Python академия

Не используйте обработку исключений слишком часто

Обработка исключений может защитить вашу программу от внезапных сбоев. Тем не менее все прекрасно знают, что подобные конструкции могут заметно снизить производительность скрипта.

Не стоит злоупотреблять try-except конструкциями, так как в большинстве случаев можно справиться с задачей, применяя обычные условия. Используйте обработку исключений только в крайних случаях.

На картинке мы привели пример двух случаев необоснованного использования обработки исключений, а также показали более правильную альтернативу.

Подписывайтесь на канал 👉@pythonofff

Функция itertools.cycle

В пайтон есть классный модуль itertools для создания собственных итераторов. Функции данного модуля довольно эффективны в работе, поэтому их часто используют в реальных проектах.

Сегодня мы бы хотели показать вам функцию cycle() из itertools. Данная функция принимает на вход итерируемый объект и создает бесконечный итератор, циклически возвращающий элементы данного объекта. Фишка заключается в том, что когда элементы последовательности заканчиваются, итерация начинается вновь с первого элементы.

К примеру, функция cycle() из последовательности ['red', 'white', 'blue'] генерирует повторяющуюся бесконечную. Но важно при проходе при итерации по такому итератору предусмотреть выход из цикла (а не как у нас в первом случае с colors:). Так как это итератор, то мы можем использовать его для получения значений через функцию next(colors).

Мы также можем воспользоваться islice(), который вернет итератор по подмножеству переданного объекта.

Подписывайтесь на канал 👉@pythonofff

Чем defaultdict отличается от простого словаря?

Если вы попытаетесь получить доступ к ключу, которого нет в словаре, он выдаст ошибку KeyError. В то время как при использовании defaultdict такой ошибки не будет.

Если вы попробуете обратиться к отсутствующему ключу, defaultdict просто вернет значение по умолчанию.

Синтаксис будет следующим: defaultdict(default_factory).

При обращении к отсутствующему ключу функция default_factory вернет значение по умолчанию.

Подписывайтесь на канал 👉@pythonofff

Перемещение и удаление файлов в Python

Чтобы переместить файл, мы можем воспользоваться модулем os или модулем shutil. Вы увидите перемещение файла при помощи метода rename() из модуля os.

Синтаксис rename() тот же, только в качестве второго аргумента указывается путь к целевому файлу с именем самого файла.

os.rename(исходноеместонахождение, целевоеместонахождение)

Подписывайтесь на канал 👉@pythonofff

Удаление ключа из словаря при помощи ключевого слова del

Python также позволяет использовать ключевое слово del для удаления определенного ключа из словаря. Использование ключевого слова del является менее безопасным подходом, так как нет способа просто указать значение по умолчанию, как это можно сделать при использовании метода .pop().

Подписывайтесь на канал 👉@pythonofff

Как определить индекс элемента списка в Python

Итак, как же определить индекс элемента в Python? Давайте представим, что у нас есть элемент списка и нам нужно узнать индекс или позицию этого элемента.

Списки Python предоставляют нам метод index(), с помощью которого можно получить индекс первого вхождения элемента в список.

Подписывайтесь на канал 👉@pythonofff

Отлавливаем ошибки с помощью assert

Инструкция assert принимает логическое выражение и необязательное сообщение. Она используется для проверки типов, значений аргумента и вывода функции, а также для отладки, поскольку останавливает программу в случае ошибки.

Если выполнить инструкцию assert с логическим выражением, результат которого равен True, ничего не произойдет. Но в случае с False будет сгенерировано исключение AssertionError.

Однако не нужно пытаться обработать исключение AssertionError блоком try-except. В таком случае assert теряет свой смысл.

В примере мы проверили, является ли переданный аргумент числовым типом данных. Если не является, то будет вызвано исключение и выведено указанное сообщение.

Подписывайтесь на канал 👉@pythonofff

Функция findall()

Если мы хотим найти все вхождения, в дело вступает функция findall().

Синтаксис: findall(pattern, string, flags=0[optional])

В случае успеха данная функция возвращает список, в котором в виде строк содержатся все искомые вхождения по порядку. Если вхождений нет, то эта функция возвратит пустой список.

Подписывайтесь на канал 👉@pythonofff

re.split()

Данный метод разделяет строку по заданному шаблону. Если шаблон найден, оставшиеся символы из строки возвращаются в виде результирующего списка. Более того, мы можем указать максимальное количество разделений для нашей строки.

Синтаксис: re.split(шаблон, строка, maxsplit = 0)

Возвращаемое значение может быть либо списком строк, на которые была разделена исходная строка, либо пустым списком, если совпадений с шаблоном не нашлось.

Подписывайтесь на канал 👉@pythonofff

Кастомная функциональность

Этот декоратор — это всего лишь пример того, как вы можете проверить некоторые разрешения совсем просто и на 100% настроить это так, как вам необходимо.

Представьте, что у вас есть блог, магазин, форум… Если у пользователей должно быть несколько очков активности, чтобы написать отзыв, это стало бы хорошим способом избежать спама. Мы создадим декоратор, чтобы проверить, что пользователь вошел в систему и имеет более 10 баллов, поэтому может написать отзыв, в противном случае мы не дадим ему сделать этого.

Подписывайтесь на канал 👉@pythonofff

Глубокое (полное) копирование

Глубокая копия создает новую и отдельную копию всего объекта или списка со своим уникальным адресом памяти. Это означает, что любые изменения, внесенные вами в новую копию объекта или списка, не будут отражаться в исходной. Этот процесс происходит следующим образом: сначала создается новый список или объект, а затем рекурсивно копируются все элементы из исходного в новый.

Короче говоря, оба объекта становятся полностью независимы друг от друга. Это похоже на концепцию передачи по значению в таких языках, как C ++, Java и C #.

Подписывайтесь на канал 👉@pythonofff

Обработка строки

Полезные функции для работы со строками. Python известен тем, что можно написать код в одну строчку использованием метода вместо перебора списком.

Перечислим наиболее полезные методы:

capitalize() - первая буква большая, остальные маленькие
strip() - удаление пробелов в начале и конце
center(int, chr='') - отцентрирует текст, int - нужное кол-во символов в строке, а chr - символ для добавления в начало и конец
swapcase() - заглавные буквы в прописные, маленькие в большие
lower() - преобразует к нижнему регистру
upper() - преобразует к верхнему регистру

При написании нейронок и ботов обязательно приводите все к нижнему регистру с помощью lower(). При написании ботов часто использую center(), для красивого вывода.

Подписывайтесь на канал 👉@pythonofff

Возврат нескольких значений из функции

Python позволяет вам возвращать из функции несколько значений.

Для этого необходимо вернуть структуру данных, содержащую эти несколько значений. Например, список количества миль, которые надо пробежать за неделю.

Структура данных — контейнер, хранящий однотипные данные. Эти данные могут быть возвращены из функций. В этой статье мы узнаем, как возвращать несколько значений из структур вроде кортежа, списка и словаря.

Подписывайтесь на канал 👉@pythonofff

Регулярные выражения (REGEX)

Регулярные выражения — более гибкий способ нахождения подстрок в строках. В Python есть встроенный модуль, позволяющий работать с регулярными выражениями, — re. Модуль re содержит функцию search, которая позволит вам найти подстроку

Если вам нужны сложные сопоставления, например, учет регистра — этот метод подойдет вам лучше всего. Но у него есть и недостатки: сложность и скорость работы. То есть, в простеньких задачах его лучше не использовать.

Подписывайтесь на канал 👉@pythonofff

Геттеры и сеттеры

В объектно-ориентированных языках распространено использование геттеров и сеттеров для безопасной работы с приватными полями. Например, в C# для этого есть удобная конструкция { get; set; }.

В Python геттер реализуется через декоратор @property, а сеттер в виде @свойство.setter. В примере метод геттера называется age, поэтому декоратор сеттера – @age.setter.

Оба метода должны иметь одинаковое название, по которому можно будет обращаться как к обычному атрибуту.

Подписывайтесь на канал 👉@pythonofff

Настройка вывода NumPy

Библиотека NumPy (Numerical Python) является одной из наиболее популярных библиотек для работы с массивами данных в Python. Она предоставляет множество удобных функций для работы с многомерными массивами, линейной алгеброй, случайными числами и многим другим. Однако, при выводе данных из массивов NumPy, форматирование может быть не самым удобным и красивым. Часто вывод выглядит не очень читабельно, особенно при большом количестве элементов.

Для управления выводом данных из массивов NumPy существует метод set_printoptions(). Этот метод позволяет настроить различные параметры вывода данных, такие как количество отображаемых цифр после запятой, количество обрезаемых элементов в массиве, количество элементов в начале и в конце каждой размерности массива и другие.

import numpy as np

# Установка параметров вывода данных
np.set_printoptions(precision=4, threshold=5, edgeitems=2, linewidth=80, suppress=True, nanstr='NaN', infstr='inf')

# Пример массива NumPy
arr = np.array([1.23456789, 2.3456789, 3.456789, 4.56789, 5.6789, 6.789])

# Вывод массива с установленными параметрами
print(arr)

В приведенном примере мы импортируем библиотеку NumPy, устанавливаем параметры вывода с помощью метода set_printoptions() и создаем массив NumPy. Затем мы выводим этот массив с установленными параметрами, что позволяет нам контролировать форматирование вывода данных.

Используя метод set_printoptions() вы можете легко настроить вывод данных из массивов NumPy так, чтобы он соответствовал вашим потребностям и был более читабельным. Это особенно полезно при работе с большими массивами данных, когда важно иметь четкое представление о содержимом массива.

Подписывайтесь на канал 👉@pythonofff

Работа с argparse

Модуль argparse в Python предоставляет удобный и гибкий способ анализа аргументов командной строки. Он позволяет определять как позиционные, так и именованные аргументы, указывать значения по умолчанию, добавлять справочные сообщения для пользователей и многое другое. Этот модуль является предпочтительным выбором для работы с аргументами командной строки в Python благодаря своей простоте и мощности.

Для использования модуля argparse сначала необходимо импортировать его в свой скрипт. Далее, можно определить парсер аргументов и добавить к нему необходимые аргументы. Например, чтобы создать парсер с одним позиционным аргументом и одним именованным аргументом, можно написать следующий код:

import argparse

parser = argparse.ArgumentParser(description='Описание программы')
parser.add_argument('позиционный_аргумент', type=int, help='Справка для позиционного аргумента')
parser.add_argument('--именованный_аргумент', default='значение_по_умолчанию', help='Справка для именованного аргумента')
args = parser.parse_args()

print(args.позиционный_аргумент)
print(args.именованный_аргумент)

В данном примере мы создаем парсер аргументов, добавляем к нему один позиционный аргумент типа int и один именованный аргумент с значением по умолчанию. После парсинга аргументов мы можем обращаться к ним через объект args. Таким образом, модуль argparse упрощает и стандартизирует работу с аргументами командной строки в Python, делая код более читаемым и модульным.

Подписывайтесь на канал 👉@pythonofff

Используем collection.Counter ()

Это менее известный метод для получения количества вхождений элемента в любой контейнер в Python. Он также выполняет задачу, аналогичную описанным выше двум методам, просто является функцией другой библиотеки, т.е. collections.

Класс Counter() модуля collections - это подкласс словаря dict для подсчета хеш-объектов (неизменяемых, таких как строки, числа, кортежи и т.д.). Это коллекция, в которой элементы хранятся в виде словарных ключей, а их счетчики хранятся в виде значений словаря.

Счетчик может быть любым целочисленным значением, включая ноль или отрицательное число. Класс collections.Counter() похож на мультимножества в других языках программирования.

Подписывайтесь на канал 👉@pythonofff

Используем lambda, sum() и map()

Лямбда-функция в Python — это просто функция Python. Но это некий особенный тип с ограниченными возможностями.

Лямбда-функции вместе с sum() и map() также могут решить конкретно эту задачу подсчета общего числа вхождений определенного элемента в строку. Этот метод использует sum() для суммирования всех вхождений, полученных с помощью map().

Подписывайтесь на канал 👉@pythonofff

Что делают OrderedDict и fromkeys()?

OrderedDict это словарь, который запоминает порядок вставки ключей. Если новое вхождение перезаписывает существующее вхождение, исходная позиция вставки остается неизменной.

fromkeys() создает новый словарь и возвращает список ключей. Ключи для нового словаря берутся из seq, а значения — из value (если заданы). Синтаксис метода fromkeys() — fromkeys(seq[, value]).

Параметры:

seq: Это список значений, которые будут использоваться при подготовке ключей для словаря.
value: Опционально; если задать, значение будет установлено в качестве value.

Подписывайтесь на канал 👉@pythonofff