➡️Сначала стоит напомнить, что методы, которые начинаются и заканчиваются двойными нижними подчеркиваниями, называются магическими.

Например, выше в классе Point мы определили str, который отвечает за то, как выводятся объекты класса на экран.

➡️Для перегрузки оператора "+" нужно определить метод add. Он принимает два аргумента, которыми являются, соответственно, операнды в операции сложения.

➡️Таким образом, когда разработчик пишет запись p1 + p2, интерпретатор воспринимает это в виде Point.add(p1, p2). Для всех операторов в языке, включая и логические, есть свои магические методы.

🐍Pythoner

➡️JSON (JavaScript Object Notation) - это универсальный формат для обмена данными между приложениями. Он особенно популярен в веб-разработке, так как является легким и читаемым для человека.

➡️Чтение JSON-данных в Python

Одной из основных операций при работе с JSON в Python является чтение данных из JSON-файла или строки. Для этого в Python есть модуль json, который предоставляет функции для преобразования JSON в Python-объекты и наоборот. Например, чтобы прочитать данные из JSON-файла, мы можем использовать функцию json.load():

import json

with open('data.json') as file:
    data = json.load(file)

➡️Создание JSON-данных в Python

Помимо чтения JSON-данных, в Python мы также можем создавать и записывать JSON-данные. Для этого мы можем использовать функцию json.dump(). Например, допустим, у нас есть словарь Python, который мы хотим преобразовать в JSON-формат и записать в файл:

import json

data = {
    'name': 'John',
    'age': 30,
    'city': 'New York'
}

with open('data.json', 'w') as file:
    json.dump(data, file)

⬆️В данном примере мы создаем словарь data, который содержит информацию о имени, возрасте и городе. Затем мы используем функцию json.dump() для преобразования словаря в формат JSON и записи его в файл с именем data.json. После выполнения этого кода, в текущей директории будет создан новый файл data.json, содержащий данные в формате JSON.

Продолжение в следующем посте...

🐍Pythoner

➡️Обработка JSON-данных в Python

Когда мы считали или создали JSON-данные в Python, мы можем обрабатывать их так же, как и любые другие данные. Мы можем получить доступ к элементам JSON-объекта, изменять их значения и выполнять другие операции. Все это работает подобно python словарю. Например, у нас есть следующий JSON-файл:

{
    "name": "John",
    "age": 30,
    "city": "New York"
}

Мы можем получить доступ к значениям полей JSON-объекта следующим образом:

import json

with open('data.json') as file:
    data = json.load(file)

name = data['name']
age = data['age']
city = data['city']

print(name, age, city)

🐍Pythoner

➡️Оператор 'not' в Python является логическим оператором, который инвертирует значение выражения. Если выражение истинно, оператор 'not' возвращает False, а если выражение ложно, оператор 'not' возвращает True.

Пример использования оператора 'not'

x = True
print(not x)  # Вывод: False

В этом примере, оператор 'not' инвертирует значение переменной 'x' и возвращает False.

🐍Pythoner

✈️Конкатенация строк - это процесс объединения двух или более строк в одну строку.

➡️Оператор % для конкатенации строк

В Python оператор % может использоваться для форматирования строк и подстановки значений в определенные места в строке.

Для конкатенации строк с использованием оператора % необходимо создать шаблон строки, в которой будут указаны места для подстановки значений. Затем с помощью оператора % можно передать значения, которые будут подставлены в соответствующие места в шаблоне.

➡️Пример использования оператора % для конкатенации строк:

name = "John"
age = 25
message = "Меня зовут %s и мне %d лет." % (name, age)
print(message)

⬆️В данном примере мы создали шаблон строки "Меня зовут %s и мне %d лет.", где %s и %d обозначают места для подстановки значения строки и целого числа соответственно. Затем мы использовали оператор % для подстановки значений переменных name и age в соответствующие места.

🐍Pythoner

➡️Библиотека aiohttp основана на пакете asyncio, который вводит понятие корутин и сопрограмм в Python. Она предоставляет простой и эффективный способ создания асинхронных HTTP-клиентов и серверов. С помощью aiohttp вы можете отправлять асинхронные HTTP-запросы, обрабатывать ответы и работать с веб-сокетами.

Одним из ключевых преимуществ библиотеки aiohttp является ее высокая производительность. Благодаря асинхронной архитектуре, aiohttp позволяет обрабатывать большое количество одновременных запросов без блокировки потоков выполнения. Это делает ее отличным выбором для создания высоконагруженных веб-приложений, которым требуется быстрый и эффективный обмен данными с удаленными серверами.

➡️Использование aiohttp-socks

Aiohttp-socks - это дополнение к aiohttp, библиотеке для асинхронной работы с протоколом HTTP в Python. Она позволяет делать асинхронные HTTP-запросы через SOCKS-прокси, что может быть полезно, например, при парсинге веб-страниц или при работе с API веб-сервисов. Библиотека поддерживает различные версии протокола SOCKS, включая SOCKS4, SOCKS4a и SOCKS5.

🐍Pythoner

🔎Интересное применение класса Counter — это поиск анаграмм. Анаграмма — это слово или фраза, сформированные перестановкой букв другого слова или фразы.

Если объекты Counter двух строк эквивалентны, значит, они являются анаграммами.

🐍Pythoner

➡️Порой применение стандартных библиотек os и subprocess превращается в головную боль для разработчика. Но есть удобная альтернатива – библиотека sh.

Она дает возможность вызвать программу, как если бы это была просто функция языка. Таким образом, можно автоматизировать процессы и задачи непосредственно из кода Python.

🐍Pythoner

➡️Пакет requests абстрагирует сложности выполнения запросов за красивым, простым API, чтобы вы могли сосредоточиться на взаимодействии с сервисами и работе с данными в ваших приложениях.

➡️Устанавливается requests стандартным путем через пакетный менеджер pip. Запросы GET, POST, PUT и DELETE делаются интуитивно понятно. Атрибуты у объекта Response позволяют получить всю информацию об ответе от сервера.

Модуль идеально подходит как для работы со внешними API веб-сервисов, так и для получения HTML кода веб-страниц.

🐍Pythoner

➡️Индикаторы прогресса добавляют наглядности в скриптах, которые исполняют какие-то функции, требующие времени для выполнения. Модуль tqdm является простым и лаконичным вариантом.

Привычный range можно заменить на trange для визуализации прогресса. А для итерации по какой-либо последовательности, достаточно просто передать её в функцию tqdm. Также модуль хорошо себя зарекомендовал и в Jupyter Notebook.

🐍Pythoner

➡️В стандартной библиотеке есть модуль heapq, который, как можно понять по названию, реализует структуру даных куча.

Особенности и пользу этой структуры данных пока что разбирать не будем, но посмотрим на два интересных метода в этом модуле.

С помощью методов nsmallest и nlargest можно получить наименьшие и наибольшие элементы в списке.

Первым аргументов передается, сколько элементов нужно взять, вторым — список

🐍Pythoner