Программистика

⏰ Работа с датами и временем в Python: как не сойти с ума с часовыми поясами и форматами Каждый разработчик хотя бы раз сталкивался с магией, когда дата внезапно смещается на день, или время отображается не так, как ожидалось. А если добавить часовые пояса, летнее время и странные форматы из API — голова идёт кругом. Разбираемся, как правильно работать с датами, чтобы код не подводил. 🧱 Почему это сложно: проблема времени Время — это не просто число. Есть: 🟢 Локальное время (зависит от часового пояса). 🟢 UTC (единый стандарт). 🟢 Unix timestamp (секунды с 1970 года). 🟢 Форматы (ISO, RFC, пользовательские). 🟢 Переход на летнее время (DST). 🟢 Часовые пояса с разными смещениями. Python предлагает несколько модулей: datetime, time, calendar, а с Python 3.9+ — zoneinfo для работы с часовыми поясами. 📦 Основные инструменты 1. `datetime` — главный модуль

from datetime import datetime, date, time, timedelta, timezone

# Текущее время
now = datetime.now()          # локальное
now_utc = datetime.now(timezone.utc)  # UTC

# Создание даты
d = date(2024, 12, 31)
t = time(14, 30, 0)
dt = datetime(2024, 12, 31, 14, 30, 0)

# Разница между датами
delta = timedelta(days=5, hours=3)
new_date = dt + delta

2. `time` — низкоуровневые функции

import time
timestamp = time.time()  # Unix timestamp (секунды с 1970)

3. `zoneinfo` — часовые пояса (Python 3.9+)

from zoneinfo import ZoneInfo
tz_moscow = ZoneInfo("Europe/Moscow")
dt_moscow = datetime.now(tz_moscow)

📝 Парсинг и форматирование `strptime` — строка → дата

from datetime import datetime

date_str = "2024-12-31 14:30:00"
dt = datetime.strptime(date_str, "%Y-%m-%d %H:%M:%S")

`strftime` — дата → строка

formatted = dt.strftime("%d.%m.%Y %H:%M")
print(formatted)  # 31.12.2024 14:30

ISO-формат (встроено)

iso_str = dt.isoformat()  # 2024-12-31T14:30:00
dt_from_iso = datetime.fromisoformat(iso_str)

🌍 Часовые пояса: `naive` vs `aware` - Naive — без информации о часовом поясе. Это просто локальное время. - Aware — с информацией о смещении от UTC.

# naive
naive = datetime.now()

# aware
aware = datetime.now(timezone.utc)
aware_moscow = aware.astimezone(ZoneInfo("Europe/Moscow"))

Правило: всегда храните время в UTC, конвертируйте при выводе в нужный часовой пояс. 🧪 Пример: работа с API Допустим, вы получаете дату в формате "2024-12-31T14:30:00Z" (ISO с Z — UTC).

from datetime import datetime

# парсим
dt = datetime.fromisoformat("2024-12-31T14:30:00Z".replace('Z', '+00:00'))

# конвертируем в московское время
moscow = dt.astimezone(ZoneInfo("Europe/Moscow"))
print(moscow.strftime("%d.%m.%Y %H:%M"))  # 31.12.2024 17:30

🧪 Полезные методы

# Начало дня
start_of_day = dt.replace(hour=0, minute=0, second=0, microsecond=0)

# Конец дня
end_of_day = dt.replace(hour=23, minute=59, second=59, microsecond=999999)

# День недели (0 = понедельник)
weekday = dt.weekday()

# Добавление дней
next_week = dt + timedelta(days=7)

# Unix timestamp
ts = dt.timestamp()
dt_from_ts = datetime.fromtimestamp(ts, tz=timezone.utc)

⚠️ Ловушки и частые ошибки 1. Забыть про `timezone.utc` при создании `now()` — получится naive объект. 2. Сравнивать naive и aware — TypeError. Всегда приводите к общему знаменателю. 3. Забыть про DST (летнее время) — при переходе на летнее время в некоторых странах время смещается. zoneinfo учитывает это. 4. Парсить строки без явного формата — используйте ISO или чётко задавайте %Y-%m-%d. 5. Хранить время в локальном времени в БД — храните UTC, а при отображении конвертируйте. 💡 Запомни: Даты и время — не враги, если понимать правила. Главное — хранить UTC, конвертировать при выводе, использовать zoneinfo для часовых поясов и всегда быть внимательным к форматам. Программистика|| #Статья

🧠 Загадка на ночь: что выведет этот код?

def create_counter():
    count = 0
    def inner():
        nonlocal count
        count += 1
        return count
    return inner

counters = [create_counter() for _ in range(3)]
results = [counter() for counter in counters]
print(results)

Варианты: 1. [1, 1, 1] 2. [1, 2, 3] 3. [3, 3, 3] 4. Ошибка Пиши свой вариант в комментарии! Ответ и разбор — через пару часов 🔥 Программистика|| #quiz

❤️‍🔥"Это лютый сетап, бро!" 😤 Так сказал мой друг из Африки, когда увидел этот стол) Не знаю уж че за сетап, меня зовут Саша и качественную необычную мебель из натурального дерева я делаю уже больше 12-ти лет, столько же занимаюсь и темой здоровья. Когда я услышал, что до 10% смертности связано с сидячим образом жизни, меня это поразило и я задался целью делать максимально функциональные и полезные рабочие пространства, ибо геморрой в 30 это конечно довольно нишево, но все же сомнительно 😂 Ну а собрать такой комплект под свои задачи и при этом сразу прикинуть цены вы можете в удобном Mini App конструкторе

⚡️ Айтишник из «VISION» скупил курсы айти школ и выложил гигабайты материалов к себе Каждый найдет что-то по душе: 1202 ГБ — Python 1811 ГБ — Frontend 1100 ГБ — C / C++ / C# 804 ГБ — Java 411 ГБ — SQL & БД 309 ГБ — DevOps 998 ГБ — ИБ & Хакинг 773 ГБ — Kotlin / Swift 189 ГБ — PHP 201 ГБ — GoLang 170 ГБ — Rust 167 ГБ — QA / Тестирование 310 ГБ — 1C + Лицензии 495 ГБ — Машинное обучение 704 ГБ — Аналитика Данных 991 ГБ — Дизайн Материалы в закрепе, постоянно пополняются👆🏻

Программистика|| #doc

Она не ответит, если ты не знаешь Claude Code... В Only AI каждый день кидают AI-инструменты, промпты и связки для кода, работы и автоматизации. Зайди, пока не поздно.

🖥 Archy — это архитектурный сенсор для Python-кодовых баз, который следит за структурой проекта и не даёт ей «гнить» под нагрузкой AI-кода. Он строит граф зависимостей модулей в реальном времени и выдаёт единую оценку архитектурного здоровья, показывает циклические зависимости, точки для рефакторинга и модули, которые меняются чаще всего. Работает в CI, pre-commit и как MCP-сервер для AI-агентов.

Установка:

pip install archy.

Программистика||#Репозиторий

💻 Логово Сфинкса - одно из самых активных ИБ-комьюнити во всём телеграме! Сам Сфинкс очень умелый молодой ИБ специалист И на своём канале он освещает такие темы, как: — атаки на актив директори — атаки на инфру — обход различных средств защиты и фишинг — C2 Фреймворки — И много опыта из жизни и работы Посуди сам: 🐈‍⬛ Дорожная карта со стажёра до мидла 🐈‍⬛ О важности методологии в ИБ 🐈‍⬛ Переиграли мошенника и угнали его акк Так же он помогает своим подписчикам обучиться ИБ и грамотно войти в профессию не тратясь на бесполезные курсы Подпишись чтобы стать классным спецом👍

📌 Секрет operator.itemgetter: сортируй словари без лямбд Сортировка списка словарей по ключу — частая задача. Многие пишут lambda x: x['key'], но есть более читаемый и быстрый способ. ❌ Было (лямбда):

users = [{'name': 'Боб', 'age': 30}, {'name': 'Алиса', 'age': 25}]
sorted_users = sorted(users, key=lambda x: x['age'])

✔️ Стало (operator.itemgetter):

from operator import itemgetter

sorted_users = sorted(users, key=itemgetter('age'))

itemgetter работает быстрее лямбды и читается как «возьми значение по ключу». Можно передавать несколько ключей для сортировки по нескольким полям:

sorted_users = sorted(users, key=itemgetter('age', 'name'))

Для объектов используйте attrgetter:

from operator import attrgetter
sorted_users = sorted(users, key=attrgetter('age'))

🟢 Запомни: itemgetter и attrgetter — твои помощники для чистого и быстрого кода. Программистика|| #tips

📦 Итераторы: что скрывается за `for` и как написать свой Каждый день вы пишете for x in list:, но задумывались ли вы, как это работает? Цикл for не знает ничего о списках, кортежах или словарях. Он знает только про итераторы. Именно итераторы обеспечивают единообразие обхода любых коллекций в Python. Разбираемся, как это устроено и как написать свой итератор. 🧱 Что такое итератор и зачем он нужен Итератор — это объект, который поддерживает протокол итерации: метод __iter__() (возвращает сам себя) и метод __next__() (возвращает следующий элемент или бросает StopIteration). Когда вы пишете for x in obj:, Python вызывает iter(obj), затем многократно вызывает next() до исключения.

# Что делает for под капотом
it = iter(my_list)
while True:
    try:
        x = next(it)
        # тело цикла
    except StopIteration:
        break

🧠 Создаём свой итератор Допустим, вы хотите итерироваться по числам Фибоначчи, но не хотите хранить их все в списке. Пишем свой итератор.

class FibonacciIterator:
    def __init__(self, limit):
        self.limit = limit
        self.a = 0
        self.b = 1
        self.count = 0
    
    def __iter__(self):
        return self
    
    def __next__(self):
        if self.count >= self.limit:
            raise StopIteration
        result = self.a
        self.a, self.b = self.b, self.a + self.b
        self.count += 1
        return result

for num in FibonacciIterator(10):
    print(num)  # 0, 1, 1, 2, 3, 5, 8, 13, 21, 34

⚡️ `iter` и `next` в действии

lst = [1, 2, 3]
it = iter(lst)
print(next(it))  # 1
print(next(it))  # 2
print(next(it))  # 3
print(next(it))  # StopIteration

Итератор одноразовый. После исчерпания его нельзя использовать повторно. 🧩 Итерируемые объекты vs Итераторы - Итерируемый объект (Iterable) — у него есть метод __iter__(), который возвращает итератор. - Итератор (Iterator) — у него есть __iter__() (возвращает себя) и __next__().

# Список — итерируемый, но не итератор
lst = [1, 2, 3]
print(iter(lst))   # <list_iterator object at 0x...>
print(next(lst))   # TypeError: 'list' object is not an iterator

# Итератор — и итерируемый, и итератор
it = iter(lst)
print(iter(it) is it)  # True

📌 Встроенные итераторы - range() — итератор (ленивый, не хранит все числа). - enumerate() — итератор. - zip() — итератор. - map(), filter() — итераторы.

# Все они ленивые — не хранят данные, пока не пройдёшь
r = range(1_000_000)  # 0 байт
lst = list(r)         # 8 МБ

🧪 Итератор для бесконечной последовательности

class InfiniteCounter:
    def __init__(self, start=0):
        self.current = start
    
    def __iter__(self):
        return self
    
    def __next__(self):
        result = self.current
        self.current += 1
        return result

counter = InfiniteCounter()
for _ in range(10):
    print(next(counter))  # 0, 1, 2, 3, 4, 5, 6, 7, 8, 9

⚠️ Ловушки и ограничения 1. Итератор можно использовать только один раз — после исчерпания он перестаёт работать.

   it = iter([1, 2, 3])
   print(list(it))  # [1, 2, 3]
   print(list(it))  # []

2. Не все итерируемые объекты поддерживают `len()` — итераторы не знают свою длину. 3. Не путайте итератор с генератором — генератор — это частный случай итератора, создаваемый через yield. Генератор проще писать, но он менее гибкий для сложной логики. 4. Итератор не может быть скопирован — состояние хранится внутри. 💡 Запомни:

🟢 Итератор — это объект с __iter__() и __next__(). Он выдаёт элементы по одному. 🟢 Итерируемый объект — это объект, у которого есть __iter__(), возвращающий итератор. 🟢 for работает с любым итерируемым объектом — для списков, строк, файлов, генераторов. 🟢 Итератор одноразовый — после исчерпания его нельзя использовать повторно. 🟢 Встроенные функции range(), enumerate(), zip(), map(), filter() возвращают итераторы.

Программистика|| #Статья

🗺 Что должен знать джун Python Backend?

📱 Первоисточник

Программистика|| #video

🖥 tzlocal — это модуль на языке Python, предназначенный для определения локального часового пояса системы и предоставления соответствующего объекта tzinfo! 🐱 Ссылка на GitHub Программистика|| #Репозиторий

🖥 tzlocal — это модуль на языке Python, предназначенный для определения локального часового пояса системы и предоставления соответствующего объекта tzinfo! 🐱 Ссылка на GitHub Программистика|| #Репозиторий

Пишешь на Python и задумываешься о повышении грейда? А уверен, что потянешь? Есть способ проверить себя — не дожидаясь реального собеседования. Кирилл Коданев — Senior Python-разработчик, который сам проводит собеседования. За плечами 17 офферов — среди них Avito, Т-Банк, X5. Он собрал тест-собеседование по Python: 15 вопросов на каждый грейд, от Intern до Senior. И это не просто вопросы — а именно те, на которых чаще всего валят на интервью. Не нагенеренные нейронкой, а реальные: Кирилл отобрал их сам, потому что точно знает, что и зачем спрашивают. Один из них, для примера:

Почему list.append() — это амортизированная O(1), хотя иногда Python копирует весь массив целиком?

Знаешь ответ — отлично. Нет — тебе точно сюда. Пройдёшь за ~10 минут и получишь: ⏺ свой реальный грейд и вилку зарплаты под него ⏺ темы, которые проседают (пока есть время подтянуть) ⏺ разбор каждого ответа лично от Кирилла Тест бесплатный, доступен по ссылке. P.S. У него же в канале — вся правда про найм в IT: что скрывают рекрутеры, как узнать реальную зарплату в вакансии и почему тебя не зовут на собесы.

⚡️ Секрет `functools.cache`: запоминай результаты одной строкой Устали писать словарь для кэширования результатов функции? В Python 3.9+ есть встроенный декоратор, который делает это автоматически.

from functools import cache

@cache
def fib(n):
    if n < 2:
        return n
    return fib(n-1) + fib(n-2)

print(fib(100))  # Мгновенно

@cache — это как @lru_cache(maxsize=None), только короче. Идеально для чистых функций, которые часто вызываются с одинаковыми аргументами. 🟢 Запомни: cache автоматически запоминает результаты вызовов. Не пишите свои кэши вручную. Программистика|| #tips

🧠 Отгадка: что выведет этот код?

def func(x):
    x = x + [1]
    return x

a = [0]
b = func(a)
print(a, b)

✅ Правильный ответ: 1. `[0] [0, 1]` 📖 Почему так происходит? Внутри функции func выполняется x = x + [1]. Это конкатенация, которая создаёт новый список, а не изменяет существующий. Переменная x становится локальной и указывает на новый объект [0, 1], а исходный список a остаётся нетронутым. Если бы мы использовали x.append(1), то изменили бы исходный список, и ответ был бы [0, 1] [0, 1]. Но здесь — создание нового объекта через +, поэтому a не меняется. Ключевой момент: + для списков возвращает новый объект, а += или append() изменяют существующий. Программистика|| #quiz

🧩 `functools.partial`: заморозь аргументы и получи новую функцию Вы когда-нибудь ловили себя на том, что передаёте одну и ту же функцию с одними и теми же аргументами в несколько мест? Или хотите создать специализированную версию существующей функции без переписывания кода? functools.partial — это инструмент, который "замораживает" часть аргументов функции, создавая новую функцию с меньшим количеством параметров. Идеально для колбэков, адаптеров и упрощения кода.

from functools import partial

def power(base, exponent):
    return base ** exponent

square = partial(power, exponent=2)
cube = partial(power, exponent=3)

print(square(5))  # 25
print(cube(5))    # 125

Где реально пригодится: - GUI-колбэки: когда обработчик требует функцию без аргументов, а вам нужно передать данные. - Сортировка с параметрами: заморозить key для sorted(). - API-клиенты: зафиксировать базовый URL или заголовки. - map/filter: когда нужно передать функцию с дополнительными параметрами.

# Пример с сортировкой
from operator import mul
double = partial(mul, 2)
print(list(map(double, range(5))))  # [0, 2, 4, 6, 8]

# Пример с колбэком
def log(level, message):
    print(f"[{level}] {message}")

info = partial(log, "INFO")
error = partial(log, "ERROR")

info("Сервер запущен")   # [INFO] Сервер запущен
error("Ошибка сети")     # [ERROR] Ошибка сети

💡 Запомни: partial — не магия, а удобный способ уменьшить дублирование и сделать код чище. Работает с любыми функциями, методами и даже классами. Программистика|| #doc

👩‍💻 FastAPI — Разбираем популярные вопросы с собеседований

📱 Первоисточник

Программистика|| #video

Программистика|| #Шпора