➡️Иногда элементы массива изначально неизвестны, но массив для их хранения необходим сейчас. Поэтому в NumPy есть функции для создания массива с исходным содержимым (по умолчанию тип массива — float64)

➡️ zeros((n, m)) - создает массив нулей с размером n x m.

>>> np.zeros((3, 2))
array([[0., 0.],
[0., 0.],
[0., 0.]])

➡️ ones((n, m)) - создает массив единиц с размером n x m.

>>> np.ones((2, 3))
array([[1., 1., 1.],
[1., 1., 1.]])

>>> np.ones((2, 2), dtype=np.int16)
array([[1, 1],
[1, 1]], dtype=int16)

➡️empty() - создает массив без заполнения. Исходное содержимое случайно и зависит от состояния памяти на момент создания массива (мусор, что в ней хранится).

>>> np.empty((2,2))
array([[5.e-324, 0.e+000],
[0.e+000, 5.e-324]])

🐍Pythoner

✈️Когда работаешь с Git, важно не засорять репозиторий временными и локальными файлами. Для Python это особенно актуально.

➡️Вот минимальный набор, который должен быть в .gitignore:

# Кэш компиляции Python
__pycache__/
*.py[cod]

# Виртуальное окружение
venv/
env/

# Файлы зависимостей и IDE
*.log
*.sqlite3
*.env
*.DS_Store

# VS Code / PyCharm и прочее
.vscode/
.idea/

# Файлы зависимостей
pip-wheel-metadata/
*.egg-info/
dist/
build/

💡Зачем это всё?
— Не лить в гит лишнее
— Исключить локальные настройки и окружение
— Сохранить проект чистым и переносимым

🐍Pythoner

🤔Разбор

В Python при приведении к bool любая непустая строка(даже если это пробелы) оценивается как True, а комплексный ноль - False

🐍 Pythoner

✈️Вместо copy.deepcopy() можно эффективно копировать dataclass с изменением полей.

➡️Пример:

from dataclasses import dataclass, replace

@dataclass
class User:
    name: str
    age: int

user1 = User("Alice", 30)
user2 = replace(user1, age=35)

print(user2)  # User(name='Alice', age=35)

💡Зачем это нужно?
- Можно изменять объект, не модифицируя оригинал.
- Работает быстрее, чем deepcopy().
- Удобно для immutable объектов.

🐍Pythoner