Python Portal

Совет по чистому коду в Python:

Используйте Enum, чтобы логически группировать связанные константы.

from dataclasses import dataclass
from enum import Enum

Плохо:

ORDER_PLACED = "PLACED"
ORDER_CANCELED = "CANCELED"
ORDER_FULFILLED = "FULFILLED"

@dataclass
class Order:
    status: str

order = Order(ORDER_PLACED)
print(order)

Хорошо:

class OrderStatus(str, Enum):
    PLACED = "PLACED"
    CANCELED = "CANCELED"
    FULFILLED = "FULFILLED"

@dataclass
class Order:
    status: OrderStatus

order = Order(OrderStatus.PLACED)
print(order)

👉 @PythonPortal

Шардинг Баз Данных

Шардинг это метод разделения базы данных на несколько независимых частей, называемых шардами. Важно не путать шардинг с репликацией > при репликации копии базы данных дублируют друг друга, а шардирование делит данные на составные, независимые фрагменты.

Виды

1. По диапазону

Разделение данных на основе диапазонов определённых значений, например, деление информации о товарах в зависимости от их ценового диапазона.

2. По ключу

Работает на основе использования уникального значения, например идентификатора пользователя, в качестве входных данных для хэш-функции. Хэш-функция вычисляет выходное значение, которое используется для определения сервера, на котором должны храниться данные.

3. По директории

Предполагает наличие таблицы поиска, в которой используется ключ шарда для отслеживания того, в каком шарде хранятся те или иные данные. Подход позволяет более гибко добавлять или удалять серверы, а также изменять схему сегментирования, не влияя на работу остальной части приложения.

👉 @PythonPortal

Отличная штука. Для просмотра pdf

👉 @PythonPortal

Если вам нравится всё, что связано с открытым исходным кодом и self‑hosted решениями, рекомендую заглянуть на страницу selfh.st

Там можно сортировать по тегам, фильтровать по активности репозиториев или количеству звёзд на GitHub. Настоящая находка, я периодически захожу, чтобы посмотреть, не появилось ли чего интересного для тестирования. 🥺

👉 @PythonPortal

Шпаргалка по SQL-функциям

🔸Агрегатные функции (COUNT, SUM, AVG, MIN, MAX),
🔸оконные функции (ROW_NUMBER, RANK, LAG, LEAD),
🔸строковые функции (LOWER, SUBSTRING, CONCAT),
🔸работа с датами (NOW, DATE_PART, TRUNC),
🔸управление потоком (CASE, COALESCE),
🔸фильтры (IN, LIKE),
🔸математика (ROUND, MOD).

👉 @PythonPortal

Ненужный код⁠⁠

👉 @PythonPortal

Совет по чистому коду в Python:

Используйте модуль secrets для генерации криптографически стойких случайных строк — например, одноразовых паролей или токенов доступа.

Он безопаснее, чем random, и подходит для любых задач, связанных с безопасностью.

# генерация случайного пароля
import string
import secrets

alphabet = string.ascii_letters + string.digits
password = ''.join(secrets.choice(alphabet) for i in range(8))

# генерация токена для восстановления пароля
import secrets
url = f'https://johndoe.com/reset-password/?token={secrets.token_urlsafe()}'

👉 @PythonPortal

Хочешь изучить Git, не рискуя своей локальной установкой?

Теперь можно запускать команды Git прямо из браузера , с пошаговым объяснением, что делает каждая команда.

→ https://scrum-master.es/virtualOS/otros/git

👉 @PythonPortal

Берём на заметку

👉 @PythonPortal

Кортежи используют меньше памяти, чем списки того же размера

>>> import sys
>>> sys.getsizeof(tuple(iter(range(20))))
200
>>> sys.getsizeof(list(iter(range(20))))
216

Разница небольшая, но при работе с большими объёмами данных — важна. 🤕

👉 @PythonPortal

Airweave — будущее RAG-систем в реальном времени

Теперь можно строить агентов, которые ищут данные в любых приложениях, базах и хранилищах документов в реальном времени.

Инструмент Airweave создаёт живые, би-временные knowledge bases, чтобы агенты всегда работали с самыми свежими фактами.

Он подключается к Notion, Google Drive, SQL-базам и превращает их содержимое в индексируемое знание.
Всё это работает локально в Docker-контейнере, с возможностью экспонировать API и MCP-сервер.

Автор показал полный сетап и живое демо, а также поделился ссылкой на GitHub проекта.

👉 @PythonPortal

Они сделали первый шаг к восстанию

👉 @PythonPortal

Отличная находка для разработчиков: бесплатные шпаргалки по Deep Learning и PyTorch

Подробное руководство по созданию и обучению нейросетей - ссылка

Базовые принципы и практика работы с PyTorch - ссылка

👉 @PythonPortal

Крутейший интерактивный учебник по теории вероятностей и статистике

Внутри наглядные визуализации, интерактивчики и минимум сухой теории. Можно покрутить распределения, посэмплить выборки, поиграться с доверительными интервалами и наглядно увидеть, как это всё работает

Забираем тут, советую открывать с десктопа

👉 @PythonPortal

Те, кто стал легендой, остаются навсегда в сердце и памяти каждого

👉 @PythonPortal

API для фанатов Симпсонов и начинающих разработчиков 😏

Без регистрации, бесплатно, с картинками:

→ https://thesimpsonsapi.com

👉 @PythonPortal

Лямбды это не просто однострочные функции, они ещё и сохраняют контекст

Логика находится прямо там, где она нужна. Не нужно прыгать между строками.

# Без lambda — приходится прыгать по коду
def get_name(user):
    return user['name']

# Представьте, что здесь 100–200 строк кода...

users.sort(key=get_name)


# Условия сортировки прямо на месте
users.sort(key=lambda user: user['name'])

👉 @PythonPortal

Python-библиотека RetinaFace для детекции лиц и работы с ключевыми точками (глаза, нос, рот)

Поддерживает выравнивание лиц, легко ставится через pip install retina-face и работает на основе глубинных моделей из проекта insightface.

Отличный инструмент для задач в области компьютерного зрения и face recognition.

Примеры использования:

from retinaface import RetinaFace

resp = RetinaFace.detect_faces("img1.jpg")
print(resp)

{
    "face_1": {
        "score": 0.9993440508842468,
        "facial_area": [155, 81, 434, 443],
        "landmarks": {
          "right_eye": [257.82974, 209.64787],
          "left_eye": [374.93427, 251.78687],
          "nose": [303.4773, 299.91144],
          "mouth_right": [228.37329, 338.73193],
          "mouth_left": [320.21982, 374.58798]
        }
  }
}

👉 @PythonPortal

Лучшие практики Docker:

Ограничивай CPU и память для своих контейнеров, чтобы не положить остальные контейнеры на машине.

Через docker run:

docker run --cpus=2 -m 512m nginx

--cpus=2 → ограничение по CPU: максимум 2 виртуальных ядра.

-m 512m → ограничение по памяти: максимум 512 МБ.

Через docker-compose:

version: "3.9"
services:
  redis:
    image: redis:alpine
    deploy:
      resources:
        limits:
          cpus: 2
          memory: 512M
        reservations:
          cpus: 1
          memory: 256M

limits → верхние границы ресурсов (контейнер не может выйти за них).

reservations → гарантированный минимум ресурсов, который будет выделен контейнеру.

👉 @PythonPortal

Прокачай свой путь в обучении 🚀

Нашлась бесплатная платформа, где можно изучать любые темы в формате карт знаний. Строй собственные маршруты, визуализируй связи между понятиями и прокачивай то, что интересно именно тебе.

Попробуй здесь: https://learn-anything.xyz/

👉 @PythonPortal