Zen of Python

Вайсфельд М. Объектно-ориентированный подход. 5-е издание Классическая книга для целого семейства языков вроде Python. Читать будет непросто, ведь там может встретиться глава про SOLID с примерами на C++, однако это наилучший способ понять философию создателей таких языков. Начинающим такое советовать, наверное, не стоит, но если вы уже погружались в горнило разработки и выпуска ПО в прод, то книга точно сделает из вас лучшего специалиста. #книга @zen_of_python

Как писать docstrings Докстринги (буквально «строки документации») — это встроенная в код документация (обычно после инициализации функции / класса и прочих объектов между двумя '''), которую могут читать люди и инструменты (help(), pydoc, автогенераторы). В этом лонгриде мы разберемся, где и как их писать. Зачем нужны docstrings — и чем они отличаются от комментариев 🔘Комментарии (#) объясняют реализацию и помогают разработчикам; интерпретатор их игнорирует. 🔘Докстринги — это строковые литералы (обычно в """`), помещённые сразу после определения модуля / функции / класса / метода; они сохраняются в атрибуте .__doc__` и доступны в рантайме (через .__doc__, help() и инструментах вроде pydoc. Докстринги описывают интерфейс (что делает код, какие аргументы и что возвращает), а комментарий — реализацию и все остальное. Многострочные докстринги используются когда нужно подробнее описать параметры, поведение, побочные эффекты, примеры использования. По PEP 257 закрывающие кавычки обычно ставят на отдельной строке в многострочном docstring:

def get_book(publication_year, title):
    """
    Retrieve a Harry Potter book by its publication year and name.

    Parameters:
        publication_year (int): The year the book was published.
        title (str): The title of the book.

    Returns:
        str: A sentence describing the book and its publication year.
    """

Чтобы получить доступ к docstring в коде и терминале, вызываем: 🔘 obj.__doc__ — возвращает сырой docstring (часто краткий); 🔘 help(obj) — даёт структурированный вывод, полезный для модулей и классов; 🔘 python -m pydoc module — позволяет просматривать документацию из терминала и генерировать статичные страницы. Что писать в docstring для модулей, функций и классов Модуль: 🔘 Краткое описание назначения модуля. 🔘 При необходимости — описание экспортируемых переменных/классов/функций, примеры использования. Функция / метод: 🔘 Краткое резюме (1–2 предложения). 🔘 Секция Parameters`/`Args: имена параметров, типы, краткое описание. 🔘 Секция Returns / Yields: что возвращается, тип. 🔘 Исключения: какие ошибки может выбросить функция (опционально, но полезно). 🔘 Пример использования или заметки о поведении (если нужно). Класс: 🔘 Краткое описание назначения класса. 🔘 Описание атрибутов (публичных), краткая информация о методах (если интерфейс не очевиден). 🔘 Для сложных иерархий — примеры создания/использования. ([realpython.com][1]) #основы @zen_of_python

​​Шпаргалка Pandas Markdown-документ с листингом основных функций этого популярного фреймворка про: — импорт / экспорт данных; — просмотр и анализ датафрейма; — фильтрацию; — группировку; — объединение; — статистику и проч. #шпаргалка @zen_of_python

​​Что триггерит твоего батю, когда ты говоришь, что учишь питон: #кек @zen_of_python

#кек @zen_of_python

Как ощущается преподавание Python детям #кек @zen_of_python

#кек @zen_of_python

​​Когда джунам объясняют, что с программирование с GPT похоже на работу системного архитектора #кек @zen_of_python

Вопросы подписчиков Zen of Python поддерживает новоприбывших (и не только) в особой рубрике. Как это работает: — Спрашивайте что угодно (в комментариях под этим постом), связанное с Python. Здесь нет плохих вопросов! — Сообщество вас поддержит. Самые интересные вопросы мы разберём в отдельном посте. #обсуждение @zen_of_python

Один One Day Offer вам или целых три — всем? 25 октября Сбер проведёт сразу три экспресс-отбора кандидатов в две команды: GigaData и Kandinsky. Чем предстоит заниматься: • Развивать GigaData — внутреннюю платформу Сбера, которая обрабатывает петабайты данных и миллиарды запросов в сутки. — One Day Offer для Python‑разработчиков. • Работать над Kandinsky — обучать большие модели с нуля, собирать и подготавливать данные, исследовать самые эффективные методы дообучения моделей. — One Day Offer для Machine Learning Engineers с опытом в Deep Learning и компьютерном зрении (CV). — One Day Offer для Research и Deep Learning Engineers. Выбирайте то, что больше подходит под ваши навыки — и регистрируйтесь на One Day Offer! Это #партнёрский пост

The Farmer Was Replaced | Питонический симулятор фермы На Steam релизнули необычную игру: вам предстоит создавать Python-код для дрона, чтобы тот поливал, пропалывал, копал и собирал. Довольно симпатичный UI, самое то позалипать на выходных. #кек #обучение @zen_of_python

PySCN | Cтатанализ вашего кода Инструмент оценивает Python-проект по следующим параметрам: — доля «мертвого» кода; — задвоение кода; — связанность классов друг с другом и проч. В эпоху LLM-копайлотов анализ качества кода все так же актуален, так что сохраняем и пользуемся. #инструмент @zen_of_python

​​pypiplus.com | Прогнозируем «ад зависимостей» Утилита позволяет пробить любую библиотеку / фреймворк с pypi.org и узнать, от каких «соседей» она зависит и кто полагается на нее. Если в эпоху ИИ-копайлотов мы все немного превращаемся в системных архитекторов, то с такими сервисами это будет проходить с меньшим количеством последствий, однозначно. #инструмент @zen_of_python

​​Чтобы не скрипеть, как скелет из Minecraft Суставы — штука коварная. Пока всё ок, о них никто даже не вспоминает. А потом вдруг — щёлк, хруст и боль. Конечно, всегда лучше посоветоваться с врачом, но вот базовая еда, которая точно не окажется лишней для суставов: — Жирная рыба — уменьшает воспаления, помогает суставам двигаться мягче. — Яйца и печень — важны для прочного хряща. — Желатин, холодец, бульоны — источник коллагена. — Смородина, киви, перец — витамин C, который помогает восстанавливать ткани. — Оливковое масло, орехи — убирают микровоспаления. — Сыры и другие источники кальция — укрепляют кости, а с ними и суставы. #суставы #еда

Python 3.14 на 27% быстрее предшественников Сразу после выхода этой минорной версии языкового пакета с поддержкой free-threading (многопоточности без глобальной блокировки GIL), один разработчик провел тесты скорости. В подборку сравнения попали CPython 3.9–3.14, PyPy 3.11, Node.js 24 и Rust 1.9. Их сравнивали при рекурсивном вычислении чисел Фибоначчи и сортировке пузырьком. Подробнее о результатах в статье. #факт @zen_of_python

​​Logly | loguru на Rust Python-библиотека для логирования всего и вся. Те же уровни логирования (TRACE, DEBUG, INFO, SUCCESS и проч.), тот же отлов исключений. Создатели обещают повышенную безопасность памяти, неблокирующие конкуррентные операции и все тонкие настройки, как у loguru. Доступен в РФ: да Цена: бесплатно @prog_tools

Почему Python так популярен в 2025-м году? Python стал культурным и технологическим феноменом, устойчиво удерживая позиции одного из самых любимых и широко используемых языков программирования. В 2025 году он занимает первое место сразу в нескольких рейтингах популярности ЯП. Что делает Python таким популярным? 🔘Легкость старта и понятный синтаксис Одним из главных преимуществ с момента создания остаётся его читаемость и простота — код Python часто выглядит ближе к псевдокоду, чем к «машинной» записи. Это позволяет разработчикам сосредоточиться на логике, а не на деталях синтаксиса. Для новичков это часто первый язык программирования, с которым они знакомятся, — из-за низкого порога входа. Этот «эффект знакомства» закрепляет Python как язык выбора, особенно в образовательной и научной среде. 🔘Ключевая роль в AI, ML и науке о данных Python давно прочно обосновался в экосистеме машинного обучения, искусственного интеллекта и обработки данных. В отчёте JetBrains «The State of Python 2025» указано, что примерно 41% разработчиков используют Python специально для задач машинного обучения. Широкий набор библиотек и фреймворков: PyTorch, TensorFlow, Keras, scikit-learn, Hugging Face Transformers — все они предоставляют зрелые, постоянно развивающиеся инструменты для исследователей и продакшн-инженеров. 🔘Универсальность: от скриптов до крупных систем Python используется в самых разнообразных задачах: — Веб-разработка: популярные фреймворки (Django, Flask, FastAPI) позволяют строить как простые приложения, так и масштабные сервисы; — Автоматизация и инфраструктурные скрипты: благодаря лёгкости запуска, большому выбору библиотек и встроенной поддержке многих протоколов и форматов; — Инструменты разработки, прототипы, доказательство концепции (POC): Python часто выбирают тогда, когда нужно быстро создать рабочее решение и проверить идею; — Научные вычисления и инженерные задачи: благодаря библиотекам как NumPy, SciPy, Sympy и др. Такой спектр применения делает Python «языком на все случаи», что снижает риск переключения на другой язык при росте проекта. 🔘Сообщество, документация и экосистемный эффект Невозможно недооценивать роль сообщества в успехе Python: — Огромное количество библиотек и фреймворков, созданных сообществом, часто с открытым исходным кодом; — Качественная документация, туториалы, обсуждения: многие проблемы уже задокументированы, многие вопросы обсуждены на форумах, в блогах и на Stack Overflow. Эффект «чем больше пользователей — тем больше инструментов — тем больше новых пользователей»: эта положительная обратная связь укрепляет позиции языка. 🔘Совместимость, обратная совместимость и эволюция Python исторически стремится к обратной совместимости: код, написанный на старых версиях, часто может работать на новых с минимальными правками. Это снижает «технический долг» и барьеры для обновлений. К тому же новые версии языка приносят прирост производительности и оптимизации без значительного изменения синтаксиса. В отчёте указано, что многие разработчики просто не меняют версии, потому что текущая версия «удовлетворяет все нужды» — 53%. Тем не менее, повышение производительности и оптимизации — весомый аргумент в пользу перехода, особенно для критичных к скорости проектов. #факт @zen_of_python

​​RunSnakeRun | Профайлер с GUI Симпатичный и наглядный инструмент для анализа производительности Python-программ. Он показывает результаты профилирования (cProfile, hotshot и других форматов) в виде наглядной treemap-диаграммы. На диаграмме размер прямоугольника отражает долю времени, потраченную на выполнение функции. Позволяет интерактивно «проваливаться» в вызовы и изучать вложенные функции. Отличный способ искать узкие места в проекте. #инструмент @zen_of_python

Что такое замыкание и зачем оно нужно Замыкания (Closures) — понятие, которое кажется сложным при первом знакомстве. Но на самом деле вы уже его скорее всего используете неосознанно, настолько это стало базой. Представим программу, где пользователь вводит число, нажимает OK, и программа сохраняет это число в список, выводя все введённые значения:

numbers = []

def enter_number(x):
    numbers.append(x)
    print(numbers)

enter_number(3) # [3]
enter_number(7) # [3, 7]
enter_number(4) # v

Код работает, но есть проблема: переменная numbers находится вне функции, то есть она глобальная. Это значит, что: 🔘 функция зависит от переменной, объявленной в другом месте; 🔘 код становится менее гибким — нельзя просто перенести функцию в другой модуль, не взяв с собой numbers. Замыкание помогает «связать» данные и логику в одном месте без использования классов:

def enter_number_outer():
    numbers = []  # локальная переменная

    def enter_number_inner(x):
        numbers.append(x)
        print(numbers)

    return enter_number_inner

Когда мы вызываем внешнюю функцию enter_number_outer(), она создаёт свой контекст с переменной numbers и возвращает внутреннюю функцию, которая имеет к ней доступ.

enter_num = enter_number_outer()
 
enter_num(3) # [3]
enter_num(7) # [3, 7]
enter_num(4) # [3, 7, 4]

Ключевая идея замыкания:

Внутренняя функция «замыкает» (сохраняет) значения переменных из области видимости внешней функции.

Даже когда enter_number_outer() завершает выполнение, её переменные не уничтожаются, потому что они нужны внутренней функции, которая всё ещё существует. Это и есть closure — функция, которая запоминает контекст, в котором была создана. Используйте замыкания, если хотите: 🔘 инкапсулировать состояние в функции без создания класса; 🔘 нужно создать функцию-конфигуратор (например, с частично зафиксированными параметрами); Замыкание — это функция, которая: 🔘 определена внутри другой функции; 🔘 использует переменные из внешней функции; 🔘 «запоминает» эти переменные даже после завершения внешней функции. #основы @zen_of_python

#кек @zen_of_python