Just Python

Декоратор для измерения времени выполнения функции в Python В Python можно легко измерять время выполнения функций с помощью декораторов. Этот подход удобен для анализа производительности и оптимизации кода. Декоратор оборачивает функцию и измеряет время ее выполнения, выводя результат на экран. Это позволяет легко оценить производительность различных участков кода. Декоратор time_it может использоваться для любых функций, без изменения их логики, что делает его удобным инструментом для анализа производительности. #theory // Just Python

Традиционный январский розыгрыш iPhone 16 Pro Max Для участие необходимо быть подписанным на: • @reddit Не забудьте нажать кнопку «Участвовать» под постом! Итоги будут уже в понедельник, 26 января, в 20:00 по московскому времени. Победителя случайно выберет рандомайзер Приз абсолютно бесплатно отправим победителю в зоне доставки СДЭК, платить не надо. Всем удачи!

➡️ Использование contextlib.contextmanager для создания контекстных менеджеров Иногда бывает нужно создать собственный контекстный менеджер для управления ресурсами, такими как файлы или сетевые соединения. ✔️ В Python для этого можно использовать декоратор contextlib.contextmanager, что делает код простым и элегантным. Python Learning 👩‍💻

⚡️ ИТОГИ УЖЕ ЗАВТРА. Конкурс с призами на 700 ТЫСЯЧ рублей подходит к концу. Дарим:

1. iPhone 16 2. AirPods Pro 2 3. Самый свежий Samsung на Android 4. PlayStation 5 Pro 5. Nintendo Switch 6. ПК с RTX 4060 7. AirPods Max 8. Игровая мышь Razer Viper Pro 2 9. Наушники Razer Barracuda 10. $200 на Steam

— Просто подпишись на Бэкдор и Ты в тренде — Нажми кнопку «Участвую» — ВСЁ! Все призы отправим бесплатно, платить ни за что не нужно. Итоги крупнейшего конкурса 2025 года ждите 21 января 23:59

Извлечение уникальных элементов из списка с сохранением порядка Обычно, когда нужно получить уникальные элементы из списка, используют set. Однако это нарушает порядок элементов. Чтобы извлечь уникальные элементы, сохраняя их порядок, можно использовать следующую технику: Используем список для обхода элементов и set, чтобы отслеживать уже встреченные элементы, избегая их дублирования. Используем однострочный list comprehension с условием, которое добавляет элемент в результирующий список только если он ещё не был добавлен. #theory // Just Python

⚙️ Управление временем выполнения функций с помощью тайм-аутов в Python Иногда требуется ограничить время выполнения функции, чтобы предотвратить зависание или длительное выполнение задачи. 🗣️ В Python можно использовать модуль signal для установки тайм-аутов на выполнение кода. Python Learning 👩‍💻

➡️ Модификация байт-кода функции в Python с использованием модуля byteplay3 Продвинутые программисты могут использовать модификацию байт-кода для изменения поведения функции на низком уровне. ✔️ Это позволяет создавать динамические изменения в функции без её переписывания на уровне исходного кода. В Python можно использовать модуль byteplay3 для работы с байт-кодом. 🔗 Ссылочка на доку Python Learning 👩‍💻

❤️ 2000 бонусных рублей + сертификат на 1500₽ в OZON за выпуск бесплатной кредитной карты от Банка Уралсиб Уралсиб запустил щедрую акцию 2в1: 1. Все, кто оформит кредитную карту «120 дней» по ссылке — получат сертификат на 1500₽ в OZON. 2. За любые покупки на сумму от 5000₽ в первые 30 дней банк вернет 2000 бонусов (1 бонус = 1 рублю) Кстати, по карте еще доступны: вечное бесплатное обслуживание, 120 дней льготного периода, кредитный лимит до 1.5 млн и снятие наличных без комиссии. ⌛ Поторопитесь принять участие, пока все сертификаты не разобрали — оформить карту.

Использование генераторов для создания бесконечных последовательностей в Python Генераторы в Python позволяют создавать ленивые последовательности, которые вычисляются по мере необходимости. Это мощный инструмент для работы с большими или даже бесконечными данными, поскольку генераторы экономят память и ресурсы. Один из интересных и необычных способов использования генераторов — создание бесконечных последовательностей. #theory // Just Python

Декоратор для кэширования результатов функций с учетом аргументов Иногда необходимо кэшировать результаты функции для повышения производительности, особенно если функция выполняет тяжелые вычисления или обращения к внешним ресурсам. Данный декоратор кэширует результаты функции в зависимости от переданных аргументов, что делает его гибким и эффективным. #theory // Just Python

⚙️ Ленивая инициализация свойств с помощью дескрипторов ➡️ Дескрипторы в Python позволяют управлять доступом к атрибутам объекта.

🗣️ С их помощью можно реализовать ленивую инициализацию свойств, что особенно полезно для дорогостоящих операций, которые нужно выполнять только при первом обращении к свойству

Python Learning 👩‍💻

Декоратор для автоматического кэширования результатов функций Кэширование — это техника, которая позволяет значительно улучшить производительность, сохраняя результаты вызовов функций и возвращая кэшированные результаты для одинаковых входных данных. В Python можно создать декоратор, который автоматически кэширует результаты функций. #theory // Just Python

Декорируем функции Декоратор – это обертка вокруг функции, которая определенным образом изменяет ее поведение. Существуют варианты использования декораторов, и вы, возможно, уже применяли их раньше при работе с такими фреймворками, как Flask.

def print_argument(func):
    def wrapper(the_number):
        print("Argument for", 
              func.__name__, 
              "is", the_number)
        return func(the_number)
    return wrapper
@print_argument
def add_one(x):
    return x + 1
print(add_one(1))

Внутри print_argument мы определяем функцию-обертку. Она выводит аргумент и имя вызываемой функции, выполняет фактическую функцию и возвращает ее результат, как если бы функция вызывалась «обычно». С помощью @print_argument мы применяем наш декоратор к функции. Декоратор может быть повторно использован и для других функций.

Argument for add_one is 1
2

#theory // Just Python

Обязательные аргументы Для принудительного использования аргументов ставьте символ звездочки (*) перед ними, заставляя все аргументы стать ключевыми. #theory // Just Python

Классы данных Начиная с версии 3.7, Python поставляется с классами данных. У них есть несколько преимуществ по сравнению с обычными классами или другими альтернативами: • возврат нескольких значений или словарей; • класс данных требует минимального количества кода; • возможность сравнения классов данных; • возможность распечатать класс данных для отладки при помощи repr; • снижение вероятности ошибок в связи с требованием класса данных type hints. #theory // Just Python

ИТОГИ УЖЕ ЗАВТРА. Успей забрать свой приз:

• Игровой ПК с RTX 4060 • iPhone 16 • Apple AirPods Max 2 • PlayStation 5 Pro • Стайлер Dyson • Apple Watch Ultra 2

— Выбери любой подарок — Подпишись на 4ch и Клиент всегда прав — Нажми кнопку "Участвовать" Победителя выберем 17 января в 23:59. Всем удачи!

➡️ PyYAML YAML означает «YAML — не язык разметки» («YAML Ain’t Markup Language»). Это язык форматирования данных, являющийся надмножеством JSON.

🗣️ В отличие от JSON, YAML может хранить более сложные объекты и ссылаться на собственные элементы. Также там можно писать комментарии, что делает YAML подходящим для конфигурационных файлов.

✔️ Модуль PyYAML позволяет использовать YAML в Python. PyYAML позволяет хранить любые Python-объекты и экземпляры любых пользовательских классов. 🔗 Ссылочка на доку Python Learning 👩‍💻

Многоточие в Python Многоточие Python – это последовательность из трех точек, часто используемая в естественных языках. Но чего вы, возможно, не знаете – это еще и валидный объект в Python:

>>> ...
Ellipsis

Применяется он преимущественно в операциях нарезки матриц в NumPy. Однако можно использовать его вместо обычного pass в качестве плэйсхолдера в функции, которую еще не реализовали:

python        
def my_awesome_func():
    ...

Вот валидный код Python, и выглядит он теперь не так уж плохо. #theory // Just Python

Какую криптовалюту скупают Трамп и Илон Маск? По инсайдерской информации, холдинг World Liberty, который связан с Трампом, скупает альткоины на сотни миллионов долларов. Илон Маск тоже не отстает. Судя про заявлениям Трампа, он планирует сделать минимум 70 иксов на своих инвестициях в крипту. Что скупает Трамп и Маск и как отслеживать покупки миллиардеров, узнавайте в канале Монетный Дом. Автор канала, Алексей, в рынке крипты с 2019 года и недавно проинвестировал $500 000 в покупки альткоинов. И большая часть из них уже дала минимум 40% от цены покупки. Подписывайтесь, такой информации вы не найдете даже в платных каналах: https://t.me/+hhNQdpD5mmcwOGI6

wikipedia У Wikipedia есть классное API, которое позволяет получить доступ к непревзойдённому источнику полностью бесплатной информации. Модуль wikipedia делает доступ к этому API чуть ли чрезмерно удобным. Как и настоящий сайт, модуль предоставляет поддержку многих языков, разрешение многозначности страниц, получение случайной страницы и даже метод donate(). #theory // Just Python