Python Portal

Pandas vs PySpark Если ты работаешь с небольшими данными на ноутбуке или с большими объёмами на кластере — именно Pandas и PySpark лежат в основе современной аналитики данных. Когда я только начинал, постоянно ловил себя на вопросах: «А как сделать эту операцию из Pandas в PySpark?» или «Какой эквивалент у этого DataFrame-кода в PySpark?» 😨 Переключаться между ними было непросто — разный синтаксис, разный подход. Поэтому держи простую шпаргалку с командами в лоб-в-лоб, чтобы упростить переход. Что внутри: ❯ Удобный выбор, фильтрация и сортировка строк ❯ Группировка, агрегации и join’ы без боли ❯ Обработка пропущенных значений ❯ Плавный перенос логики между Pandas и PySpark Совет: если освоишь обе библиотеки — сможешь уверенно переключаться между небольшими проектами и масштабными пайплайнами. И не забывай:

«В Pandas ты учишься ремеслу. В PySpark — масштабированию.»

👉 @PythonPortal

Всё, что нужно для трассировки LLM-приложений это Python-декоратор (open-source). Большинство метрик для LLM оценивают приложение как чёрный ящик от начала до конца. Но LLM-приложения требуют оценки и трассировки на уровне компонентов, ведь ошибка может быть где угодно: в ретривере, вызове инструмента или самом LLM. С помощью deepeval это делается всего в 3 строки кода: – Используй декоратор @observe, чтобы трассировать отдельные компоненты (инструменты, ретриверы, генераторы) – Привязывай метрики к каждому из компонентов – Получай визуальный разбор — что работает, а что ломается И всё. Переписывать существующий код не нужно. 😄 Пример есть выше для RAG-приложения. Deepeval — полностью open-source, уже 8500+ звёзд на GitHub. Можно легко задеплоить у себя. Все данные останутся под твоим контролем. 👉 @PythonPortal

Наткнулся на годный репозиторий для изучения Data Science с Python 😮 Это полный текст книги Python Data Science Handbook в формате Jupyter-ноутбуков — прямо на GitHub Можно изучать NumPy, Pandas, Matplotlib, Scikit-Learn и другие библиотеки прямо в интерактивном формате. Подойдёт и для новичков, и как шпаргалка для практиков 👉 @PythonPortal

🔥 Успех в IT = скорость + знания + окружение Здесь ты найдёшь всё это — коротко, по делу и без воды. Пока другие ищут, где “подглядеть решение”, ты будешь использовать самые передовые инструменты! 🖥 ИИ: t.me/ai_machinelearning_big_data 🖥 Python: t.me/pythonl 🖥 Linux: t.me/linuxacademiya 🖥 C++ t.me/cpluspluc 🖥 Docker: t.me/DevopsDocker 🖥 Хакинг: t.me/linuxkalii 🖥 Devops: t.me/DevOPSitsec 🖥 Data Science: t.me/data_analysis_ml 🖥 Javascript: t.me/javascriptv 🖥 C#: t.me/csharp_ci 🖥 Java: t.me/javatg 🖥 Базы данных: t.me/sqlhub 👣 GO: t.me/Golang_google 🖥 React: t.me/react_tg 👣 Rust: t.me/rust_code 🧠 Нейросети: t.me/vistehno 🖥 PHP: t.me/phpshka 🖥 Android: t.me/android_its 💼 Вакансии: t.me/addlist/_zyy_jQ_QUsyM2Vi

Преобразование систем счисления в Python с использованием встроенных функций 🔹Из десятичной в двоичную

decimal_number = 10
binary_number = bin(decimal_number)
print(binary_number)
# Вывод: '0b1010'

🔹Из двоичной в десятичную

binary_number = '1010'
decimal_number = int(binary_number, 2)
print(decimal_number)
# Вывод: 10

🔹Из десятичной в восьмеричную

decimal_number = 10
octal_number = oct(decimal_number)
print(octal_number)
# Вывод: '0o12'

🔹Из восьмеричной в десятичную

octal_number = '12'
decimal_number = int(octal_number, 8)
print(decimal_number)
# Вывод: 10

🔹Из десятичной в шестнадцатеричную

decimal_number = 10
hex_number = hex(decimal_number)
print(hex_number)
# Вывод: '0xa'

🔹Из шестнадцатеричной в десятичную

hex_number = 'a'
decimal_number = int(hex_number, 16)
print(decimal_number)
# Вывод: 10

👉 @PythonPortal

Google представила мощного AI-ассистента для работы в терминале — Gemini CLI На текущем этапе инструмент фактически доступен бесплатно, работает на базе модели Gemini 2.5 Pro, с такими лимитами: - До 60 запросов в минуту - До 1000 запросов в день Для личного использования этих ограничений более чем достаточно. На фоне подписок по $10–20 в месяц на другие AI-инструменты для разработки — Google действительно щедр. 😮 • Контекст до 1 млн токенов • Мультимодальность: UI-скетчи, PDF → код • Автопоиск PR и merge-автоматизация • Поддержка MCP-протокола • Встроенный Google Search 👉 @PythonPortal

Многие разработчики на Python считают метод __init__() конструктором, но на самом деле это не так. Настоящий конструктор в Python — это метод __new__(). Давайте разберёмся, как это доказать, на небольшом примере. Сначала добавим несколько print-вызовов в метод __init__(), чтобы понять, что происходит при создании экземпляра класса: (2 фото) Теперь добавим метод __new__() и посмотрим, вызывается ли __init__() до или после __new__(). (3 фото) Если запустить этот код, станет видно, что первым вызывается именно метод __new__() Хочу отметить, что в большинстве случаев вам не придётся использовать метод __new__() в своём коде. На практике он применяется почти исключительно в метапрограммировании, фабричных функциях и при работе с API — по крайней мере, из того, что мне доводилось видеть. Так что продолжайте спокойно использовать проверенный метод __init__() — он по-прежнему отлично справляется со своей задачей 😄 👉 @PythonPortal

Хочешь понять, как работает Git — напиши свой. Линус Торвальдс прославился тем, что написал Git за один день на C, уложившись в 1000 строк — и закоммитил его через Git. Сейчас проект насчитывает >500k строк, но его ядро можно реализовать за одни выходные. Write Yourself a Git – пошаговое руководство, помогающее создать упрощённую версию Git на Python. Автор показывает, как за ~978 строк кода реализовать ключевые команды Git: init, add, commit, log, checkout, status и другие — при этом всё остаётся совместимым с настоящим Git Git кажется сложным, но его ядро на удивление простое. Проект wyag позволяет «разобрать его на атомы» и понять фундаментальные концепции через код 😡 👉 @PythonPortal

ᅠᅠᅠᅠᅠᅠᅠᅠᅠᅠᅠᅠᅠᅠᅠᅠᅠᅠ ᅠᅠᅠᅠᅠᅠᅠᅠᅠᅠᅠᅠᅠᅠᅠᅠᅠᅠ ᅠᅠᅠᅠᅠᅠᅠᅠᅠᅠᅠᅠᅠᅠᅠᅠᅠᅠ ᅠᅠᅠᅠᅠᅠᅠᅠᅠᅠᅠᅠᅠᅠᅠᅠᅠᅠ ᅠᅠᅠᅠᅠᅠᅠᅠᅠᅠᅠᅠᅠᅠᅠᅠᅠᅠ ᅠᅠᅠᅠᅠᅠᅠᅠᅠᅠᅠᅠᅠᅠᅠᅠᅠᅠ Айтишники поймут ᅠᅠᅠᅠᅠᅠᅠᅠᅠᅠᅠᅠᅠᅠᅠᅠᅠᅠ ᅠᅠᅠᅠᅠᅠᅠᅠᅠᅠᅠᅠᅠᅠᅠᅠᅠᅠ ᅠᅠᅠᅠᅠᅠᅠᅠᅠᅠᅠᅠᅠᅠᅠᅠᅠᅠ ᅠᅠᅠᅠᅠᅠᅠᅠᅠᅠᅠᅠ ᅠᅠᅠᅠᅠᅠᅠᅠᅠᅠᅠᅠᅠᅠᅠᅠᅠᅠ ᅠᅠᅠᅠᅠᅠ ᅠᅠᅠᅠᅠᅠᅠᅠᅠᅠᅠᅠᅠᅠᅠᅠᅠᅠ

Совет по Python: При объединении итерируемых объектов разной длины используй itertools.zip_longest() вместо zip(), чтобы все элементы были объединены в пары. zip() объединяет элементы, пока один из итерируемых не закончится:

>>> list(zip(letters, numbers))
[('a', 1), ('b', 2)]

zip_longest() продолжает объединение до конца самого длинного итерируемого объекта:

>>> list(zip_longest(letters, numbers))
[('a', 1), ('b', 2), ('c', None)]

fillvalue позволяет указать значение-заполнитель для отсутствующих элементов:

>>> list(zip_longest(letters, numbers, fillvalue='N/A'))
[('a', 1), ('b', 2), ('c', 'N/A')]

Используй zip_longest, когда важно сохранить все данные, даже при разной длине итерируемых объектов 🤵 👉 @PythonPortal

Наткнулся на прикольный ресурс для изучения SQL Это интерактивный тренажёр, который позволяет практиковаться в написании SQL-запросов прямо в браузере. Подойдёт и новичкам, и тем, кто хочет освежить SELECT, JOIN и другие команды на практике 📝 👉 @PythonPortal

Совет по Python: Функция locals() Встроенная функция locals() возвращает словарь, представляющий текущую локальную таблицу символов. Таблица символов — это структура, в которой Python хранит все имена (переменные, функции, классы и т.д.), доступные в определённой области видимости. Когда locals() вызывается внутри функции, она возвращает словарь со всеми локальными переменными, определёнными в рамках этой функции. В примере переменные z и x определены локально внутри функции. Переменная y = 20 является глобальной и не относится к области видимости my_func(). Поэтому locals() внутри my_func не включает y 👉 @PythonPortal

Топ-10 распространённых магических методов в Python __init__(self) – Инициализация нового объекта __str__(self) – Строковое представление __repr__(self) – Представление для отладки __len__(self) – Длина объекта __getitem__(self, key) – Доступ к элементу по индексу/ключу __setitem__(self, key, value) – Установка значения по индексу/ключу __delitem__(self, key) – Удаление элемента по ключу __eq__(self, other) – Проверка на равенство __add__(self, other) – Поведение оператора сложения + __call__(self, ...) – Делает экземпляр вызываемым как функция 👉 @PythonPortal

Использование контекстного менеджера как таймера Большинство разработчиков ассоциируют контекстные менеджеры (with-выражение) только с работой с файлами. Но на самом деле этот паттерн решает более общую задачу. Контекстные менеджеры идеально подходят для управления любыми ресурсами, у которых есть чёткий момент начала и завершения. Например: • File I/O • Сессии логирования • Транзакции в базе данных • Сетевые и БД-соединения • Замер производительности • Управление потоками и блокировками with гарантирует, что инициализация и очистка ресурса будут выполнены автоматически, даже если в блоке возникнет исключение. Это делает код чище и надёжнее. Вместо того чтобы вручную замерять время до и после блока кода, можно использовать контекстный менеджер — это чистое и питоничное решение. Обычно контекстный менеджер реализуется как класс с методами __enter__ и __exit__ Но есть более лаконичный способ — использовать декоратор @contextmanager из модуля contextlib, чтобы писать генераторные менеджеры без лишнего шаблонного кода. Пример как использовать контекстный менеджер как таймер прикрепил ✌️ 👉 @PythonPortal

Auto PY to EXE — это open-source инструмент для упаковки Python-проектов в исполняемые файлы, который гораздо проще в использовании, чем pyfuze Он предоставляет наглядный графический интерфейс: просто выбираешь скрипт, настраиваешь нужные параметры и нажимаешь кнопку запуска —> весь процесс упаковки проходит без необходимости возиться с командной строкой. Дополнительно можно сохранять часто используемые настройки, отслеживать процесс в реальном времени и просматривать подробные логи. 📖 Инструмент кроссплатформенный, поддерживает Windows, macOS и Linux, а установка через pip максимально простая:

pip install auto-py-to-exe

👉 @PythonPortal

Это что игра What It Prints? Да, это онлайн-игра‑головоломка для разработчиков и студентов, где нужно угадать, что выведет код. Простая и увлекательная: показывается фрагмент, а вы должны определить его вывод Для самопроверки самое то 💯 👉 @PythonPortal

Совет по Python: deque.maxlen Знаете ли вы, что можно задать максимальную длину списка, используя deque из модуля collections? Класс deque (двусторонняя очередь) из модуля collections поддерживает параметр maxlen, который устанавливает максимальный размер очереди. Когда очередь достигает этого размера, добавление новых элементов автоматически удаляет элементы с противоположного конца, реализуя поведение "первым пришёл — первым ушёл" (FIFO) с ограничением по размеру. В приведённом примере deque имеет максимальную длину 3. При добавлении значения 4 удаляется 1, что делает такую структуру идеальной для реализации скользящего окна последних трёх элементов 📖 👉 @PythonPortal

Я только сегодня узнал об этом трюке с GitHub Просто введите repo.new в адресной строке браузера — и сразу откроется страница создания нового репозитория на GitHub. Такой простой способ сэкономить время 🤯 👉 @PythonPortal

Совсем недавно открылся новый канал по python и защите данных 😎 👩‍💻 Python – от основ до продвинутых тем 👩‍💻 Linux – администрирование, bash-скрипты, настройка серверов 👩‍💻 Разборы - реальных кейсов и лайфхаки для разработчиков 👩‍💻 DevOps-инструменты - Docker, Kubernetes, CI/CD

Стань олдом этого канала 🔥

Вступить в CodeGuard - t.me/codeguard