Zen of Python

Делитесь своим опытом в опросе про облака

Мы готовим большое исследование по облачным технологиям и хотим узнать ваше мнение.

Расскажите, как вы работаете с облаками, какие у вас возникают вопросы или трудности. Фидбэк можно оставить в этой гугл-форме

Спасибо 🙏

django-action-triggers | Вебхуки для всего отовсюду на Django

Библиотека позволяет инициировать всевозможные события на вашем Django-сайте по триггеру — апдейту базы данных. В отличие от т.н. сигналов, могут управляться динамически, без редеплоя.

Репозиторий проекта
@zen_of_python

Коллекция питонических роадмапов

Вашему вниманию дорожные карты из Py-мира с небезызвестного сайта roadmap.sh.

По технологиям:
— Python;
— SQL;

По специальностям:
— Data Engineer (потребуется VPN);
— Data Analyst;
— Data Scientist;

И даже Prompt Engineer, если вы хотите позабавиться или ужаснуться.

#основы
@zen_of_python

​​PyXL | Python + Bare Metal

Код можно интерпретировать непосредственно на железе без виртуальной машины (VM) и JIT-компиляции. Это положительно скажется на скорости.

Среди возможностей:
— собственный процессор, исполняющий байт-код Python напрямую, минуя традиционные интерпретаторы;

— высокая скорость отклика GPIO: В тестах на плате Arty-Z7-20 с FPGA Zynq-7000 PyXL демонстрирует время отклика GPIO в 480 наносекунд, что в 30 раз быстрее, чем у MicroPython на PyBoard;

На сайт проекта
#инструмент
@zen_of_python

​​Кто из вас сильный? Признавайтесь, надо мебель в соседнем классе перенести.

#кек
@zen_of_python
😎 — как мощны мои лапищи
🌚 — пишу с нейрокопайлотами

​​Между гадалками и LLM для верстки сайтов есть нечто общее: обе оперируют узким проверенным словарем на ~1000 слов, чтобы выразить свои мысли и при этом попасть в "болевые точки" клиента.

#кек
@zen_of_python

Вашему вниманию — Змеиный культ Некрополиса, типичная IT-команда разработки

#кек
@zen_of_python

Раз вам зашел питонический фон для созвонов от ChatGPT, оцените, на что способен Midjourney, если не скупиться на слова в промте:

#кек
@zen_of_python

Вопросы подписчиков

Zen of Python поддерживает новоприбывших (и не только) в особой рубрике. Как это работает:

— Спрашивайте что угодно (в комментариях под этим постом), связанное с Python. Здесь нет плохих вопросов!
— Сообщество вас поддержит. Самые интересные вопросы мы разберём в отдельном посте.

#вопросы_новичков
@zen_of_python

Расскажите про свой опыт поиска работы

Мы сейчас проводим исследование — хотим разобраться, как айтишники ищут работу: на что обращаете внимание в вакансии, что для вас точно красный флаг, а что — зеленая простыня. Мы хотим из первых уст узнать про все боли, подводные камни и нюансы рекрутинга в ИТ в 2025 году, поэтому просим вашей помощи — пройдите опрос, который займет у вас около 15 минут.

Давайте поможем компаниям и специалистам эффективнее и быстрее находить друг друга.

​​pytest-testmon | Крохотная автоматизация тестов

Счастлив тот питонист, чей работодатель имеет ресурс на тестирование своего кода. Эта библиотека позволяет автоматически покрывать тестами только затронутые изменениями участки кода, снимая с вас эту нагрузку.

Проект на pypi.org
#инструмент
@zen_of_python

​​orbital | Обработка датасета прямо из БД

Если вам довелось готовить собственные датасеты перед загрузкой в модель и запускать пайплайны scikit-learn, то повторять такое на каждом банче из БД на SQL вы точно не захотите. Этот инструмент как раз превращает типовые операции StandardScaler, OneHotImputer, SimpleImputer и многие другие.

Проект на GitHub
#инструмент
@zen_of_python

pipask | pip, который не пропустит зловред

Дожили: через pypi.org можно слить свои креды / логопассы и дать возможность майнить крипту мошенникам. Пока админ плачет в сторонке вас еще миновала участь установить нечто злое, попробуйте вместо привычных менеджеров зависимостей pipask: он использует метаданные, чтобы оценить вероятность угрозы и подтягивает базу osv.dev (про уязвимости).

Ждем, когда PSF сшерлочат эту фичу.

Репозиторий проекта
#инструмент
@zen_of_python

​​Качество кода в эпоху LLM

Один из сеньоров сказал на одной конференции:

«Если разработчик не использует LLM для автоматизации рутины, то он просто тратит ресурсы своей компании»

Вот на таком прокрустовом ложе мы с вами оказались: c LLM база мгновенно забывается, без нее — пишешь / отлаживаешь медленнее.

ИИ-ассистенты:
— генерируют код по промту;
— предлагают автодополнение на основе контекста;
— подсказывают, как улучшить код.

Но они реактивные — не анализируют весь проект автоматически. ИИ не гарантирует соответствие стандартам проекта, превращая код в кашу.

Если вы уже не готовы отказаться от копайлотов вроде ChatGPT или Cursor, с качеством кода помогут несправедливо забытые:
— линтеры (pylint, flake8);
— тайпчекеры (mypy);
— security-сканеры (bandit);
— «покрыватели тестами» (coverage, pytest-cov);
— профилировщики (cProfile).

Вышеописанные инструменты:
— формализуют согласно стандарту PEP8;
— находят ошибки, неиспользуемые импорты, — «мертвый код», несоответствия типов (mypy);
— работают без контекста задачи — поэтому «беспристрастны»;

#инструмент #основы
@zen_of_python

Почему все реже встречается __init__

В питоническом комьюнити некоторые призывают отказаться от пользовательских методов __init__ в контексте dataclasses.

До Python 3.7 разработчикам приходилось вручную определять этот метод для инициализации атрибутов экземпляра класса. Например, чтобы создать объект 2DCoordinate(x=1, y=2), необходимо было явно прописать метод __init__ с параметрами x и y. Альтернативы — фабричные функции и абстрактные классы, были менее удобны и приводили к усложнению кода.

С появлением «структур данных» необходимость в ручном определении __init__ для простых структур данных отпала:

from dataclasses import dataclass

@dataclass
class Person:
    name: str
    age: int

person = Person(name="Alice", age=30)
print(person)

Это не единственное решение: Создание объектов через фабричные методы позволяет (@classmethod) отделить логику инициализации от конструкции объекта.

Вот еще пример проблемы, вызванной пользовательским методом инициализации:

class FooBarWidget(FooWidget):
    def __init__(self):
        self.publisher = zmq.Context.instance().socket(zmq.PUSH)
        self._init()

    def _init(self):
        def worker_thread_start():
            FooWidget.__init__(self)
            self.run()

        worker_thread = Thread(target=worker_thread_start, daemon=True)
        worker_thread.start()

Атрибуты, инициализируемые в FooWidget.__init__, могут быть недоступны в основном потоке до завершения инициализации в дочернем потоке, что вызывает ошибки при обращении к ним.

#основы
@zen_of_python

Апгрейд Win-установочника Python

Разработчики языка оптимизируют процесс установки Python на Windows с помощью т.н. PyManager. Вот его ключевые обновления:

— Единый инструмент установки: Ранее существовало несколько способов установки Python на Windows: традиционный установщик .exe, пакет в Microsoft Store и NuGet-пакеты. PyManager объединяет их в один инструмент, упрощая процесс установки и управления версиями Python.

— Управление несколькими версиями: PyManager позволяет устанавливать и управлять несколькими версиями Python одновременно, включая возможность установки конкретных версий и архитектур (например, py install 3.11.4 --arch=arm64). Это особенно полезно для тестировщиков.

PEP-773
#факт
@zen_of_python

​​GlyphX | Старший брат Matplotlib

Альтернатива общепринятому инструменту визуализации, glyphx предлагает:

— SVG-рендеринг;
— интерактивность по умолчанию (как у plotly);
— палитры с темными темами и для людей с особенностями зрения.

Таргетировано на научные работы, где важна глубокая кастомизация и редкие типы диаграмм.

#инструмент
@zen_of_python

👍🏻, если не хочешь ставить ❤️
#основы
@zen_of_python