About Python [ru]

👩‍💻 Состояние производительности Python 3.13: Free-Threading

Статья посвящена новому free-threaded режиму в CPython 3.13, который открывает возможности параллельного выполнения потоков. Рассматриваются особенности его использования и влияние на производительность.

Читать...

👩‍💻 Задачка по Python

Напишите функцию, которая принимает строку и возвращает список всех её подстрок. Подстрока — это непрерывная последовательность символов, содержащаяся в строке.

➡️ Пример:

"abc"
['a', 'ab', 'abc', 'b', 'bc', 'c']

Решение задачи ⬇️

def generate_substrings(s):
substrings = []
for i in range(len(s)):
for j in range(i + 1, len(s) + 1):
substrings.append(s[i:j])
return substrings

# Пример использования:
input_string = "abc"
result = generate_substrings(input_string)
print(result) # Ожидаемый результат: ['a', 'ab', 'abc', 'b', 'bc', 'c']

👩‍💻 Кастомизация Django Admin. Часть 1: Структура шаблонов

Статья открывает цикл о кастомизации Django админки, начиная с основ. Рассматриваются ключевые шаблоны и механизм их поиска, чтобы упростить понимание структуры и облегчить работу с админкой.

Читать...

👩‍💻 Задачка по Python

Напишите функцию, которая принимает список чисел и возвращает второе наибольшее число. Если в списке меньше двух уникальных чисел, функция должна вернуть None.

➡️ Пример:

[10, 20, 4, 45, 99]
45

[5, 5, 5]
None

Решение задачи ⬇️

def find_second_largest(numbers):
# Удаляем дубликаты и сортируем список в порядке убывания
unique_numbers = sorted(set(numbers), reverse=True)
# Если уникальных чисел меньше двух, возвращаем None
return unique_numbers[1] if len(unique_numbers) >= 2 else None

# Пример использования:
print(find_second_largest([10, 20, 4, 45, 99])) # Ожидаемый результат: 45
print(find_second_largest([5, 5, 5])) # Ожидаемый результат: None

👩‍💻 Пишем небольшое приложение на Python для повышения продуктивности с помощью ИИ и BotHub API

Статья объясняет, как создать приложение для автоматического анализа онлайн-встреч. Используя API BotHub (Whisper-1 + Claude 3.5 Sonnet), вы научитесь извлекать ключевые идеи, распределять задачи и генерировать отчёты в формате PDF.

Читать...

👩‍💻 Укрощение монстров: мониторинг и управление ресурсоемкими запросами в Django + PostgreSQL

Каждый Django-разработчик рано или поздно сталкивается с неожиданно «тяжелыми» запросами, способными превратить быстрое приложение в неповоротливого слона. Рассказываем, как с помощью django-pgactivity выследить и обезвредить такие запросы, прежде чем они создадут проблемы вашим пользователям.

Читать...

📈 Подборка статей для вашей карьеры

• Продуктивность и почему «сделать много всего» — это не про неё

• Куда выйти из айти?

• Как я боролся с выгоранием в ИТ: лайфхаки и личный опыт

• ИТ-пенсионеры и где они обитают

• Почему мне нужно, чтобы ты вкатился в айти

👩‍💻 Сравнение Bash и Python при написании скпритов в Linux

Командный интерпретатор Bash и язык программирования Python — два ключевых инструмента в работе с Linux-системами. В статье сравниваются их возможности для скриптов и системных задач.

Читать...

👩‍💻 Моделирование работы гидроциклона для очистки воды от нефти с помощью ML

В статье рассказывают, как с помощью ML моделировали работу гидроциклонов для очистки воды от нефти: почему отказались от физмат-моделей, ключевые этапы и результаты.

Читать...

⚙️ Что такое any и all в Python и зачем они используются?

any и all — это встроенные функции в Python, которые проверяют значения в итерируемом объекте.

• any возвращает True, если хотя бы одно значение истинное.
• all возвращает True, если все значения истинные.

➡️ Пример:

numbers = [0, 2, 4, 6]

# Проверка: есть ли хотя бы одно ненулевое число
print(any(numbers))  # True

# Проверка: все ли числа ненулевые
print(all(numbers))  # False

🗣️ В этом примере any возвращает True, так как есть ненулевые значения, а all — False, так как присутствует 0. Эти функции полезны для упрощения проверки условий в списках и других коллекциях.

🖥 Подробнее тут

👩‍💻 Создаем интерактивную симуляцию лесного пожара на Python с использованием клеточных автоматов

В статье рассказывают, как моделировать лесные пожары на компьютере: понять хаос огня, предсказать его путь и даже экспериментировать с распространением — без реального риска.

Читать...

🌎 Google не разрешает сотрудникам использовать свою же недавно выпущенную IDE Antigravity

И, видимо, не зря — реддитор рассказал, что ИИ-агент Antigravity случайно удалил весь его диск, пока пытался исправить баг:

«Я просматриваю журналы с предыдущего шага и с ужасом вижу, что команда, которую я выполнил для очистки кэша проекта (rmdir), по всей видимости, ошибочно указала на корень вашего диска D:, а не на конкретную папку проекта.
Мне очень, очень жаль.»

✖️ xCode Journal

👩‍💻 Qt for Python: PySide6

Статья для новичков про использование Qt на языке Python используя официальную библиотеку-привязку PySide6. Ознакомление с созданием графических приложений на языке Python.

Читать...

👩‍💻 Генетический алгоритм в помощь Adam — супер, но есть нюанс

В статье объясняют, как генетический алгоритм может помочь оптимизировать обучение нейросетей с Adam: гибридный подход, библиотека Deap и немного экспериментов без лишней математики.

Читать...

👩‍💻 Разворачиваем нейросеть на бесплатном VPS: FastAPI + Hugging Face за 15 минут

В статье показывают, как запустить нейросеть с Hugging Face на бесплатном VPS: Docker, FastAPI и немного магии — получить AI-сервис за 15 минут без лишних затрат.

Читать...

🧠 Самые интересные статьи за последние дни:

• PyMyFlySpy: отслеживание полёта по бортовым данным

• FastAPI и Dependency Injection: правда или вымысел?

• Мир за пределами Pandas: достойные альтернативы для работы с данными

• Укрощение строптивого прибора или python в помощь инженеру

• Всё про конфиги

🧱 Стабильность начинается с предсказуемости

Если каждый компонент системы ведёт себя по-разному — ты получаешь не систему, а набор сюрпризов.

👉 Совет: стандартизируй: форматы ошибок, логов, API-ответов, структуру кода. Даже простая единообразие снижает порог входа, упрощает отладку и делает проект «человечнее».

👩‍💻 Собственный контент-фильтр на базе LLM: от эксперимента до стабильной системы

Покажу, как мы в red_mad_robot придумали фильтр нежелательного контента на основе LLM, почему готовые решения не подошли, и какие грабли встретили, пока создавали свой кастомный подход.

Читать...

⚙️ Что такое logging в Python?

logging — это встроенный модуль Python для создания логов, которые помогают отлаживать и мониторить работу приложений.

➡️ Пример:

import logging

# Настройка базового уровня логирования
logging.basicConfig(level=logging.INFO)

# Создание лога
logging.info("Приложение запущено")
logging.warning("Это предупреждение!")
logging.error("Произошла ошибка")

🗣️ В этом примере модуль logging создаёт сообщения разного уровня важности. Логирование позволяет отслеживать работу приложений и находить проблемы в коде.

🖥 Подробнее тут

👩‍💻 AutoCraft Bot — Telegram-автоматизация Windows без монитора, глазами незрячего разработчика

Я собрал AutoCraft Bot — десктопное Python-приложение и Telegram-бот в одном. Он управляет ПК, говорит, скринит, ловит команды и живёт в одном .exe.

Читать...