Программистика

👀 Книга: Программируем с Minecraft ⏺Телепортация с помощью переменных ⏺Математик а, моментальное строительство и суперпрыжки ⏺Общаемся с помощью строк ⏺«Истина» и «ложь» булевых значений ⏺Конструкция if, душ и потайная дверь И многое другое @programistica // #doc

⚙️ getattr(), setattr(), и hasattr() в python В Python, getattr(), setattr(), и hasattr() — это встроенные функции, которые предоставляют динамический доступ к атрибутам объекта. Эти функции делают код более гибким и позволяют работать с атрибутами объектов, имена которых могут быть неизвестны на момент написания кода. getattr() Функция getattr() возвращает значение атрибута объекта. Если атрибут не существует, можно определить возвращаемое значение по умолчанию. Синтаксис:

getattr(object, 'attribute', default=None)

⏺object — объект, атрибут которого требуется получить. ⏺'attribute' — строка, имя атрибута. ⏺default — значение, которое вернется, если атрибут не найден (необязательный параметр). setattr() Функция setattr() устанавливает значение атрибута объекта. Если атрибут не существует, он будет создан. Синтаксис:

setattr(object, 'attribute', value)

⏺object — объект, атрибут которого требуется установить или создать. ⏺attribute' — строка, имя атрибута. ⏺value — значение, которое нужно установить для атрибута. hasattr() Функция hasattr() проверяет, существует ли атрибут у объекта. Синтаксис:

hasattr(object, 'attribute')

⏺object — объект для проверки наличия атрибута. ⏺'attribute' — строка, имя атрибута для проверки. Эти функции очень полезны при работе с атрибутами объектов, особенно когда вы работаете с динамическими или неизвестными заранее данными. Они обеспечивают дополнительную гибкость и мощь при проектировании архитектуры программ на Python. @programistica // #article

💻 Вопрос из собеседования: В чем разница между is и ==? Если кратко: is проверяет идентичность, а == проверяет равенство. Рассмотрим пример. Создайте несколько списков и назначьте им имена. Обратите внимание, что ниже b указывает на тот же объект, что и a:

a = [1,2,3]
b = a
c = [1,2,3]

Проверьте равенство и обратите внимание, что все объекты равны:

print(a == b)
print(a == c)
#=> True
#=> True

Но являются ли все они идентичными? Нет:

print(a is b)
print(a is c)
#=> True
#=> False

Можем проверить это, распечатав их идентификаторы объектов:

print(id(a))
print(id(b))
print(id(c))
#=> 4369567560
#=> 4369567560
#=> 4369567624

Идентификатор c отличается от идентификатора a и b.

Надеюсь это поможет вам пройти собеседование на желаемую вами работу, удачи🔥🔥🔥

@programistica // #jobs

Эффективный метод быстрого освоения ChatGPT. Обучение нейронной сети и создание правильных промптов – это длительный процесс, который требует значительного времени. Здесь вы узнаете, как использовать ChatGPT в профессиональных целях, создавать нейросутрудников на заказ и зарабатывать на ИИ. Вы создадите своего нейросотрудника с нуля, без опыта программирования. Бесплатный доступ предоставляется сразу после регистрации. Реклама. ООО "ТЕРРА ЭЙАЙ". ИНН 9728019395. erid: LjN8K4fWo

👀 Книга: Python для программирования криптовалют ⏺Конечные поля ⏺Эллиптические кривые ⏺Криптография по эллиптическим кривым ⏺Сериализация ⏺Транзакции ⏺Язык Script И многое другое @programistica // #doc

🖼️ Библиотека Python: Loguru Loguru — это библиотека для логирования в Python, которая предлагает упрощенный способ захвата и управления логами. Она обеспечивает автоматическое определение контекста вызова, поддерживает цветной вывод и позволяет легко настраивать форматирование, фильтрацию и перенаправление логов без необходимости настройки обработчиков. ⚙️ Пример использования

from loguru import logger

# Конфигурация логирования: установка уровня логирования и формата вывода сообщений
logger.add("debug.log", format="{time} {level} {message}", level="DEBUG")

# Примеры логирования на разных уровнях
logger.debug("Это сообщение отладки")
logger.info("Это информационное сообщение")
logger.warning("Это предупреждение")
logger.error("Это сообщение об ошибке")
logger.critical("Это критическое сообщение")

try:
    1 / 0
except ZeroDivisionError:
    # Автоматический захват и логирование исключений
    logger.exception("Произошла ошибка:")

# Логирование с использованием контекста
with logger.contextualize(user_id=123456):
    logger.info("Это сообщение содержит дополнительный контекст")

# Логирование в файл
logger.add("file.log", rotation="100 KB")
logger.info("Это сообщение будет сохранено в файле")

В этом примере демонстрируются основные функции Loguru: ⏺Конфигурация логгера для записи сообщений в файл debug.log с определенным форматом. ⏺Логирование сообщений разного уровня важности. ⏺Автоматический захват исключений и логирование их с помощью logger.exception. ⏺Использование контекста для добавления дополнительной информации к логам. ⏺Ведение логов в файл с автоматической ротацией по достижению размера файла в 100 KB. Loguru делает процесс логирования в Python более удобным и гибким, предоставляя простой интерфейс и мощные возможности для управления логами. ✔️ Установка

pip install loguru

⛓ Ссылка на документацию @programistica // #Library

Ну, меня немного занесло, и я что-то сильно всë расписал

2. Наследование Наследование позволяет новому классу перенимать атрибуты и методы уже существующего класса. Это облегчает повторное использование кода.

# Определение базового класса Vehicle
class Vehicle:
    # Конструктор класса Vehicle, принимающий имя и скорость транспортного средства
    def __init__(self, name, speed):
        self.name = name  # Инициализация атрибута name
        self.speed = speed  # Инициализация атрибута speed

    # Метод для получения скорости транспортного средства
    def get_speed(self):
        return self.speed  # Возвращает скорость транспортного средства

# Определение класса Car, который наследует класс Vehicle
class Car(Vehicle):
    # Конструктор класса Car, принимающий имя, скорость и пробег автомобиля
    def __init__(self, name, speed, mileage):
        super().__init__(name, speed)  # Вызов конструктора базового класса Vehicle для инициализации name и speed
        self.mileage = mileage  # Инициализация атрибута mileage, уникального для класса Car

    # Метод для получения пробега автомобиля
    def get_mileage(self):
        return self.mileage  # Возвращает пробег автомобиля

# Создание экземпляра класса Car с именем "Toyota", скоростью 150 и пробегом 20000
car = Car("Toyota", 150, 20000)

# Вывод скорости и пробега автомобиля, используя методы get_speed и get_mileage
print(car.get_speed(), car.get_mileage())

Этот код иллюстрирует принцип наследования в ООП, где класс Car расширяет функциональность базового класса Vehicle, добавляя к нему новый атрибут mileage и метод get_mileage() для его получения. Класс Car наследует атрибуты и методы класса Vehicle, что позволяет использовать их в экземплярах класса Car. Таким образом, Car является специализированным типом Vehicle, обладающим всеми его свойствами, а также дополнительным свойством — пробегом. 3. Полиморфизм Полиморфизм — это способность одного и того же кода работать с объектами разных типов.

# Определение класса Dog
class Dog:
    # Метод speak, специфичный для класса Dog
    def speak(self):
        return "Woof!"  # Возвращает звук, который издает собака

# Определение класса Cat
class Cat:
    # Метод speak, специфичный для класса Cat
    def speak(self):
        return "Meow!"  # Возвращает звук, который издает кошка

# Функция, демонстрирующая полиморфизм
def get_pet_sound(pet):
    # Выводит звук, который издает животное
    # Аргумент pet может быть объектом любого класса, имеющего метод speak
    print(pet.speak())

# Создание экземпляра класса Dog и вызов функции get_pet_sound
get_pet_sound(Dog())  # Выводит "Woof!"

# Создание экземпляра класса Cat и вызов функции get_pet_sound
get_pet_sound(Cat())  # Выводит "Meow!"

В этом примере функция get_pet_sound() принимает объект pet в качестве аргумента и вызывает его метод speak(). Благодаря полиморфизму, функция может работать с объектами различных классов, если у этих классов есть метод speak(). Это позволяет писать более универсальный и гибкий код, который может работать с объектами разных типов, не зная их конкретной реализации.

4. Абстракция Абстракция означает выделение ключевых, наиболее значимых характеристик объекта, исключая из рассмотрения незначимые. Абстракция часто реализуется с помощью абстрактных классов и интерфейсов.

# Импорт необходимых модулей для создания абстрактного класса и абстрактных методов
from abc import ABC, abstractmethod

# Определение абстрактного класса Shape
class Shape(ABC):
    # Декоратор @abstractmethod указывает, что метод area должен быть переопределен в подклассах
    @abstractmethod
    def area(self):
        pass  # Тело абстрактного метода оставлено пустым

# Определение класса Rectangle, который наследует абстрактный класс Shape
class Rectangle(Shape):
    # Конструктор класса Rectangle принимает два параметра: ширину и высоту прямоугольника
    def __init__(self, width, height):
        self.width = width  # Инициализация атрибута width
        self.height = height  # Инициализация атрибута height

    # Переопределение абстрактного метода area для вычисления площади прямоугольника
    def area(self):
        return self.width * self.height  # Возвращается произведение ширины на высоту

# Создание экземпляра класса Rectangle с шириной 10 и высотой 20
rect = Rectangle(10, 20)

# Вывод площади прямоугольника, используя переопределенный метод area
print(rect.area())  # Выведет 200

При попытке создать экземпляр абстрактного класса Shape напрямую, Python выдаст ошибку, так как абстрактные классы предназначены для наследования, а не для прямого использования. Класс Rectangle является конкретной реализацией абстрактного класса Shape и обязан предоставить реализацию абстрактного метода area(). Этот механизм обеспечивает выполнение требования о реализации определенного набора методов во всех классах, наследующих абстрактный класс, что упрощает проектирование и повышает предсказуемость кода. @programistica // #article

⚙️ Принципы ООП Объектно-ориентированное программирование (ООП) — это парадигма программирования, основанная на концепции "объектов", которые могут содержать данные в виде полей (часто называемых атрибутами или свойствами) и код в виде процедур (часто называемых методами). ООП моделирует программные приложения, используя объекты и классы, что облегчает разработку и поддержку кода. Основные принципы ООП включают инкапсуляцию, наследование, полиморфизм и абстракцию. 1. Инкапсуляция Инкапсуляция — это механизм упаковки данных (атрибутов) и методов, работающих с этими данными, в единый компонент (класс) и ограничение доступа к некоторым компонентам объекта из внешнего мира.

# Определение класса Account
class Account:
    # Метод инициализации класса
    def __init__(self, owner, balance=0):
        self.owner = owner  # Сохранение владельца счета как публичного атрибута
        self.__balance = balance  # Инициализация баланса как приватного атрибута

    # Метод для добавления средств на счет
    def deposit(self, amount):
        self.__balance += amount  # Увеличение баланса на указанную сумму
        print(f"Added {amount} to the balance")  # Вывод сообщения о депозите

    # Метод для снятия средств со счета
    def withdraw(self, amount):
        if amount > self.__balance:  # Проверка достаточности средств на счете
            print("Not enough funds")  # Вывод сообщения об ошибке при недостаточности средств
            return
        self.__balance -= amount  # Уменьшение баланса на указанную сумму
        print(f"Withdrew {amount} from the balance")  # Вывод сообщения о снятии

    # Метод для получения текущего баланса
    def get_balance(self):
        return self.__balance  # Возвращает текущий баланс

# Создание экземпляра класса Account с именем владельца "John" и начальным балансом по умолчанию (0)
acc = Account("John")

# Вызов метода deposit для добавления 100 единиц на счет
acc.deposit(100)
# Вывод текущего баланса с использованием метода get_balance
print(acc.get_balance())

# Вызов метода withdraw для снятия 50 единиц со счета
acc.withdraw(50)
# Вывод текущего баланса после снятия
print(acc.get_balance())

Этот код демонстрирует базовый пример инкапсуляции в ООП на Python. Приватный атрибут __balance используется для хранения баланса счета, доступ к которому осуществляется только через публичные методы класса (deposit, withdraw, get_balance). Это предотвращает прямой доступ к балансу извне класса и позволяет контролировать изменения баланса, обеспечивая целостность данных.

💻 Вопрос из собеседования: Что такое pickling и unpickling? Модуль pickle принимает любой объект Python, преобразует его в строковое представление и сохраняет в файл с помощью функции dump, такой процесс называется pickling. Процесс извлечения исходных объектов Python из сохраненного строкового представления называется unpickling.

import pickle

a = 1

#Процесс pickling
pickle.dump(a, open('file.sav', 'wb'))

#Процесс unpickling
file = pickle.load(open('file.sav', 'rb'))

Надеюсь это поможет вам пройти собеседование на желаемую вами работу, удачи🔥🔥🔥

@programistica // #jobs

🖼️ Библиотека Python: Starlette Starlette — это легковесный ASGI (Asynchronous Server Gateway Interface) фреймворк/тулкит для Python, предназначенный для создания асинхронных веб-приложений и API. Он предлагает высокую производительность и гибкость, поддерживая асинхронные запросы и предоставляя мощные инструменты для маршрутизации, запросов, форм и аутентификации, делая его идеальным выбором для современных веб-разработок. ⚙️ Пример использования

from starlette.applications import Starlette
from starlette.responses import PlainTextResponse
from starlette.routing import Route
import uvicorn

async def welcome(request):
    return PlainTextResponse('Добро пожаловать в мир Starlette!')

app = Starlette(debug=True, routes=[
    Route('/', welcome),
])

if __name__ == '__main__':
    uvicorn.run(app, host='127.0.0.1', port=8000)

В этом примере мы создаем базовое веб-приложение с использованием Starlette, которое содержит один маршрут /, обрабатываемый асинхронной функцией welcome. Функция welcome возвращает простой текстовый ответ с приветствием. После запуска приложения с помощью Uvicorn, вы можете перейти по адресу http://127.0.0.1:8000/ в вашем веб-браузере, чтобы увидеть ответ от сервера. ✔️ Установка

pip install starlette uvicorn

⛓ Ссылка на документацию @programistica // #Library

👀 Книга: Основы программирования в PYTHON, Том 2 ⏺ЧТЕНИЕ, ЗАПИСЬ И ДРУГИЕ ДЕЙСТВИЯ В ФАЙЛЕ ⏺ВЗАИМОДЕЙСТВИЕ С PDF ФАЙЛАМИ В PYTHON ⏺ОБРАБОТКА СТРОК В PYTHON ⏺АЛГОРИТМЫ СОРТИРОВКИ ⏺PANDAS – ИНСТРУМЕНТ АНАЛИЗА ДАННЫХ И многое другое @programistica // #doc

⚙️Алгоритм поиск в глубину Поиск в глубину (Depth-First Search, DFS) — это один из основных алгоритмов обхода или поиска в графах и деревьях. Он используется для исследования всех узлов графа или дерева, начиная с корневого узла и продвигаясь как можно дальше вдоль каждой ветви перед откатом. Принцип работы DFS DFS работает по следующему принципу: ⏺Начинает с корневого узла (или начального узла) и помечает его как посещенный. ⏺Переходит к одному из соседних узлов, который еще не был посещен. ⏺Повторяет шаг 2 до тех пор, пока не достигнет узла, у которого все соседние узлы уже посещены. ⏺Возвращается назад (откатывается) к предыдущему узлу и повторяет процесс для других соседних узлов. ⏺Процесс продолжается до тех пор, пока не будут посещены все узлы. Применение DFS DFS находит широкое применение в различных задачах: ⏺Поиск путей: Используется для нахождения всех возможных путей между двумя узлами в графе. ⏺Обнаружение циклов: Позволяет выявлять циклы в графах. ⏺Поиск компонентов связности: Помогает определить все компоненты связности в графе. ⏺Топологическая сортировка: Используется для упорядочивания узлов в направленном ациклическом графе. ⏺Решение головоломок: Применяется в задачах, таких как лабиринты и головоломки, где нужно исследовать все возможные пути. Пример реализации DFS на Python Рассмотрим пример реализации DFS для поиска в графе, представленном в виде списка смежности:/

def dfs(graph, start, visited=None):
    if visited is None:
        visited = set()
    visited.add(start)
    
    print(start)  # Действие с узлом (например, вывод)
    
    for neighbor in graph[start]:
        if neighbor not in visited:
            dfs(graph, neighbor, visited)
    
    return visited

# Пример графа в виде списка смежности
graph = {
    'A': ['B', 'C'],
    'B': ['A', 'D', 'E'],
    'C': ['A', 'F'],
    'D': ['B'],
    'E': ['B', 'F'],
    'F': ['C', 'E']
}

# Запуск DFS с начального узла 'A'
dfs(graph, 'A')

Плюсы и минусы DFS Плюсы: ⏺Простота реализации: DFS легко реализовать с использованием рекурсии или стека. ⏺Эффективность: Время выполнения DFS составляет O(V + E), где V — количество узлов, а E — количество рёбер. ⏺Малое потребление памяти: Для хранения узлов в стеке требуется O(h) памяти, где h — глубина дерева (или графа). Минусы: ⏺Не гарантирует кратчайший путь: DFS не всегда находит кратчайший путь в графе. ⏺Риск переполнения стека: При глубокой рекурсии может возникнуть переполнение стека, особенно в очень больших графах. ⏺Неэффективность на широких графах: В графах с большой шириной (много соседних узлов) DFS может быть менее эффективен по сравнению с BFS (поиском в ширину). DFS является мощным и гибким инструментом для решения множества задач в графах и деревьях, но важно учитывать его особенности и ограничения при выборе алгоритма для конкретной задачи. @programistica // #article

💻 Вопрос из собеседования: Назовите пример режимов обработки файлов с помощью Python? Существуют следующие режимы: Режим только для чтения (‘r’): открыть файл для чтения. Это режим по умолчанию. Режим только для записи (‘w’): открыть файл для записи. Если файл содержит данные, они будут потеряны. Создается новый файл. Режим чтения-записи (‘rw’): открыть файл для чтения, режим записи. Это режим обновления. Режим добавления (‘a’): открыть для записи, добавить в конец файла, если файл существует.

Надеюсь это поможет вам пройти собеседование на желаемую вами работу, удачи🔥🔥🔥

@programistica // #jobs

🖼️ Библиотека Python: PyFlame PyCaret — это библиотека машинного обучения с открытым исходным кодом для Python, которая автоматизирует поток работы машинного обучения, позволяя выполнять сложные задачи моделирования всего несколькими строками кода. Она предоставляет простой и эффективный способ для подготовки данных, выбора моделей, настройки гиперпараметров, а также для анализа и визуализации результатов, делая машинное обучение доступным не только для опытных специалистов, но и для новичков в этой области. ⚙️ Пример использования

from pycaret.datasets import get_data
from pycaret.classification import *

# Загружаем датасет
data = get_data('diabetes')

# Инициализируем настройки окружения в PyCaret и загружаем датасет
s = setup(data, target = 'Class variable')

# Сравним различные модели для нахождения лучшей
best_model = compare_models()

# Создаем модель на основе лучшей найденной
model = create_model(best_model)

# Настраиваем модель
tuned_model = tune_model(model)

# Оцениваем модель
evaluate_model(tuned_model)

# Делаем предсказания на новых данных
predictions = predict_model(tuned_model, data=data)

# Выводим предсказания
print(predictions.head())

Этот код демонстрирует базовый поток работы с PyCaret для задачи классификации. Мы начинаем с загрузки данных и инициализации настроек окружения в PyCaret с указанием целевой переменной. Затем мы используем compare_models() для автоматического сравнения различных моделей машинного обучения и выбора лучшей. После этого мы создаем и настраиваем выбранную модель, оцениваем ее и делаем предсказания на новых данных. ✔️ Установка

pip install pycaret

⛓ Ссылка на документацию @programistica // #Library

╯╭┳┳┳╮╰┈╮╰┈╯╭┈╮  ╮┣╭━╮┃▕╲╰┈┈┈╯╱▏  ┊┣┃┈╰╯▕╱▔▔▔▔▔╲▏ ╯┣╰┳┳┳┳▏▊┈▂┈▊▕╭  ╮╰━▏┊┊┊╲┈╰┻╯┈╱┊  ╰╮┊▏▂▂▂▂▔▂▕▔▔╭╯  ╮┊▕▂▏▂▏▕▂▏▂▏╭╯ Тыкни и подпишись на GITHUB котика

👀 Книга: Расширенная аналитика с PySpark ⏺Анализ больших данных ⏺Введение в анализ данных с PySpark ⏺Рекомендация музыки и набор данных AudioScrobbler ⏺Прогнозирование с помощью деревьев и лесов решений ⏺Обнаружение аномалий при помощи кластеризации И многое другое @programistica // #doc

💻 Вопрос из собеседования: Когда выполняется except, в блоке try-except? В Python исключения обрабатываются с помощью блоков try/except. Для этого операция, которая может вызвать исключение, помещается внутрь блока try. А код, который должен быть выполнен при возникновении ошибки, находится внутри except. Например, вот как можно обработать ошибку деления на ноль:

try:
    a = 7 / 0
except:
    print('Ошибка! Деление на 0')

Здесь в блоке try находится код a = 7 / 0 — при попытке его выполнить возникнет исключение и выполнится код в блоке except (то есть будет выведено сообщение "Ошибка! Деление на 0"). После этого программа продолжит свое выполнение.

Надеюсь это поможет вам пройти собеседование на желаемую вами работу, удачи🔥🔥🔥

@programistica // #jobs

🖼️ Библиотека Python: Boltons Boltons — это мощный набор инструментов и утилит для Python, предназначенный для дополнения стандартной библиотеки без внешних зависимостей. Он предлагает широкий спектр готовых к использованию решений, включая усовершенствованные структуры данных, утилиты для работы со строками, числами, датами и файлами, улучшая тем самым производительность и эффективность разработки. ⚙️ Пример использования

from boltons.cacheutils import cachedproperty

class Circle:
    def __init__(self, radius):
        self.radius = radius

    @cachedproperty
    def area(self):
        print("Вычисление площади круга")
        return 3.141592653589793 * self.radius * self.radius

# Создаем экземпляр круга с радиусом 5
circle = Circle(5)

# При первом обращении к свойству area, будет выполнено его вычисление
print(circle.area)  # Вычисление площади круга и вывод результата

# При последующих обращениях к свойству area, вычисление выполняться не будет, значение будет взято из кэша
print(circle.area)  # Вывод результата без повторного вычисления

В этом примере, когда мы в первый раз обращаемся к свойству area объекта circle, выполняется вычисление площади круга, и результат кэшируется. При последующих обращениях к этому свойству, вычисление повторно не производится, а используется ранее кэшированное значение, что демонстрирует эффективность использования CachedProperty для оптимизации производительности ваших Python приложений. ✔️ Установка

pip install boltons

⛓ Ссылка на документацию @programistica // #Library