Pythoner

REKONFA Live 6 ноября приглашаем рекламодателей, агентства и рекламные площадки обсудить технологии, маркетинговые инструменты и актуальные новинки. Ключевые участники рынка поделятся опытом и расскажут: — О ситуации на рынке рекламы — Как продвигать и продавать в интернете в 2025 году — Как бизнесу адаптироваться к меняющимся условиям Вас ждут доклады на актуальные темы, классный нетворкинг, вдохновляющая атмосфера для творчества и креатива. Встречаемся 6 ноября в Москве. Для тех, кто не сможет приехать, организуем интерактивное digital-шоу. Мероприятие бесплатное, нужно только зарегистрироваться. Зарегистрироваться #реклама 18+ ya.rekonfa.ru О рекламодателе

✈️Функция enumerate() позволяет перебрать элементы последовательности вместе с их индексами. Это удобно, когда нужен не только элемент, но и его позиция в коллекции. ➡️Пример:

fruits = ["apple", "banana", "orange"]

for index, fruit in enumerate(fruits, start=1):
    print(index, fruit)

1 apple  
2 banana  
3 orange 

🔫В этом примере enumerate() вернёт кортежи с индексом и значением. 💡Заключение enumerate() удобно использовать вместо range(len()) для более чистого и читаемого кода при переборе списков, кортежей и других коллекций. 🐍 Pythoner

✈️Protocol из модуля typing позволяет определить интерфейс, который должен реализовывать класс. Это полезно для проверки соответствия объектов определённым методам и атрибутам, что делает код более гибким и понятным. ➡️Когда применять Protocol? - Динамическая типизация: Если вы хотите задать контракт для классов без явного указания на наследование. - Гибкость: Позволяет различным классам предоставлять свою реализацию методов, сохраняя общий интерфейс. - Улучшение читаемости: Помогает лучше понять как должны взаимодействовать различные части кода. ➡️Пример использования Protocol:

from typing import Protocol

# Определяем протокол
class Movable(Protocol):
    def move(self) -> None:
        ...

# Класс, реализующий этот протокол
class Car:
    def move(self) -> None:
        print("Car is moving")

class Bird:
    def move(self) -> None:
        print("Bird is flying")

def drive(vehicle: Movable) -> None:
    vehicle.move()

# Используем
car = Car()
bird = Bird()

drive(car)  # Output: Car is moving
drive(bird)  # Output: Bird is flying

💡Заключение Protocol — мощный инструмент для задания интерфейсов в Python. Он обеспечивает гибкость и улучшает структуру вашего кода. Используйте его, когда нужно задать контракты для различных классов без строгой иерархии наследования. 🐍 Pythoner

Для крупных покупок выбирайте аккредитив Газифицируете участок или приобретаете дорогостоящую технику, мебель на заказ? Оформите аккредитив от СберБанка — оплата пройдёт только после исполнения подрядчиком всех обязательств. Какие ещё преимущества? 👌Удобство: можно оставить заявку на сайте и подписать документы в СберБанк Онлайн. ⚡Скорость: оформление — 10 минут, средства переведём за 1 день. 💰 Доступность: стоимость от 500 ₽. Узнайте, в каких случаях аккредитив пригодится вам, на сайте Узнать больше Изучите все условия кредита (займа) на сайте в соответствующем разделе. Оценивайте свои финансовые возможности и риски. Финансовые услуги оказывает: ПАО Сбербанк. #реклама sberbank.ru О рекламодателе

✈️range() — встроенная функция для генерации чисел. Используется для перебора в цикле. Синтаксис:

range(начало, конец, шаг)

По умолчанию: начало = 0, шаг = 1. ➡️Пример:

# Простой range от 0 до 2
for i in range(3):
    print(i)

# Range с началом и шагом
for i in range(1, 10, 2):
    print(i)

# Вывод:
# 0
# 1
# 2
# 1
# 3
# 5
# 7
# 9

🐍 Pythoner

ИИ-революция в вашей карьере: бесплатный вебинар 2025 год: нейросети — это must-have навык для карьерного роста. 👌 ✅Приглашаем на бесплатный живой вебинар, где вы: --- Поймете, какие нейросети существуют и как их применять в работе. --- Научитесь писать эффективные промпты и автоматизировать рутину. --- Узнаете, как делегировать ИИ задачи и экономить от 20 часов в неделю! --- Создадите своего первого ИИ-ассистента в прямом эфире. Получите руководство «Как создать цифровой аватар» сразу после регистрации! Подойдет новичкам. Онлайн-формат с ответами на вопросы. ⚡ Жмите «Зарегистрироваться», чтобы прокачать свой скилл-сет и освободить время для главного! Зарегистрироваться #реклама 16+ ed.bonnieandslide.com О рекламодателе

DevPyConf на Cтачке Python-разработка│ 3 октября │ Санкт-Петербург На DevPyConf соберутся ведущие Python разработчики, чтобы обсудить тренды, архитектуру и инструменты. Ключевые треки конференции: — Архитектура и python — Современный ML, AI тулинг

Выступят спикеры: → Михаил Гурбанов, TechLead в Райффайзенбанке. Тема доклада: «Архитектура сервисов в AI ландшафте» → Евгений Блинов, Разработчик в Авито. Тема доклада: «Дружим sync и async питоны» → Юрий Маркин, Старший разработчик в X5 Tech. Тема доклада: «Pythorust не серебряная пуля» → Денис Воронкин, Backend разработчик в KTS. Тема доклада: «Почему надежно кешировать данные сложно?» → Александр Кучин, Python разработчик в Литрес. Тема доклада: «Мы уменьшили длительность нашего пайплайна в несколько раз - до 17 минут» → Алексей Фиссон, Тим лид в X5 Tech. Тема доклада: «Чем вам asyncio не фреймворк, а Redis не брокер?» → Сергей Волков, Team Lead в Сбере. Тема доклада: «Метрики без боли: AI-агент вместо BI-навигации» → Денис Аникин, Тимлид/Комьюнити лид в Райффайзенбанке. Тема доклада: «Выбираем LLM gateway»

Программа и билеты на сайте Следите за новостями в Телеграме и ВК

Запустите рекламу в телеграм-каналах с Яндекс Директом Перфоманс-реклама теперь в телеграм-каналах ⚡ Яндекс Директ знает, как привлечь целевую аудиторию 💰👌 Попробовать #реклама yandex.ru О рекламодателе

✈️Когда мы открываем Яндекс.Карты, Google Maps или сервис доставки еды — за кулисами всегда работает геокодинг. Приложение должно понять: - Где находится пользователь - Как далеко курьер от адреса - Какие ближайшие отели или кафе показать Всё это можно сделать прямо из Python с помощью библиотеки Geopy. ➡️ Что умеет Geopy: - Геокодинг — превращает адрес в координаты («Москва, Красная площадь» → 55.7539, 37.6208) - Обратный геокодинг — по координатам даёт адрес (55.7539, 37.6208 → «Красная площадь, Москва, Россия») - Расстояния — считает путь между точками (в км, милях, морских милях) - Поддержка разных сервисов: OpenStreetMap (Nominatim), Google, Яндекс, Bing, ArcGIS и др. ➡️Примеры:

from geopy.geocoders import Nominatim
from geopy.distance import geodesic

# Инициализация геокодера
geo = Nominatim(user_agent="geo_app")

# 1️⃣ Адрес → координаты
moscow = geo.geocode("Москва, Красная площадь")
print("Москва:", moscow.latitude, moscow.longitude)

# 2️⃣ Координаты → адрес
place = geo.reverse("55.7539, 37.6208")
print("Адрес:", place.address)

# 3️⃣ Расстояние Москва–СПб
p1 = (moscow.latitude, moscow.longitude)
p2 = (59.9343, 30.3351)  # Санкт-Петербург
print("Расстояние:", geodesic(p1, p2).km, "км")

🔫Результат:

Москва: 55.7539, 37.6208
Адрес: Красная площадь, Москва, Россия
Расстояние: ~634 км 🚄

➡️ Где пригодится Geopy: - Логистика: рассчитывать маршруты доставки - Аналитика: строить тепловые карты заказов - Travel-сервисы: находить ближайшие отели или достопримечательности - Стартапы: от «поиска ближайшей кофейни» до «глобального трекера велосипедов» 💡Заключение Geopy делает Python ближе к реальному миру. С его помощью можно писать приложения, которые не просто что-то считают, а реально «понимают» где находится человек, бизнес или объект. 🐍 Pythoner

✈️В Python можно сразу присвоить значения нескольким переменным в одной строке. Это удобно и делает код короче.

x, y, z = 1, 2, 3
print(x, y, z)  # 1 2 3

➡️Можно использовать для обмена значениями без временной переменной:

a, b = 5, 10
a, b = b, a
print(a, b)  # 10 5

💡 Это стандартный приём в Python, который экономит строки и делает код читаемым. 🐍 Pythoner

✈️Global Interpreter Lock (GIL) — это механизм в CPython, который ограничивает выполнение Python-кода одним потоком за раз, даже на многопроцессорных системах. ➡️Зачем нужен GIL? Он предотвращает проблемы с управлением памятью и упрощает работу интерпретатора. Однако из-за него многопоточные программы не могут эффективно использовать несколько ядер процессора. ➡️Когда GIL мешает? - В CPU-интенсивных задачах (например, обработка данных, вычисления) многопоточность не дает прироста производительности. - В I/O-интенсивных задачах (сетевые запросы, работа с файлами) GIL почти не влияет, так как потоки могут освобождать блокировку во время ожидания операций ввода-вывода. 💡Решение: Если нужна настоящая параллельность, используйте многопроцессорность (multiprocessing), которая запускает отдельные процессы без GIL, или попробуйте альтернативные реализации Python, такие как Jython или PyPy. 🐍 Pythoner

Если честно, меня бесят каналы, где непонятно кто учит программированию. На деле там копипаста с первой страницы гугла, которая грузит мозги. Но есть и исключения. Например, канал @devsp. Его автор — ведущий разраб в области искусственного интеллекта. На минуточку, он приложил руку к самым нашумевшим нейронкам — Claude, Chat GPT и DeepSeek. А теперь представьте, что мастодонт такого уровня ЛИЧНО делится внутрянкой своей работы и объясняет сложные концепции так, что поймёт даже отсталый двоечник. Вещает про Data Science и машинное обучение с упором на практику (которой даже в платных курсах сильно не хватает). Короче, если хотите быстро и без проблем расти в профессии — обязательно подпишитесь. Редко где найдешь такой баланс теории, подачи и практики: @devsp

✈️UScrapper — это относительно новая библиотека Python, созданная для упрощения веб-скрапинга. Она предоставляет высокоуровневый интерфейс для извлечения данных с веб-страниц без необходимости писать много кода. ➡️UScrapper особенно полезен для начинающих разработчиков и для тех, кто хочет быстро получить структурированные данные без глубокого погружения в детали HTML, CSS-селекторов или XPath. ➡️Пример извлечение таблиц со страницы:

from uscrapper import extract_tables

url = "https://en.wikipedia.org/wiki/List_of_countries_by_population"
tables = extract_tables(url)

# Первые 5 строк первой таблицы
print(tables[0].head())

💡Заключение Инструмент оснащен передовыми модулями обхода анти-парсинга и поддерживает технологии для извлечения информации из всех ссылок в пределах одного домена. Кроме того, в программе предусмотрена возможность создания отчета, содержащего все извлеченные данные. 🐍 Pythoner

✈️Метод getitem позволяет обращаться к объектам класса по индексу или ключу, как к спискам или словарям. ➡️Пример:

class CustomList:
    def init(self, data):
        self.data = data

    def getitem(self, index):
        return self.data[index]  # Позволяет использовать obj[index]

nums = CustomList([10, 20, 30])
print(nums[1])  # 20

➡️Зачем нужен: - Позволяет настроить доступ к элементам объекта. - Делает объекты итерируемыми (например, в for-циклах). - Помогает создавать свои структуры данных, работающие как списки или словари. 💡Заключение getitem делает объекты гибкими и удобными в использовании, улучшая читаемость кода! 🐍 Pythoner

🤔Разбор Разбор кода по шагам: s = "python" 1. s[1:5:2] Формат среза: [start:stop:step] start = 1, stop = 5 (не включительно), step = 2 Берём символы с индексами 1 и 3: s[1] = 'y' s[3] = 'h' Результат: 'yh' 2. s[::-1] Шаг -1 → идём с конца к началу → переворачиваем строку полностью 'python' → 'nohtyp' Результат: 'nohtyp' 3. s[::3] Шаг 3, start и stop не указаны → берём от начала до конца, каждый 3-й символ Индексы, которые берём: 0, 3 s[0] = 'p' s[3] = 'h' Результат: 'ph' Итоговый вывод: 'yh', 'nohtyp', 'ph' 🐍 Pythoner

✈️Когда работаешь с большими массивами данных, производительность кода становится критически важной. Рассмотрим, как можно ускорить обработку данных, используя библиотеку NumPy вместо стандартных циклов Python. ➡️Проблема: медленные циклы Допустим, у нас есть список чисел, и мы хотим возвести каждое число в квадрат:

data = list(range(1_000_000))
squared = [x**2 for x in data]  # Медленно!

🔫Этот код работает, но на больших объемах данных циклы Python работают неэффективно, что может значительно замедлить выполнение программы. ➡️Решение: NumPy Используем библиотеку NumPy, которая оптимизирована для работы с массивами:

import numpy as np

data_np = np.arange(1_000_000)
squared_np = data_np ** 2  # В десятки 

🔫NumPy использует векторизацию, что позволяет выполнять операции над целыми массивами данных за одно обращение, значительно ускоряя вычисления. 💡Заключение Если ваш код обрабатывает большие объемы данных, замена циклов Python на операции с NumPy может ускорить выполнение в 10–100 раз! Это особенно важно в научных вычислениях, анализе данных и машинном обучении, где скорость обработки данных критична. 🐍 Pythoner

Тариф, с которым хватит на всё 50 ГБ и безлимитные минуты за 390 ₽ в месяц, если перенесете номер в Т-Мобайл до 30 сентября Узнать больше #реклама tbank.ru О рекламодателе

✈️По умолчанию атрибуты хранятся в словаре dict, но этот подход неэффективен по памяти, особенно если создаётся много однотипных объектов. slots ограничивает список атрибутов у экземпляров класса, экономя память за счет отказа от dict. ➡️Обычный класс без slots:

class Person:
    def init(self, name, age):
        self.name = name
        self.age = age

p = Person("Alice", 25)
p.city = "New York"  # Можно добавить новый атрибут

➡️Класс с slots:

class Person:
    slots = ("name", "age")  # Разрешены только эти атрибуты

    def init(self, name, age):
        self.name = name
        self.age = age

p = Person("Alice", 25)
p.city = "New York"  # ❌ AttributeError: 'Person' object has no attribute 'city'

💡Плюсы slots - Экономит память (не создается dict) - Ускоряет доступ к атрибутам - Предотвращает создание лишних атрибутов 🐍 Pythoner