Pythoner

🐍Преобразование изменяемых данных в неизменяемые Изменяемые данные (например, словари или списки) — это структуры, к которым могут быть добавлены новые значения. Неизменяемые данные, в противоположность изменяемым, после создания остаются неизменными. Посмотрите, как можно преобразовать изменяемый тип данных в неизменяемый.

🖥 Dataclasses в Python ⚙️ Датаклассы - это удобный способ создавать классы для хранения информации. Они позволяют делать это с минимальным количеством кода. Например, если вы хотите хранить информацию о точке в трехмерном пространстве, вам не нужно писать много кода для создания класса и методов. Просто используйте dataclass, и Python сделает всю работу за вас. 🖥 Вот как это работает:

from dataclasses import dataclass

@dataclass
class Point:
    x: float
    y: float
    z: float

point = Point(1.5, 2.0, -3.7)

print(point)  # Вывод: Point(x=1.5, y=2.0, z=-3.7)
print(point.x)  # Вывод: 1.5
print(point.y)  # Вывод: 2.0
print(point.z)  # Вывод: -3.7

✨ Использование dataclasses позволяет существенно экономить время разработчика за счет избежания необходимости создавать множество методов для работы с данными, что делает код более чистым и понятным, повышая его читаемость. Благодаря этому, процесс понимания и поддержки кода становится более простым. 🎮 Кроме того, dataclasses легко интегрируются с другими библиотеками и инструментами Python, что обеспечивает удобство в разработке и совместимость с другими компонентами проекта.

🤓Подробнейший гайд (шпаргалка) по GIT с самыми нужными командами для работы

❓Ищем опечатки Пакет spellchecker позволяет отыскать ошибки в тексте, а также может предложить варианты исправлений. В примере проходимся по списку из двух слов, из которых одно ('therre') написано с опечаткой. Функция correction замечает это и предлагает одно самое вероятное исправление, а candidates — несколько. Библиотека поддерживает шесть языков. Документацию можно найти здесь.

⁉️ Сортировка вставками: Как это работает (в примерах на Python) Сортировка вставками - это простой, но эффективный алгоритм сортировки, который обрабатывает входные данные, добавляя каждый новый элемент в отсортированную часть массива. ➡️ Принцип работы Сортировка вставками работает, сравнивая каждый элемент в массиве с его левым соседом. Если текущий элемент меньше, он перемещается влево. Это происходит до тех пор, пока текущий элемент не окажется больше предыдущего. Этот процесс повторяется для каждого элемента в массиве, пока весь массив не будет отсортирован. ➡️ Пример кода на Python Вот пример реализации сортировки вставками на Python:

def insertion_sort(arr):
    for i in range(1, len(arr)):
        key = arr[i]
        j = i - 1
        while j >=0 and key < arr[j] :
                arr[j + 1] = arr[j]
                j -= 1
        arr[j + 1] = key

arr = [12, 11, 13, 5, 6]
insertion_sort(arr)
print ("Отсортированный массив: ", end ="")
for i in range(len(arr)):
    print ("%d" %arr[i], end =" ")

В этом коде мы проходимся по каждому элементу массива, начиная со второго, и сдвигаем его влево, пока не найдем элемент, который меньше текущего. ➡️ Процесс сортировки В сортировке вставками каждый новый элемент добавляется в уже отсортированную часть массива. Этот процесс начинается с первого элемента массива и продолжается, пока все элементы не будут отсортированы. На каждом шаге новый элемент сравнивается с элементами в отсортированной части массива и вставляется на правильное место. ➡️ Преимущества и недостатки Преимущество сортировки вставками в том, что она эффективна для небольших массивов и для массивов, которые уже частично отсортированы. Она также стабильна, что означает, что она сохраняет исходный порядок равных элементов. Однако, она не эффективна для больших массивов, так как требует больше операций сравнения и обмена элементов, чем другие алгоритмы сортировки.

*⃣ Как хранить токены и пароли в программах на 🐍 Python? 🔍 У новичков часто возникает вопрос - где хранить секретные данные? Нет, можно, конечно, прямо в коде, но лучше так не делать. Делюсь короткой статьей с основными способами хранения токенов и прочих секретных данных ✨ ➖➖➖➖➖➖➖➖➖ ➡️ u.habr.com/dSPXv 🔗 ➖➖➖➖➖➖➖➖➖

🐍Asyncio Asyncio - это библиотека в Python, которая предоставляет возможность написания асинхронного кода с использованием сопрограмм (coroutines) и ивент-лупа (event loop). С ее помощью можно создавать эффективные и отзывчивые асинхронные приложения, которые могут обрабатывать множество одновременных задач без блокировки потоков. Asyncio позволяет выполнять несколько задач параллельно и управлять их выполнением, использовать механизмы ожидания (await) для управления асинхронными операциями, а также упрощает обработку исключений в асинхронном коде. В примере на фото выше мы создаем две асинхронные задачи с помощью функции async_function, которая задерживается на определенное время и выводит сообщение. Затем мы запускаем обе задачи параллельно в функции main с помощью asyncio.create_task, дожидаемся их выполнения с помощью await и запускаем весь код с помощью asyncio.run(main()). В результате мы увидим вывод сообщений "Hello" через 1 секунду и "Asyncio" через 2 секунды.

❓ Как использовать функцию range() в Python, кроме как в цикле for i in range для перебора? Функция range() в Python - это важный инструмент для создания последовательности чисел. Хотя она часто используется в связке с циклом for, есть и другие способы, как можно использовать эту функцию. ➡️ Использование range() в списковых включениях Списковые включения - это мощный инструмент Python, который позволяет создавать списки в одну строку кода. Функция range() может быть использована в списковых включениях для создания списков, которые следуют определенной числовой последовательности. Например, [x for x in range(10)] создаст список чисел от 0 до 9. ➡️ Использование range() в генераторах Генераторы в Python - это специальный тип итераторов, который позволяет генерировать элементы "на лету", экономя память. Функцию range() можно использовать в генераторах для создания последовательностей чисел. Например, (x for x in range(10)) создаст генератор, который производит числа от 0 до 9.

❓Разбор a —> "1" (станет текстовой единицей) b —> вызовет функцию str, которую мы переопределили выше в коде самостоятельно передав туда 2. Функция str, в свою очередь, попытается вернуть результат str(number * 2), но мы как раз таки str и переопределили —> она вызовет сама себя. У нас получится рекурсия, которая будет работать бесконечно, Python выдаст блок-ошибку по глубине рекурсии. ответ: ошибка

👩‍💻 Как работать с паттернами проектирования в Python? Расскажет Станислав Ступников — руководитель разработки в VK.  Встречаемся на бесплатном практическом уроке от OTUS, где мы: ▫️займемся классификацией паттернов; ▫️покажем, насколько хорошо и ровно они транслируются в мир Python-разработки; ▫️ обсудим, как с ними работать.  📢  Занятие пройдёт 28 февраля в 20:00 мск и будет приурочено к старту курса «Python Developer. Professional». Доступна рассрочка на обучение! ⬇️ Пройдите короткий тест прямо сейчас, чтобы занять место на открытом уроке и получить запись: пройти тест

🟡Matplotlib: Круговые диаграммы Чтобы добавить список пояснений для каждого сегмента, используй функцию legend().

import matplotlib.pyplot as plt
import numpy as np

y = np.array([35, 25, 25, 15])
mylabels = ["Apples", "Bananas", "Cherries", "Dates"]

plt.pie(y, labels = mylabels)
plt.legend()
plt.show() 

Чтобы добавить заголовок к легенде, добавь параметр title в функцию legend.

y = np.array([35, 25, 25, 15])
mylabels = ["Apples", "Bananas", "Cherries", "Dates"]

plt.pie(y, labels = mylabels)
plt.legend(title = "Four Fruits:")
plt.show() 

На картинке продемонстрирована легенда с заголовком и списком пояснений.

🔃И последнее из потока постов про Django ORM, Миграции базы данных 💬В Django ORM можно использовать механизм миграций для изменения структуры базы данных без необходимости вручную вносить изменения через SQL запросы. Миграции позволяют вам определять изменения в моделях и применять их к базе данных автоматически. 🤚Для начала работы с миграциями в Django необходимо создать начальное состояние базы данных, которое будет соответствовать текущим моделям вашего приложения. Для этого можно воспользоваться командой python manage.py makemigrations, которая создаст файл миграции в папке migrations вашего приложения. Затем, чтобы применить миграции к базе данных, можно воспользоваться командой python manage.py migrate, которая применит все необходимые изменения к базе данных. При этом Django будет автоматически отслеживать и применять новые миграции при изменениях в моделях. 💬Миграции в Django ORM могут включать различные операции, такие как создание новых таблиц, добавление и удаление полей, изменение типа данных и многое другое. Кроме того, можно создавать собственные миграции с помощью команды python manage.py makemigrations --empty, чтобы определить свои собственные изменения в базе данных. 👀Использование миграций в Django ORM делает процесс изменения структуры базы данных более удобным и безопасным, позволяя сохранить целостность данных и избежать ошибок при ручном внесении изменений.

🖥Теперь рассмотрим более детально запросы к базе данных Django ORM позволяет вам взаимодействовать с базой данных с использованием объектно-ориентированного подхода. Запросы к базе данных в Django ORM выполняются с использованием моделей Django, которые представляют таблицы в базе данных. ↔️Примеры различных типов запросов к базе данных в Django ORM: 1. Получение всех объектов из базы данных:

objects = MyModel.objects.all()

2. Получение объекта по определенному условию:

object = MyModel.objects.get(id=1)

3. Фильтрация объектов по определенному условию:

objects = MyModel.objects.filter(name="John")

4. Исключение объектов, удовлетворяющих определенному условию:

objects = MyModel.objects.exclude(name="John")

5. Обновление объектов в базе данных:

MyModel.objects.filter(id=1).update(name="Jane")

6. Создание нового объекта и сохранение его в базе данных:

object = MyModel(name="Jane", age=25)
object.save()

7. Удаление объекта из базы данных:

MyModel.objects.filter(id=1).delete()

👀Django ORM предоставляет гибкие и мощные средства для работы с базой данных, позволяя выполнять различные типы запросов и операций. Он также обеспечивает безопасность и защиту от SQL-инъекций, облегчая работу разработчикам.

💡Рассмотри предыдущий пост более детально, а конкретно создание моделей ⛓Для создания моделей в Django ORM необходимо следовать определенной структуре и использовать специфичные классы и методы. В Django ORM модель представляет собой класс, который отображает таблицу в базе данных. ❗️Для создания модели необходимо создать новый класс в файле models.py вашего приложения. Класс должен наследоваться от класса models.Model. Затем определите поля для этой модели, которые будут представлять столбцы таблицы в базе данных. Каждое поле является экземпляром класса модели (например, models.CharField, models.IntegerField и т. д.). Пример создания модели в Django ORM:

from django.db import models

class Book(models.Model):
    title = models.CharField(max_length=100)
    author = models.CharField(max_length=50)
    published_date = models.DateField()

🔃После определения модели необходимо сделать миграцию, чтобы применить изменения к базе данных. Для этого выполните команды в терминале:

python manage.py makemigrations
python manage.py migrate

После успешного создания модели можно использовать ее в своем приложении для работы с данными. Например, можно создавать, изменять и удалять записи с помощью методов ORM.

# Пример создания записи
book = Book(title='Harry Potter', author='J.K. Rowling', published_date='1997-06-26')
book.save()

# Пример получения всех записей
all_books = Book.objects.all()

# Пример удаления записи
book.delete()

👀Таким образом, создание моделей в Django ORM представляет собой определение классов, которые отображают таблицы в базе данных, и использование ORM для работы с этими данными.

🔥 Годнота – Чувак запустил сайт, на котором собрано 1000 вопросов с собеседований на Python разработчика. Просчитана вероятность встречи каждого вопроса и есть видео-примеры ответов 👀 Смотри базу вопросов тут