Программистика

👩‍💻 TypeVar, Generic и Protocol — как писать библиотеки с полной поддержкой type hints Если вы создаёте библиотеку для Python, просто писать def foo(x: int) -> str недостаточно. Пользователи хотят автодополнение, строгую проверку типов и документацию прямо в IDE. Для этого есть TypeVar, Generic и Protocol. Разбираемся без магии. 🧱 Почему обычных type hints мало 🟢 Локальные hints полезны, но не передают зависимости типов:

def first(lst: list) -> str:
    return lst[0]

➡️ IDE не понимает, что возвращаемый тип зависит от типа элементов списка. 📌 TypeVar — универсальный тип TypeVar позволяет указать, что один и тот же тип повторяется:

from typing import TypeVar, Sequence

T = TypeVar('T')  # универсальный тип

def first(lst: Sequence[T]) -> T:
    return lst[0]

x: int = first([1, 2, 3])      # IDE знает: x -> int
y: str = first(["a", "b", "c"])  # IDE знает: y -> str

✅ Полезно для функций, где вход и выход зависят друг от друга. 📦 Generic — обобщённые классы Если вы пишете класс, который работает с любыми типами:

from typing import Generic, TypeVar

T = TypeVar('T')

class Stack(Generic[T]):
    def __init__(self) -> None:
        self.items: list[T] = []

    def push(self, item: T) -> None:
        self.items.append(item)

    def pop(self) -> T:
        return self.items.pop()

stack_int = Stack[int]()
stack_int.push(42)
x = stack_int.pop()  # IDE знает: x -> int

➡️ Без Generic IDE не сможет подсказать тип элементов. 🧩 Protocol — контракт интерфейса Protocol позволяет объявлять «как должен себя вести объект», без жёсткого наследования.

from typing import Protocol

class SupportsClose(Protocol):
    def close(self) -> None:
        ...

def cleanup(resource: SupportsClose) -> None:
    resource.close()

class FileLike:
    def close(self) -> None:
        print("Закрыто")

cleanup(FileLike())  # ✅ Типы совпадают, работает

✅ Protocol полезен для duck typing + type hints. 🪖 Комбинируем всё Можно делать библиотеки с полной типизацией и автодополнением:

from typing import Generic, TypeVar, Protocol

T = TypeVar('T')

class Serializer(Protocol[T]):
    def serialize(self, value: T) -> str:
        ...
    def deserialize(self, data: str) -> T:
        ...

class IntSerializer:
    def serialize(self, value: int) -> str:
        return str(value)
    def deserialize(self, data: str) -> int:
        return int(data)

def save_value(serializer: Serializer[T], value: T) -> str:
    return serializer.serialize(value)

s = save_value(IntSerializer(), 42)  # IDE знает: s -> str

💡 Запомни

👉 TypeVar — для связывания типов входа и выхода 👉 Generic — для обобщённых классов 👉 Protocol — для интерфейсов и duck typing

🗣 Если хотите пост про Literal, Final, TypedDict и продвинутые паттерны типизации — пишите темы, мы сделаем! 🚀 Программистика || #Статья

💸Как с нуля сделать систему оплаты в боте?

🎥Первоисточник

Программистика|| #video

🖥 pre-commit — ваш автоматический код-ревьюер.

Эта библиотека превращает Git-хуки в мощную систему контроля качества кода. Вместо ручного запуска линтеров перед каждым комитом, pre-commit автоматически проверяет изменения на качество — будь то синтаксические ошибки в Python или форматирование SCSS-файлов.

🖥 Ссылка на GitHub Программистика|| #Репозиторий

👩‍💻 codecademy.com Интерактивная платформа, предлагающая бесплатный курс для начинающих, который познакомит вас с основами Python

🌐 Ссылка

Программистика || #Ресурсы

👀 FastAPI: веб-разработка на Python

FastAPI — относительно новый, но надежный фреймворк с чистым дизайном, использующий преимущества актуальных возможностей Python. Как следует из названия, FastAPI отличается высоким быстродействием и способен конкурировать в этом с аналогичными фреймворками на таких языках, как Golang. Эта практическая книга расскажет разработчикам, знакомым с Python, как FastAPI позволяет достичь большего за меньшее время и с меньшим количеством кода.

Программистика || #doc

👀 Основы динамики сооружений с применением Python Курс знакомит с основами динамики сооружений, рассматриваются системы с одной и несколькими степенями свободы, их свободные и вынужденные колебания, в том числе с учетом демпфирования. Расчеты реализованы с использованием языка программирования Python.

🌐 Ссылка

Программистика || #Course

👩‍💻 В сеть вывалилась гигантская куча курсов и книг от топовых IT‑школ Держи сотни гигабайт свежих уроков, и каждую неделю мы подкидываем ещё! • 1612 ГБ — DevOps • 1402 ГБ — Python • 1300 ГБ — C, C++ • 1815 ГБ — Frontend • 1515 ГБ — Backend • 898 ГБ — ИБ, Хакинг • 996 ГБ — Kotlin, Swift • 212 ГБ — JavaScript • 315 ГБ — Flutter • 820 ГБ — Go, PHP • 419 ГБ — Java, Rust • 648 ГБ — GameDev • 517 ГБ — Windows, Linux • 998 ГБ — Дизайн (UX/UI) • 617 ГБ — Нейросети (ML/RL) • 546 ГБ — БД (SQL & NoSQL) • 687 ГБ — Аналитика данных • 115 ГБ — QA-тестирование Подписывайся и не плати за то, что можно получить бесплатно

👀 Практикум по статистике на Python Курс позволит закрепить базовые знания статистики и широко применяемых статистических методов на практических тестах и заданиях, в том числе с использованием Python (pandas, numpy, scipy, statsmodels, matplotlib).

🌐 Ссылка

Программистика || #Course

Python – это просто. Пошаговое руководство по программированию и анализу данных Рассмотрены основы синтаксиса языка Python на примере дистрибутива Anaconda. Показаны приложения IPython, Spyder IDE, Jupyter Notebook. Описан синтаксис переменных, функций, циклов. Подробно изучаются структуры данных в Python: строки, списки, кортежи, множества и словари. Объясняется понятие классов и их применение в объектно-ориентированном программировании. Описаны возможности библиотеки обработки изображений Pillow, библиотеки Tkinter для создания приложений с графическим интерфейсом. Отдельный раздел посвящен обработке ошибок и исключений в программах. Рассматриваются библиотеки NumPy и Pandas, приводятся практические примеры их использования для анализа и обработки данных. Описана библиотека Matplotlib и ее возможности в сфере визуализации данных. Программистика || #Книги

Джуны — всё, ИИ победил. По статистике BCG, за последний год компании выбросили на улицу 75% молодняка. При этом миддлам и сеньорам зарплаты подняли в 4 (!) раза. Чтобы подняться до уровня элит в аномально короткие сроки — подпишитесь на легендарные каналы для айтишников: Новости и инсайды Фронтенд разработка ИИ и биг дата Node js Вёрстка Питон и нейросети QA-тестировщики Там раскрыли инфу из курсов общей стоимостью 5.000.000р в эксклюзивных пошаговых инструкциях. Пока остальные пойдут на дно якорем, вы войдете в 10% тех, кто сломал систему.

👩‍💻 asyncio debugging — почему task зависла и не выполнится Ты добавил async/await, но задача так и не закончилась. Event loop крутится, а результата нет. И непонятно, где искать проблему — никаких ошибок, просто тишина. 🧱 Главные причины, почему task зависает 🟢 Забыл `await` — корутина вообще не запустилась:

async def fetch_data():
    asyncio.sleep(1)  # ❌ без await не работает
    return "done"

Корутина создана, но не выполняется. Python даже warning не покажет, пока объект не удалится из памяти. 🟢 Используешь блокирующие вызовы — event loop встал:

async def process():
    time.sleep(2)  # ❌ блокирует весь loop

Все остальные task'и ждут, пока этот завершится. Используй await asyncio.sleep() или loop.run_in_executor() для синхронного кода.[4][5][6] 🟢 Создал task, но не дождался его завершения:

async def main():
    asyncio.create_task(work())
    # main() закончился → task убит

Task запустился, но main завершился раньше — незавершённые задачи просто отбрасываются. ✔️ Нужно так:

task = asyncio.create_task(work())
await task  # или asyncio.gather()

🟢 Бесконечный цикл без `await` внутри:

async def loop_task():
    while True:
        do_something()  # нет await

Event loop не может переключиться на другие задачи — они зависнут навсегда.[9] 📌 Как правильно дебажить 1️⃣ Включи debug mode — сразу увидишь проблемы:

asyncio.run(main(), debug=True)

или через переменную окружения:

PYTHONASYNCIODEBUG=1 python script.py

Покажет:

🟢 где корутина создана, но не awaited 🟢 какие task'и выполняются слишком долго (> 100ms) 🟢 где нарушена thread-safety

2️⃣ Отслеживай "долгие" task'и вручную:

import time

TASK_DICT = {}

async def monitor_tasks(limit_sec=3):
    while True:
        for task in asyncio.all_tasks():
            name = task.get_name()
            if name not in TASK_DICT:
                TASK_DICT[name] = time.monotonic()
            duration = time.monotonic() - TASK_DICT[name]
            if duration > limit_sec:
                print(f'{name} зависла: {duration:.2f}s')
        await asyncio.sleep(1)

Такой подход ловит задачи, которые живут слишком долго, даже если они не завершились. 3️⃣ Используй `asyncio.wait_for()` с таймаутом:

try:
    result = await asyncio.wait_for(slow_task(), timeout=5.0)
except asyncio.TimeoutError:
    print("Task застряла!")

4️⃣ Логируй всё подозрительное:

import logging
logging.basicConfig(level=logging.DEBUG)

async def risky_task():
    logging.debug("Task started")
    await something()
    logging.debug("Task done")

Если второе сообщение не появилось — знаешь, где искать. 🧪 Бонус: отлов незавершённых задач при выходе

async def main():
    try:
        await asyncio.gather(task1(), task2())
    finally:
        tasks = [t for t in asyncio.all_tasks() if not t.done()]
        for task in tasks:
            task.cancel()
        await asyncio.gather(*tasks, return_exceptions=True)

💡 Запомни:

📌 Без await корутина не запустится — только создастся объект 📌 Блокирующий код = застывший event loop 📌 Debug mode обязателен во время разработки 📌 asyncio.wait_for() с таймаутом спасает от вечного ожидания 📌 Незавершённые task'и при выходе из main — это утечка и баг

Программистика || #Статья

⚡️ Linux и DevOps теперь в Telegram! Ребята делают реально классный канал про IT — просто, понятно и без воды. О Linux, DevOps, разработке, безопасности и инструментах, которые помогают работать эффективнее. Подписывайтесь: @recura_tech

👩‍💻 Структуры данных в Python — cheat sheet Программистика || #doc

👀 Сохрани меня, если сможешь: модули и файлы в Python Вы узнаете, как сохранять и читать данные, разбивать код на удобные части, использовать сторонние библиотеки, управлять зависимостями и работать с виртуальным окружением. Курс идеально подходит для выпускников «Функционального программирования на Python» и всех, кто хочет перейти от простых скриптов к созданию настоящих Python-проектов!

🌐 Ссылка

Программистика || #Course

⚡️⚡️Новую базу курсов слили в сеть — хакеры снова выложили в паблик тонну курсов по IT от онлайн школ. Материала почти на пол-терабайта, мы загрузили всё на канал, там есть: 🐍 Python и нейросети (28 полных курсов + библиотеки) 📈 Data Analysis + машинное обучение (15 курсов) 👨🏻‍💻 Frontend (от JS до React) — (20 курсов + библиотеки) 🤖 Backend + базы Данных (30 курсов) 🛡 Информационная безопасность (Защита+Атака) — (14 курсов) 🎮 Разработка игр (11 курсов) Всё можно забрать бесплатно и смотреть без скачивания ➡️ @IT_SLIV

👀 Базовые алгоритмы. Реализация на Python и C++ на примере классических игр В книге дается базовая алгоритмическая подготовка, классические алгоритмы разобраны одновременно на двух языках — C++ и Python на примере широко известных и интуитивно понятных компьютерных игр. Наглядно излагается реализация циклов, перебора, рекурсии, эвристики, рассматривается работа с деревьями решений, на примере шахмат предлагается знакомство с прямоугольными координатами, дается введение в самообучающиеся алгоритмы. Книга ориентирована как на начинающих программистов, так и на читателей, планирующих перейти на C++ или Python как на второй язык. Примеры, рассмотренные в книге, помогут сделать первые шаги на пути к профессиональному программированию игр. Программистика || #Книги