Python Learning

🔍Тестовое собеседование на Middle Python-разработчика в четверг 22 мая(в четверг) в 19:00 по мск приходи онлайн на открытое собеседование, чтобы посмотреть на настоящее интервью на Middle Python-разработчика. Собес проведет Вадим Пуштаев, ex. head of backend в 💙, автор канала @pythonetc, архитектор в европейской компании Как это будет: 📂 Вадим будет задавать реальные вопросы и задачи разработчику-добровольцу 📂 Вадим будет комментировать каждый ответ респондента, чтобы дать понять чего от вас ожидает собеседующий на интервью 📂 В конце можно будет задать любой вопрос Вадиму Это бесплатно. Эфир проходит в рамках менторской программы от ШОРТКАТ для Python-разработчиков, которые хотят повысить свой грейд, ЗП и прокачать скиллы. Переходи в нашего бота, чтобы получить ссылку на эфир → @shortcut_py_bot Реклама. ООО "ШОРТКАТ", ИНН: 9731139396, erid: 2Vtzqxf5Xvt

➡️ Использование коллекций Python Коллекции Python — это контейнерные типы данных. В частности, это списки, множества, кортежи, словари. Модуль collections даёт в распоряжение разработчика высокопроизводительные типы данных, которые помогают улучшить код, сделать его чище и облегчить работу с ним. Этот модуль содержит множество полезных методов. Здесь мы рассмотрим метод Counter().

Этот метод принимает итерируемый объект, такой, как список или кортеж, и возвращает словарь, содержащий сведения о количестве различных объектов в исследуемом списке (Counter Dictionary). Ключами такого словаря являются уникальные элементы, представленные в итерируемом объекте, а значениями — количества таких элементов.

🗣️ Для создания объекта Counter нужно передать итерируемый объект (список, например) методу Counter() Python Learning 👩‍💻

➡️ Преобразование двух списков в словарь Предположим, у нас имеется два списка. Один из них содержит имена студентов, а второй — их оценки. Как преобразовать эти два списка в словарь? ✔️ Для решения задачи можно прибегнуть к функции zip(). Python Learning 👩‍💻

🏎💨Не позволяйте вашим приложениям терять скорость! Обрабатывайте задачи эффективно с FastAPI. Узнайте, как фоновые задачи могут повысить отзывчивость вашего приложения. Освойте FastAPI и научитесь улучшать производительность приложений. Повышение скорости ответа и снижение нагрузки — это реально. ⚡️Присоединяйтесь к открытому вебинару 20 мая в 20:00 мск и получите скидку на большое обучение «Python Developer. Basic»: https://otus.pw/yjXt/ Реклама. ООО «Отус онлайн-образование», ОГРН 1177746618576

⚙️ Оптимизация памяти в Python: Использование генераторов вместо списков Когда мы работаем с большими наборами данных, важно помнить об эффективном использовании памяти. Одной из полезных фишек Python для оптимизации памяти является использование генераторов вместо списков. ➡️ Пример кода Допустим, у нас есть задача найти квадраты чисел от 1 до 1 000 000. Сначала посмотрим, как это сделать с помощью списка:

# Плохая практика: использование списка
squares = [x**2 for x in range(1, 1000001)]

Этот код создает список квадратов чисел, что требует значительного объема памяти. Вместо этого можно использовать генератор, который создаст объекты по мере их запроса, не занимая много памяти:

# Лучшая практика: использование генератора
squares = (x**2 for x in range(1, 1000001))

Теперь squares - это генератор, который генерирует квадраты чисел по мере необходимости, занимая минимальное количество памяти. Почему это полезно Использование генераторов вместо списков позволяет значительно экономить память, особенно при работе с большими наборами данных. Это делает ваш код более эффективным и позволяет работать с гораздо большими объемами данных без значительных затрат ресурсов. Python Learning 👩‍💻

➡️ clean-text для нормализации и очистки текста Отличный однострочный код для нормализации и очистки текста — идеально для проектов по обработке естественного языка. Контент, созданный пользователями в Интернете и в социальных сетях, часто бывает грязным. Предварительно обработайте свои данные с помощью clean-text, чтобы создать нормализованное текстовое представление. Например, преобразуйте этот испорченный ввод:

A bunch of \\u2018new\\u2019 references, including [Moana](https://en.wikipedia.org/wiki/Moana_%282016_film%29).
»Yóù àré     rïght <3!«

в этот чистый вывод:

A bunch of 'new' references, including [moana](<URL>).
"you are right <3!"

🔗 Ссылочка на доку Python Learning 👩‍💻

➡️ PyForest: Один импорт для всех важных модулей Импортируйте все ключевые библиотеки Python одной строкой. Это удобно для всех ваших проектов по Data Science и при создании нового окружения в Conda. 🗣️ При работе с данными вы используете библиотеки, такие как pandas, matplotlib, seaborn, numpy и sklearn. Прежде чем приступить к работе, нужно их импортировать. Библиотека решает несколько проблем: • Однообразие: импорт всегда одинаковый и скучный. • Пропущенные импорты мешают работе. • Иногда нужно искать точные строки импорта, например, import matplotlib.pyplot as plt или from sklearn.ensemble import GradientBoostingRegressor. 🔗 Ссылочка на доку Python Learning 👩‍💻

⚙️ Chainer для построения и обучения нейронных сетей ℹ️ Мощный и гибкий инструмент Python для построения и обучения глубоких нейронных сетей. Библиотека Chainer была разработана японской компанией Preferred Networks. 🔗 Ссылочка на доку Python Learning 👩‍💻

⚙️ Использование функции sorted() В Python очень легко сортировать некие последовательности данных с использованием встроенной функции sorted(), которая берёт на себя решение всех сопутствующих задач. 🗣️ Эта функция сортирует любые последовательности (списки, кортежи) и всегда возвращает список с отсортированными элементами. Рассмотрим пример сортировки списка чисел в порядке возрастания:

sorted([3,5,2,1,4]) # [1, 2, 3, 4, 5]

➡️ А вот — пример сортировки списка строк в порядке убывания:

sorted(['france', 'germany', 'canada', 'india', 'china'], reverse=True) # ['india', 'germany', 'france', 'china', 'canada']

Python Learning 👩‍💻

⚙️ secrets для генерации случайных чисел и символов ℹ️ Хотя реализовать свои собственные функции кодирования сообщений может быть очень весело, они, вероятно, не будут соответствовать тем же стандартам, что и проверенные в боевых условиях функции в библиотеке secrets. 🗣️ Там вы найдёте всё необходимое для генерации случайных чисел и символов для самых сложных паролей, токенов безопасности и связанных с ними секретов. 🔗 Ссылочка на доку Python Learning 👩‍💻

⚙️ Asyncio для работы с асинхронным кодом ℹ️ Разработчики Python по всему миру используют библиотеку asyncio для написания параллельного кода с помощью синтаксиса async/await. 🗣️ Библиотека asyncio больше всего подходит для кода, который связан с вводом-выводом, а также для высокоуровневого структурированного сетевого кода. 🔗 Ссылочка на доку Python Learning 👩‍💻

DeepChem DeepChem — это библиотека Python с открытым исходным кодом, которая использует методы глубокого обучения для решения задач в области химии, биологии и материаловедения. DeepChem позволяет прогнозировать различные свойства молекул, такие как их активность, растворимость, токсичность и т.д., используя методы машинного обучения. Также библиотека может использоваться для быстрого и эффективного поиска потенциальных лекарственных средств из больших библиотек соединений. DeepChem может генерировать новые молекулы с заданными свойствами, что может быть полезно для разработки новых материалов и лекарств. Python Learning 👩‍💻

🧑🏻‍💻Хотите глубже понять Python и научиться использовать абстрактные классы и протоколы для создания более гибких и поддерживаемых приложений? Присоединяйтесь к открытому вебинару 13 мая в 20:00 МСК, где мы разберём абстрактные классы и протоколы в Python. Вы научитесь создавать и применять их с помощью модуля abc, улучшая архитектуру ваших проектов. Углубление знаний в ООП поможет вам писать более структурированный и расширяемый код, который станет основой для успешных проектов. Понимание абстракции — ключ к более высокому уровню разработки. 👉Регистрируйтесь и получите скидку на большую программу обучения "Python Developer. Basic": https://otus.pw/AMrK/ Реклама. ООО «Отус онлайн-образование», ОГРН 1177746618576

⚙️ PaddleOCR для оптического распознавания символов ℹ️ PaddleOCR — многоязычные наборы инструментов OCR на основе DL-фреймворка PaddlePaddle. 🗣️ Поддержка обучения и развертывания на серверных, мобильных, встроенных устройствах и IoT 🔗 Ссылочка на доку Python Learning 👩‍💻

⚙️ pickle для быстрого и эффективного хранения ℹ️ Точно так же, как размеры наборов данных становятся всё больше и больше, растут и наши потребности в их более быстром и эффективном хранении. Одной из альтернатив плоским CSV-файлам, которые поставляются с вашей установкой Python, является формат файла pickle. 🗣️ На самом деле он примерно в 80 раз быстрее CSV при вводе-выводе и занимает меньше памяти. 🔗 Ссылочка на доку Python Learning 👩‍💻

⚙️ Pympler для мониторинга и анализа памяти ℹ️ Библиотека мониторит и анализирует память, которая используется при исполнении кода программ на Python. Инструмент находит ее избыточное потребление, утечки и другие баги. 🗣️ С помощью Pympler можно узнать все о размере и длительности процессов приложения на Python за время работы. 🔗 Ссылочка на доку Python Learning 👩‍💻

⚙️ itertools для итерации более чем одного итерируемого объекта ℹ️ Если вы когда-нибудь оказывались в ситуации, когда вы пишете вложенные циклы или сложные функции для итерации более чем одного итерируемого объекта, проверьте, есть ли нужная функция в библиотеке itertools. 🗣️ Возможно, вам не придется изобретать велосипед — Python учтёт все ваши потребности. 🔗 Ссылочка на доку Python Learning 👩‍💻

⚙️ sqlite3 для специалистов по данным и инженеров ℹ️ К радости специалистов по данным и инженеров, Python поставляется со встроенной поддержкой баз данных и SQL через библиотеку sqlite3. Просто подключитесь к любой базе данных (или создайте её) с помощью объекта подключения и запускайте SQL-запросы. 🔗 Ссылочка на доку Python Learning 👩‍💻

⚙️ Contextlib для обработки внешних источников ℹ️ Библиотека contextlib в Python предоставляет утилиты для работы с контекстными менеджерами и упрощения создания и использования ресурсов с помощью оператора with. 🔗 Ссылочка на доку Python Learning 👩‍💻

⚙️ Requests для генерации HTTP-запросов ℹ️ Библиотека упрощает генерацию HTTP-запросов к другим сервисам, помогает писать их очень просто и быстро. Код получается лаконичным, а запрос легко настроить и отправить. Поддерживает множество функций и написана понятным языком. 🔗 Ссылочка на доку Python Learning 👩‍💻