужно создать копию объекта, содержащего вложенные объекты, такие как списки в списке или словари в списке.

🐍Метод zfill() используется для дополнения строкового значения слева нулями до указанной длины.

💡Если исходная строка уже имеет равную или большую длину, то метод ничего не делает и возвращает исходную строку.

➡️Таким образом, метод zfill() полезен, когда вам нужно привести число к определенному формату с ведущими нулями.

🐍Команда «python -m timeit» в консоли используется для тестирования производительности фрагмента кода на Python путем многократного его выполнения и измерения времени выполнения.

➡️Она запускает модуль timeit, который является частью стандартной библиотеки Python.

➡️Это позволяет оценить производительность определенного участка кода.

🐍Метод strip() по умолчанию удаляет все пробельные символы с начала и конца строки.

➡️Если в метод strip() передать набор символов в качестве аргумента, он удалит все вхождения этих символов с обоих концов строки.

➡️Он возвращает новую строку, в которой все эти символы удалены.

💡Если нужно удалить символы только с одного конца строки, то можно использовать методы lstrip() (для удаления слева) и rstrip() (для удаления справа).

🐍Метод encode() в Python преобразует строки в байтовые объекты, используя определенную кодировку (по умолчанию UTF-8).

➡️Если в строке есть символы, недопустимые в выбранной кодировке, возникает исключение UnicodeEncodeError.
При пустой строке метод вернет пустую последовательность байтов.

➡️Метод encode() создает новый объект байтов, представляющий исходную строку в выбранной кодировке, не изменяя исходную строку.

🐍Для динамического импорта модулей в Python можно использовать функцию import_module() из стандартной библиотеки importlib.

⬆️В данном примере код динамически импортирует модуль random и использует функцию sample() из этого модуля для выбора нескольких случайных элементов из списка.

➡️Обычно динамический импорт модулей применяется, когда имена модулей неизвестны на этапе написания кода, а определяются в процессе выполнения программы.
Например, на основе пользовательского ввода или конфигурационных данных.

🐍Существуют ситуации, когда при работе с терминалом необходимо выделить определенную информацию цветом. Один из способов — использовать ANSI Escape Codes.

➡️Символ \033 обозначает начало управляющего кода ANSI, [33;104m — это параметры, где 33 — желтый цвет текста, 104 — синий цвет фона, а [0m возвращает цвет текста в стандартный черный.

➡️Важно отметить, что поддержка ANSI Escape Codes может варьироваться в зависимости от используемой операционной системы и терминала.

🐍Байтовые объекты - это объекты, которые хранят и обрабатывают данные в виде байтов, а не в виде символов.

➡️Байтовые объекты в Python представлены типом данных bytes и bytearray.

➡️Основное различие между ними заключается в том, что bytes является неизменяемым типом данных, в то время как bytearray - изменяемым.

➡️Синтаксис для байтовых литералов похож на строковые литералы, но с добавлением префикса "b", который указывает интерпретатору Python на то, что строка должна быть представлена в виде байтового объекта.

💡Эти объекты часто используются для работы с бинарными файлами, сетевыми пакетами и другими данными, которые нужно представить в виде последовательности байтов.

🐍Декоратор @jit в библиотеке Numba используется для компиляции функции Python в машинный код с целью ускорения её выполнения, одновременно сохраняя гибкость работы с разнообразными типами данных благодаря динамичности компиляции.

➡️Этот результат достигается за счёт использования JIT-компиляции (just-in-time compilation), что означает, что код компилируется только тогда, когда он действительно требуется в процессе выполнения программы, а не заранее.

💡Однако важно помнить, что результаты использования Numba могут варьироваться в зависимости от конкретной задачи и данных. В некоторых случаях, особенно при работе с небольшими объемами данных, накладные расходы на компиляцию могут превысить выигрыш в скорости. Поэтому рекомендуется провести тщательное тестирование перед внедрением Numba в проект.