#ЧеКак
🤔 Для чего используется IntegerChoices?

IntegerChoices в Django используется для создания выбора из ограниченного набора целочисленных значений для поля модели. Это полезно, когда вам нужно ограничить допустимые значения для поля модели определенными целыми числами, и при этом иметь удобные человекочитаемые названия для этих значений.

🚩Основные плюсы

🟠Читаемость кода
Значения выбора имеют человекочитаемые названия, что делает код более понятным.
🟠Поддержка валидации
Django автоматически проверяет, что значение поля соответствует одному из допустимых значений.
🟠Удобство использования в админке
В Django admin интерфейсе выпадающий список с человекочитаемыми названиями делает работу с данными удобнее.

🚩Пример использования

1⃣Создание класса IntegerChoices

from django.db import models

class Status(models.IntegerChoices):
    PENDING = 1, 'Pending'
    APPROVED = 2, 'Approved'
    REJECTED = 3, 'Rejected'

2⃣Использование IntegerChoices в модели

from django.db import models

class Application(models.Model):
    status = models.IntegerField(choices=Status.choices, default=Status.PENDING)
    name = models.CharField(max_length=100)
    submitted_at = models.DateTimeField(auto_now_add=True)

    def __str__(self):
        return f"{self.name} - {self.get_status_display()}"

3⃣Пример работы с моделью

# Создание новой записи
app = Application.objects.create(name='John Doe')

# Проверка статуса
print(app.status)  # 1
print(app.get_status_display())  # 'Pending'

# Изменение статуса
app.status = Status.APPROVED
app.save()

# Проверка обновленного статуса
print(app.status)  # 2
print(app.get_status_display())  # 'Approved'

👉Новости 👉Платформа

#ЛитКод
Задача: 515. Find Largest Value in Each Tree Row

Дан корень двоичного дерева, верните массив наибольших значений в каждой строке дерева (индексация с 0).

Пример:

Input: root = [1,3,2,5,3,null,9]
Output: [1,3,9]

👨‍💻 Алгоритм:

1⃣Если корень дерева равен null (пустое дерево), верните пустой список. Инициализируйте список ans для хранения результатов и очередь с корнем дерева для выполнения поиска в ширину (BFS).

2⃣Выполните BFS, пока очередь не пуста: инициализируйте currMax минимальным значением и сохраните длину очереди в currentLength. Повторите currentLength раз: удалите узел из очереди, обновите currMax, если значение узла больше. Для каждого дочернего узла, если он не равен null, добавьте его в очередь.

3⃣Добавьте currMax в ans. Верните ans.

😊 Решение:

from collections import deque
from typing import List, Optional

class Solution:
    def largestValues(self, root: Optional[TreeNode]) -> List[int]:
        if not root:
            return []
        
        ans = []
        queue = deque([root])
        
        while queue:
            current_length = len(queue)
            curr_max = float("-inf")
            
            for _ in range(current_length):
                node = queue.popleft()
                curr_max = max(curr_max, node.val)
                if node.left:
                    queue.append(node.left)
                if node.right:
                    queue.append(node.right)
            
            ans.append(curr_max)
        
        return ans

👉Новости 👉Платформа

#ЧеКак
🤔 Что такое Миксин?

Миксин (Mixin) – это класс, предназначенный для предоставления определённых методов для использования другими классами, без необходимости становиться родительским классом для этих классов. Главная цель миксина - реализация функциональности, которую можно легко подключить к другому классу. Миксины позволяют разработчикам использовать композицию для добавления функций в классы вместо наследования, что делает структуру кода гибче и модульнее.

👉Новости 👉Платформа

#ЧеКак
🤔 Какие типы HTTP запросов знаешь? В чем их отличия?

Типы: GET (получение данных), POST (отправка данных), PUT (обновление ресурса), DELETE (удаление ресурса), PATCH (частичное обновление). GET передаёт параметры в URL, а POST отправляет данные в теле запроса. PUT и DELETE изменяют состояние сервера, а PATCH обновляет только указанные части ресурса.

👉Новости 👉Платформа

#ЧеКак
🤔 Как работает хеш-таблица?

Это структура данных, которая хранит пары ключ-значение и использует хеш-функцию для вычисления индекса.
Хеширование: ключ преобразуется в числовое значение (хеш).
Размещение: хеш определяет индекс, куда сохраняется значение.
Коллизии: если два ключа имеют одинаковый хеш, используется метод разрешения коллизий (связанный список, открытая адресация).
Хеш-таблицы обеспечивают быстрый доступ (O(1)) к данным при правильной реализации.

👉Новости 👉Платформа

#Вакансии
👨‍💻 Python Developer

Локация: Удаленно в РФ
Компания: Медиа Ком
ЗП: от 150 000 до 250 000 р.
Занятость: Полная

🚩Обязанности
▪️Командная web-разработка;
▪️Участие в проектировании архитектуры приложений и моделей данных;
▪️Интеграция с внешними и внутренними API. Поддержка реализованного функционала;
▪️Оптимизация сервисов под высокие нагрузки;
▪️Сопровождение и документирование написанного кода;
▪️Code-review.

🚩Требования
▪️ Уверенное владение Python (версии 3+)
▪️Опыт разработки клиент-серверных веб-приложений;
▪️Уверенное знание SQL; Git; Linux;
▪️Понимание алгоритмов и структур данных; Понимание принципов ООП.

🚩Желательно
▪️Знание Django и Django REST Framework;
▪️Знание Flask, FastApi;
▪️Знание aiohttp, асинхронное программирование;
▪️Знание SQLAlchemy;
▪️Опыт работы с PostgreSQL, индексы и оптимизация запросов;
▪️Понимание и умение пользоваться паттернами проектирования.

🚩Что мы предлагаем
▪️Удаленный формат работы;
▪️Работу в команде увлеченных и профессиональных людей;
▪️Решение сложных и интересных задач;
▪️График работы: 5/2 (09-18:00 МСК!);
▪️Полностью белую ЗП (отталкиваемся от ваших ожиданий);

​​​​​​​​​​​​​💬 Резюме отправлять: @ElenBondareva

👉Новости 👉Платформа

#ЧеКак
🤔 Что такое шардирование?

Это метод горизонтального разделения базы данных, при котором данные распределяются между несколькими серверами (шардами).
🟠Каждый шард содержит уникальный подмножество данных, обеспечивая масштабируемость и повышение производительности.
🟠Используется для работы с большими объёмами данных и снижения нагрузки на один сервер.

👉Новости 👉Платформа

#ЛитКод
Задача: 621. Task Scheduler

Вам дан массив задач процессора, каждая из которых представлена буквами от A до Z, и время охлаждения, n. Каждый цикл или интервал позволяет завершить одну задачу. Задачи могут быть выполнены в любом порядке, но есть ограничение: одинаковые задачи должны быть разделены не менее чем n интервалами из-за времени охлаждения. Верните минимальное количество интервалов, необходимое для выполнения всех задач.

Пример:

Input: tasks = ["A","A","A","B","B","B"], n = 2
Output: 8

👨‍💻 Алгоритм:

1⃣Подсчитайте количество каждой задачи и найдите максимальное количество вхождений (maxFreq).

2⃣Вычислите количество интервалов, необходимых для задач с maxFreq: (maxFreq - 1) * (n + 1) + countMaxFreq, где countMaxFreq - количество задач, имеющих maxFreq.

3⃣Верните максимум между вычисленным значением и длиной массива задач, поскольку некоторые задачи могут заполнять интервал до n.

😊 Решение:

from collections import Counter

def leastInterval(tasks, n):
    task_counts = Counter(tasks)
    max_freq = max(task_counts.values())
    count_max_freq = list(task_counts.values()).count(max_freq)
    
    return max(len(tasks), (max_freq - 1) * (n + 1) + count_max_freq)

👉Новости 👉Платформа

#ЛитКод
Задача: 1496. Path Crossing

Дана строка path, где path[i] = 'N', 'S', 'E' или 'W', каждая из которых представляет движение на одну единицу на север, юг, восток или запад соответственно. Вы начинаете с точки (0, 0) на 2D плоскости и идете по пути, указанному в path.

Верните true, если путь пересекает сам себя в какой-либо точке, то есть если вы в какой-то момент окажетесь в месте, которое уже посещали ранее. В противном случае верните false.

Пример:

Input: path = "NESWW"
Output: true
Explanation: Notice that the path visits the origin twice.

👨‍💻 Алгоритм:

1⃣Инициализация переменных
Создать хэш-карту moves, которая сопоставляет символы 'N', 'S', 'E', 'W' с соответствующими значениями. Инициализировать множество visited с начальной точкой (0, 0). Установить начальные координаты x = 0 и y = 0.

2⃣Проход по строке path
Для каждого символа c в path получить значения (dx, dy) из moves[c]. Обновить координаты: добавить dx к x и dy к y. Проверить, содержится ли текущая точка (x, y) в visited. Если да, вернуть true. Добавить текущую точку (x, y) в visited.

3⃣Возврат результата
Если ни одна точка не пересекалась, вернуть false.

😊 Решение:

class Solution:
    def isPathCrossing(self, path: str) -> bool:
        moves = {'N': (0, 1), 'S': (0, -1), 'E': (1, 0), 'W': (-1, 0)}
        visited = {(0, 0)} 
        x = y = 0
        
        for c in path:
            dx, dy = moves[c]
            x += dx
            y += dy
            if (x, y) in visited:
                return True
            visited.add((x, y))
        
        return False

👉Новости 👉Платформа

#ЧеКак
🤔 Чем хорош FastAPI?

🟠Высокая производительность: использует Starlette и Pydantic, обеспечивая быстрый отклик.
🟠Асинхронность: поддерживает async/await для обработки множества запросов одновременно.
🟠Автогенерация документации: автоматически создаёт OpenAPI-спецификации и Swagger UI.
🟠Удобство валидации: встроенная поддержка проверки данных.

👉Новости 👉Платформа

Разработчик Python под Linux (middle|senior)

Локация: Удаленно в РФ, весь мир (при наличии карты РФ для зп)
Компания: Ideco (Айдеко)
ЗП: от 250 000 до 400 000 р. (мидл), от 400 000 до 500 000 р. (сеньор)
Занятость: Полная

Ideco (Айдеко) аккредитованная ИТ-компания, разработчик софта в области информационной безопасности и сетевых технологий (Ideco NGFW, Ideco VPP)

Cтек технологий: Linux Fedora 35, Python 3.10 с постоянным обновлением до новой и стабильной версии, ETCD, Clickhouse, Asyncio, aiohttp.

Таски в разработке по-настоящему разные: от исправления шаблона конфига nginx до реализации приложений по обработке сетевого трафика. Придется постоянно работать на стыке бакенда и системы, поэтому знания Linux обязательны.

🚩Обязанности:
🔵Разрабатывать микросервисы с использованием Asyncio и AioHTTP;
🔵Разрабатывать демоны по настройке и управлению сетью;
🔵Писать системные утилиты в Linux;
🔵Проектировать архитектуру системы и бэкендов;
🔵Участвовать в code review;
🔵Рефакторить - куда ж без этого.

🚩Требования:
🔵Опыт коммерческой разработки, уровень не ниже middle;
🔵Уверенные навыки администрирования Linux;
🔵Уверенное понимание сетевых протоколов, модели OSI, протоколов прикладного уровня (HTTP, TLS, FTP, SMB);
🔵Опыт работы с Systemd;
🔵Опыт работы с виртуализацией;
🔵Опыт проектирования REST API.

🚩От нас для тебя:
🔵сложные, интересные проекты, минимум бюрократии
🔵Сильная команда, постоянный обмен опытом
🔵Понятные роли с прозрачными целями
🔵Бонус за результативность
🔵Внутренняя и внешняя реферальная программа
🔵ДМС со стоматологией
🔵Корпоративный английский
🔵Конкурентная «белая» з/п
🔵Возможность удаленной работы, в том числе за рубежом
🔵Материальная помощь при важных событиях в жизни

​​​​​​​​​​​​​💬 Резюме отправлять: @Drakonica

👉Новости 👉Платформа

#ЧеКак
🤔 Для чего можно использовать Celery?

🟠Это инструмент для выполнения задач в фоновом режиме.
🟠Используется для отправки уведомлений, обработки данных, построения отчётов и выполнения длительных операций вне основного потока.
🟠Поддерживает планирование задач и распределённую обработку через брокеры, такие как RabbitMQ или Redis.

👉Новости 👉Платформа

#ЛитКод
Задача: 624. Maximum Distance in Arrays

Вам дано m массивов, где каждый массив отсортирован по возрастанию. Вы можете взять два целых числа из двух разных массивов (каждый массив выбирает одно) и вычислить расстояние. Мы определяем расстояние между двумя целыми числами a и b как их абсолютную разность |a - b|. Верните максимальное расстояние.

Пример:

Input: arrays = [[1,2,3],[4,5],[1,2,3]]
Output: 4

👨‍💻 Алгоритм:

1⃣Найдите минимальный элемент из всех первых элементов массивов и максимальный элемент из всех последних элементов массивов.

2⃣Рассчитайте максимальное расстояние между минимальным и максимальным элементами.

3⃣Верните это максимальное расстояние.

😎 Решение:

def maxDistance(arrays):
    min_val = arrays[0][0]
    max_val = arrays[0][-1]
    max_distance = 0
    
    for i in range(1, len(arrays)):
        max_distance = max(max_distance, abs(arrays[i][-1] - min_val), abs(arrays[i][0] - max_val))
        min_val = min(min_val, arrays[i][0])
        max_val = max(max_val, arrays[i][-1])
    
    return max_distance

👉Новости 👉Платформа