Python RU

🖥 12 декораторов Python, которые выведут ваш код на новый уровень

Декораторы Python – это мощные инструменты, которые помогают вам создавать чистый, многоразовый и поддерживаемый код.

Если вы разработчик на Python, этот пост расширит ваш инструментарий полезными скриптами и поможет повысить производительность и избежать дублирования кода.

▪Читать
▪ Зеркало

@pro_python_code

Автоматизация запуска скриптов с помощью Cronjobs и Python 2023

В этой статье мы обсудим, как запускать скрипт на Python в качестве задания cron. Вы узнаете, как создать задание cron, как запланировать его выполнение в определённое время и как убедиться, что оно выполняется правильно.

Мы также рассмотрим некоторые советы и рекомендации по устранению неполадок в вашей работе с Cron, чтобы вы могли поддерживать бесперебойную работу вашего скрипта.

▪Читать

@pro_python_code

🖥 Почему в Python по-прежнему нужна функция map()

Не беспокойтесь, эта статья не посвящена тому, как использовать map() в Python.

Мы не будем говорить о том, что эта функция лучше или хуже, чем генератор списков или цикл for.

Мы не будем сравнивать ее с соответствующим генератором или со списковым генератором. И здесь не будет утверждений о том, что использование map() делает вас продвинутым разработчиком Python.


▪ Читать дальше

@pro_python_code

Улучшите свои навыки работы на Python в 2023 году

В этой статье мы дадим вам семь советов о том, как улучшить свои навыки работы на Python. Часто именно мелочи имеют большое значение. Эти советы прокачают ваши навыки.

▪Читать

@pro_python_code

🪐 Создание 3D модели Солнечной системы на Python с использованием Matplotlib

К концу этой статьи вы сможете создать свою собственную 3D модель Cолнечной системы на Python с таким количеством звёзд и планет, каким пожелаете.

▪Читать

@pro_python_code

🖥 Шпаргалка по регулярным выражениям Python 2023

Эта шпаргалка по регулярным выражениям покажет вам наиболее часто используемые регулярные выражения, которые любой python разработчик или системный администратор может использовать в качестве краткого справочника.

▪ Читать
▪Зеркало
▪ Pdf

@pro_python_code

🖥 Разбор полезных алгоритмов на Python.

Список алгоритмов, которые широко используются в различных областях Data Science, и программисту важно хорошо их понимать.

В статье приводится объяснение алгоритмов с примерами кода.

📌 Читать

@pro_python_code

🖥 Color Stealing

Python-реализация алгоритма кражи цвета. Этот метод строит эстетически приятные фракталы путем копирования цветовых узоров из заданного изображения в бинарный фрактал.

🖥 Github

@pro_python_code

🔥 7 расширенных операций со списками Python, которые могут эффективно оптимизировать ваш код

В этой статье мы покажем вам семь расширенных операций со списками, которые сделают ваш код аккуратнее, чище и качественнее.

▪Читать
▪Зеркало

@pro_python_code

Оптимизация запросов Django ORM

Django ORM (Object Relational Mapping) — одна из самых мощных функций Django. Благодаря ей мы можем взаимодействовать с базой данных, используя код Python вместо SQL.

Использование ORM дает несколько преимуществ:

▪Благодаря ORM у нас есть миграция: мы можем легко изменять наши таблицы, обновлять наши модели, и Django автоматически сгенерирует сценарии миграции, необходимый для обновления таблиц базы данных.

▪Есть транзакции: мы можем делать несколько обновлений базы данных в рамках транзакции и, если что-то не получится, легко откатиться до того состояния, которое было при запуске.

Но также у ORM есть некоторые недостатки:

▪Поскольку это абстракция поверх SQL, то мы не всегда знаем точно, какие SQL-запросы будут генерироваться из нашего кода Python.

▪Django не может угадать, когда нам нужно использовать связанную таблицу, поэтому она не будет выполнять JOINs для нас, когда они нам нужны.

▪ORM дает нам неверное ощущение легкости, и мы не всегда понимаем то, что мы делаем, что может создавать большую нагрузку на сервер. У нас нет простого способа узнать, что доступ к атрибуту в объекте может вызвать дополнительный запрос к базе данных, который можно было бы предотвратить с помощью JOIN.
Чтобы преодолеть недостатки, нужно поближе познакомиться с ORM и понять как она работает под капотом.

▪Читать

@pro_python_code

🖥 ChatGPT в качестве помощника по программированию и анализу данных на Python.

ChatGPT от OpenAI это… да ладно, вы и сами знаете, что такое ChatGPT. Вы уже достаточно прочитали об этом, и представления больше не нужны.

А если вы всё-таки не знаете, что такое ChatGPT, сначала взгляните на эту статью, а затем вернитесь, чтобы продолжить.

О ChatGPT можно разговаривать очень долго, но давайте посмотрим, насколько данная технология может быть полезной на самом деле.

Сейчас вы узнаете, что может сделать ChatGPT, когда дело доходит до написания кода из спецификаций, которые мы предоставляем. Как обычно, начнём по нарастающей – с простого!

▪Читать дальше
▪Зеркало
▪Как заработать с помощью ChatGPT

@pro_python_code

🖥 Отступы в Python: так ли это плохо?

Многие авторы, критикующие Python, указывают, что одна из самых больших проблем этого языка — строгие правила отступов. Подумаем, так ли это на самом деле.

Python действительно требует применения определенного стиля отступов, и очень строг в этом отношении. Пренебрегая этим требованием, вы рискуете получить IndentationError или, что еще хуже, неправильный код. Критики Python любят противопоставлять ему такие языки, как Java, C# и R, позволяющие делать отступы в коде как угодно, и всякий раз акцентируют на том, как сильно им не хватает этой свободы в Python.

Приведет ли свобода отступов к улучшению кода на Python? Действительно ли отступы плохи? Так ли необходима нам свобода отступов? Чтобы ответить на эти вопросы, обратимся к примерам кода.

📌 Читать

@pro_python_code

🖥 Вопросы и ответы на собеседовании для Python Разработчиков

Репозиторий, в котором собраны популярные вопросы по Python и смежным темам: Django, ООП, принципы программирования, HTML, фронтенд и БД.

🖥 Github

@pro_python_code

5️⃣ Хитростей Python, которые отличают Senior-разработчика от Juniors

В этой статье мы рассмотрим пять подходов к решению распространённых задач кодинга Senior-способами, а не Junior.

Каждая задача является производной от головоломки AoC, причём многие из них многократно повторяются на протяжении AoC и других задач кодинга и задач, с которыми вы можете столкнуться, например, на собеседованиях при приёме на работу.

▪Читать
▪Зеркало

@pro_python_code

🖥 Мощные утилиты Python для анализа данных

В этой статье я предоставляю пошаговое руководство по некоторым очень полезным утилитам Python для анализа и управления данными.

В примерах этой статьи используются данные из датафрейма S&P 500, которые я сохранил в файле pickle.

▪Читать дальше
▪ Зеркало

@pro_python_code

Проверка данных при помощи декораторов

Еще один полезный метод, который может быть реализован с помощью декораторов, заключается в проверке данных до запуска декорированной функции. Очень распространенный этому пример в веб-приложении — это аутентификация пользователя. Если задача проверки/аутентификации завершается неудачно, то декорированная функция не вызывается, и вместо нее появляется ошибка.

В данном примере, декоратор only_admins ищет HTTP заголовок X-Auth-Token во входящем запросе и затем проверяет, если он совпадает с секретным токеном администратора, который для простоты мы сделали константой.

Если нет заголовка токена, или если он есть, но не совпадает, то функция abort() из Flask выполняется для генерации ответа 401 и остановки дальнейших запросов. В противном случае запрос может пройти, вызвав при этом декорированную функцию.

Обратите внимание, как в примере функции представления admin_route() используются декораторы app.route и only_admins. Это называется цепью декораторов.

@pro_python_code

Вывод уникального идентификатора переменной

Уникальный идентификатор переменной находится с помощью метода id(). Для этого нужно просто передать в метод имя переменной.

Идентификатор объекта – это целое число, которое гарантированно будет уникальным и постоянным для этого объекта в течение его жизненного цикла.

@pro_python_code

🐼 Pandas vs Polars: сравнение синтаксиса и скорости 🐻

Pandas - это незаменимая библиотека Python для Data Science. Её самым большим недостатком является то, что она может быть медленной при операциях с большими наборами данных. Polars - это альтернатива Pandas, предназначенная для более быстрой обработки данных.

Polars - это альтернатива Pandas, предназначенная для более быстрой обработки данных.

Эта статья кратко познакомит вас с библиотекой Polars и сравнит её с Pandas в отношении синтаксиса и скорости.

▪ Читать дальше
▪ Зеркало
▪ Код

@pro_python_code