Python 🇺🇦

Знову довів, що бездіяльність — теж стратегія Python

Як об’єднати списки в Python? Можна використати + для створення нового списку, extend() для додавання елементів у існуючий список або розпакування через *: [ *a, *b ] Python

Зручна Python-бібліотека для контекстного логування Unilogging спрощує логування в Python-проєктах, дозволяючи додавати контекст до логів через Dependency Injection. Це допомагає відстежувати події, пов’язані з конкретними запитами, без зайвого прокидування даних через усі шари застосунку

Головні переваги: • зручне контекстне логування, яке робить трекінг запитів значно простішим • підтримка Dependency Injection для гнучкої роботи з логами • менше дублювання коду та чистіший проєкт • легка інтеграція з FastAPI та іншими фреймворками

Python

Великий Python-гріх: змінюваний аргумент за замовчуванням Ніколи не використовуй змінювані об’єкти як значення за замовчуванням у функціях. У Python такі значення обчислюються один раз — під час оголошення функції, а не при кожному виклику Якщо в тебе є щось типу items=[], цей список буде спільним для всіх викликів функції — і ти отримаєш накопичення даних, якого не планував Правильний підхід: став у значення за замовчуванням незмінюваний об’єкт (наприклад, None), а список створюй уже всередині функції Python

Цей код мене не зламав, лише трохи посмажив Python

Шпаргалка з Python (ООП): об’єкти та класи (об’єкт — сутність із властивостями й поведінкою, клас — шаблон), інкапсуляція (приховування та об’єднання даних), абстракція (приховування складності), наслідування (успадкування властивостей: одиничне, множинне, багаторівневе, ієрархічне, гібридне), поліморфізм (один інтерфейс — різна поведінка), абстрактні класи (abc, @abstractmethod), а також генератори (yield) для поетапної обробки даних Python

Написати планувальник завдань на Python за допомогою стандартної бібліотеки хоча й просто, але можливостей там небагато. Як тільки з'являються асинхронні завдання, робота з часовими зонами, повторні спроби при невдачах і подібні випадки, стає важкою. 😢 На GitHub я знайшов FastScheduler, це відкритий легковесний планувальник завдань для Python. Підтримує асинхронність, часові зони, вирази Cron і навіть має візуальну панель. Завдяки дуже акуратному синтаксису на декораторах завдання можна описати одним рядком. Є різні варіанти розкладів: інтервали, конкретний час, Cron тощо. Асинхронні функції працюють з коробки. Установка через pip в один крок, а для персистентності доступні різні сховища, такі як SQLite і PostgreSQL. Після перезапуску сервісу стан завдань не втрачається. Python'er

Розробник дивиться, як продакт займається вайб-кодингом. Python'er

Шпаргалка з Python: системні змінні модуля sys (argv, path, version тощо), спеціальні методи класів (__init__, __str__, __repr__, __eq__, __call__), методи списків (append, extend, insert, remove, pop, sort, reverse), методи рядків (lower, title, join, translate, zfill), методи роботи з файлами (read, write, readline, seek, close), а також індекси та зрізи в Python Python

Ловіть інструмент для керування Git-хуками Pre-commit — це open-source фреймворк для автоматичного запуску перевірок коду, стилю та безпеки перед кожним комітом Python

Асинхронність у Python (async / await) У відео пояснюється, як працює асинхронний код Python

Цифрова професія — аналогові звички Python

Flask — це мікрофреймворк для веб-розробки на Python, який ідеально підходить для швидкого старту без зайвої «магії» Його використовують у найрізноманітніших сценаріях: від невеликих веб-проєктів і API до мікросервісів і внутрішніх корпоративних інструментів

Де Flask особливо корисний: • швидке прототипування і MVP • створення REST API та бекенд-серверів • мікросервісна архітектура • розробка легких сервісів під конкретні задачі

Python

Світ рекрутингу виявився надто тісним Python

LlamaIndex — це платформа та фреймворк для роботи з даними, яка допомагає створювати застосунки на базі великих мовних моделей із доступом до ваших власних (приватних) джерел Головна ідея — розв’язати ключову проблему LLM: обмежену «памʼять». Замість повторного навчання модель отримує потрібні дані прямо під час запиту й уже на їх основі відповідає на питання Python

Керування проблемами та ризиками в процесах CAPA — це підхід до управління, який допомагає виявляти та усувати як наявні, так і потенційні проблеми в процесах, продуктах або сервісах Python