Python академия

⚡ Магия одной строки: List Comprehension Вы всё еще пишете циклы для заполнения списков вот так?

squares = []
for x in range(10):
    squares.append(x ** 2)

Это работает, но это "старая школа". В Python есть способ сделать это элегантнее, быстрее и понятнее - Списковые включения. Как это выглядит: [выражение for элемент in список] Тот же самый код выше превращается в:

squares = [x ** 2 for x in range(10)]

🚀 Почему это круто? 1. Лаконичность: Меньше кода меньше багов. 2. Скорость: Это работает быстрее обычного цикла for, потому что метод .append() не вызывается на каждой итерации (оптимизация на уровне C). Уровень PRO: Добавляем условия Внутри можно использовать if, чтобы фильтровать данные на лету. Задача: Оставить только четные числа и умножить их на 10.

numbers = [1, 2, 3, 4, 5, 6]

# Читается как английское предложение:
# "x умножить на 10 для каждого x в numbers, если x четный"
result = [x * 10 for x in numbers if x % 2 == 0]

print(result) 
# [20, 40, 60]

💡 Совет: Не увлекайтесь! Если ваше выражение не влезает в одну строку или становится слишком сложным (например, вложенные циклы), лучше вернитесь к старому доброму for. Читаемость важнее понтов! Часто используете эту конструкцию? Ставьте 🔥! 📲 Мы в MAX Подписывайтесь на канал 👉@pythonofff

⚡ Lambda: Функции-однострочники В Python часто бывают ситуации, когда вам нужна маленькая функция всего один раз. Например, чтобы отсортировать список по хитрому правилу. Писать для этого полноценный def, придумывать имя и занимать 3 строки кода - лень и некрасиво. Тут на сцену выходят Lambda-функции (они же анонимные функции). Синтаксис прост: lambda аргументы: выражение Сравните:

# Классический способ
def square(x):
    return x ** 2

# Lambda-стиль
sq = lambda x: x ** 2

🔥 Где это реально нужно? Чаще всего - внутри функций sorted(), min(), max(), map() или filter(). Пример из жизни: У нас есть список студентов и их баллов. Нам нужно отсортировать их не по имени, а по баллам.

students = [
    ("Антон", 50),
    ("Вика", 90),
    ("Борис", 75)
]

# Сортируем по 2-му элементу кортежа (x[1])
sorted_students = sorted(students, key=lambda x: x[1])

print(sorted_students)
# [('Антон', 50), ('Борис', 75), ('Вика', 90)]

Внутри key= мы на лету создали функцию, которая принимает студента x и возвращает его балл x[1]. sorted использует это значение для сортировки. 🛑 Когда НЕ надо использовать Lambda: Не присваивайте лямбды переменным, если планируете использовать их много раз.

# ❌ Плохо (нарушает PEP 8):
f = lambda x: x * 2

# ✅ Хорошо:
def f(x):
    return x * 2

Лямбды созданы, чтобы быть "одноразовыми"! Используете лямбды или предпочитаете старый добрый def? 👇 📲 Мы в MAX Подписывайтесь на канал 👉@pythonofff

✨ Магия Python: Как работают декораторы? Вы постоянно видите их в коде: @bot.message_handler, @app.route, @staticmethod. Но что на самом деле делает этот символ @? В Python функции - это объекты. Их можно передавать в другие функции, как обычные переменные. Декоратор - это просто функция, которая принимает другую функцию, "обертывает" её в дополнительный код и возвращает обратно. Представьте, что у вас есть подарок (функция). Декоратор - это упаковочная бумага. Подарок внутри тот же, но теперь он выглядит и ведет себя немного иначе. Пример: Декоратор-логгер Допустим, мы хотим автоматически писать в консоль, когда функция запустилась и когда завершилась.

def my_logger(func):
    def wrapper():
        print("📢 Запускаю функцию...")
        func()  # Вызываем оригинальную функцию
        print("✅ Функция отработала!")
    return wrapper

# Применяем декоратор
@my_logger
def say_hello():
    print("Привет, мир!")

# Вызываем
say_hello()

Результат в консоли:

📢 Запускаю функцию...
Привет, мир!
✅ Функция отработала!

🤯 Что происходит под капотом? Синтаксис с @ - это просто "сахар" (упрощение). На самом деле Python делает вот это:

# Это:
@my_logger
def say_hello(): ...

# Равносильно этому:
def say_hello(): ...
say_hello = my_logger(say_hello)

А как это работает в ботах (@dp.message)? В библиотеках типа aiogram декораторы часто используются для регистрации. Когда вы пишете @dp.message(), декоратор не меняет код вашей функции, а сообщает Диспетчеру: "Эй, запомни эту функцию! Если придет сообщение, нужно запустить именно её". Итог: Декораторы нужны, чтобы добавить логику вокруг функции (проверка прав доступа, замер скорости, логирование), не меняя её код внутри. Ставь ❤️, если магия рассеялась и стало понятнее! 📲 Мы в MAX Подписывайтесь на канал 👉@pythonofff

🎛 Делаем бота удобным: Кнопки и Меню Никто не любит вводить команды вручную (/settings, /help). Пользователи любят тыкать пальцем! В Telegram есть два вида кнопок: 1. Reply-кнопки: Находятся под полем ввода. Идеальны для главного меню. 2. Inline-кнопки: Прикреплены к конкретному сообщению. Идеальны для ссылок, лайков или навигации. Давайте добавим оба вида в нашего бота! 🛠 Код:

from aiogram.types import KeyboardButton, InlineKeyboardButton
from aiogram.utils.keyboard import ReplyKeyboardBuilder, InlineKeyboardBuilder

# --- 1. Создаем Reply-клавиатуру (Главное меню) ---
def get_main_menu():
    # Инициализируем билдер
    builder = ReplyKeyboardBuilder()
    
    # Добавляем кнопки
    builder.add(KeyboardButton(text="🔥 Профиль"))
    builder.add(KeyboardButton(text="⚙️ Настройки"))
    builder.add(KeyboardButton(text="📈 Статистика"))
    
    # Настраиваем сетку: 2 кнопки в первом ряду, 1 во втором
    builder.adjust(2, 1)
    
    # resize_keyboard=True делает кнопки компактными
    return builder.as_markup(resize_keyboard=True)

# --- 2. Создаем Inline-клавиатуру (Ссылка) ---
def get_url_keyboard():
    builder = InlineKeyboardBuilder()
    builder.row(InlineKeyboardButton(
        text="↗️ Подписаться на канал", 
        url="https://t.me/pythonofff"
    ))
    return builder.as_markup()

# --- Используем в хэндлере ---
@dp.message(Command("start"))
async def cmd_start(message: types.Message):
    await message.answer(
        "Привет! Вот твое меню 👇", 
        reply_markup=get_main_menu()
    )
    
    await message.answer(
        "А это инлайн-кнопка со ссылкой:",
        reply_markup=get_url_keyboard()
    )

💡 В чем сила Builders? Метод .adjust(2, 1) позволяет одной строчкой настроить "сетку" кнопок. Раньше для этого приходилось писать сложные циклы списков! Сохраняй, чтобы не гуглить синтаксис каждый раз! 💾 📲 Мы в MAX Подписывайтесь на канал 👉@pythonofff

🤖 Твой первый Telegram-бот на aiogram Мы уже выяснили, что асинхронность это круто. А где она используется чаще всего? Конечно, в Telegram-ботах! Сегодня напишем "Эхо-бота" - это как "Hello World" в мире ботов. Он будет просто повторять всё, что мы ему напишем. 🛠 Подготовка: 1. Идем к «отцу всех ботов» - @BotFather. 2. Пишем /newbot, даем имя и юзернейм. 3. Получаем API TOKEN (длинная строка символов). 4. Устанавливаем библиотеку: pip install aiogram 💻 Код (всего 20 строк):

import asyncio
import logging
from aiogram import Bot, Dispatcher, types
from aiogram.filters import CommandStart

# Вставь сюда токен от BotFather
TOKEN = "ВАШ_ТОКЕН_ЗДЕСЬ"

# Включаем логирование, чтобы видеть ошибки в консоли
logging.basicConfig(level=logging.INFO)

# Создаем объекты бота и диспетчера
bot = Bot(token=TOKEN)
dp = Dispatcher()

# 1. Обработчик команды /start
@dp.message(CommandStart())
async def cmd_start(message: types.Message):
    await message.answer("Привет! Я твой первый бот на aiogram 🚀")

# 2. Обработчик любого текста (Эхо)
@dp.message()
async def echo_handler(message: types.Message):
    # Метод .answer() отправляет ответ в тот же чат
    await message.answer(f"Ты написал: {message.text}")

# Запуск процесса опроса (polling)
async def main():
    await dp.start_polling(bot)

if __name__ == "__main__":
    asyncio.run(main())

🧩 Разбор магии: 🟢Dispatcher (dp) - это мозг бота. Он получает сообщения от Telegram и решает, какой функции их передать. 🟢@dp.message(...) - это декораторы. Они "фильтруют" сообщения. 🟢await message.answer(...) - асинхронная отправка сообщения. Пока бот отправляет ответ тебе, он может параллельно обрабатывать сообщения от других пользователей! Скопируй, вставь токен и запусти. Поздравляю, ты только что создал своего бота! 🎉 📲 Мы в MAX Подписывайтесь на канал 👉@pythonofff

🚀 Синхронность vs Асинхронность: Ускоряем код в 10 раз Представьте, что вы стоите в очереди в Макдональдс. 🐢 Синхронный подход (как requests): Кассир принимает ваш заказ, уходит на кухню, ждет, пока пожарится картошка, наливает колу, отдает заказ вам и только потом обращается к следующему человеку в очереди. Медленно? Ужасно медленно! ⚡️ Асинхронный подход (как aiohttp): Кассир принимает заказ, кричит на кухню "Свободная касса!" и сразу берет заказ у следующего, пока ваш готовится. Работа идет параллельно. В Python для этого используется библиотека aiohttp и ключевые слова async / await. Сравним на практике: Допустим, нам нужно скачать 10 страниц.

import asyncio
import aiohttp
import time

# Функция для одного запроса
async def fetch_page(session, url):
    async with session.get(url) as response:
        return response.status

async def main():
    urls = ["https://google.com" for _ in range(10)] # 10 запросов
    
    async with aiohttp.ClientSession() as session:
        tasks = []
        for url in urls:
            # Создаем задачи, но еще не запускаем их ожидание
            tasks.append(fetch_page(session, url))
        
        # Запускаем все задачи одновременно!
        await asyncio.gather(*tasks)

start = time.time()
# Запуск асинхронного цикла
asyncio.run(main()) 
print(f"Время выполнения: {time.time() - start:.2f} сек")

Результат: Если requests будет делать это ~10 секунд (по 1 сек на запрос), то aiohttp справится за ~1.2 секунды. Он просто отправит все 10 запросов разом и будет ждать ответы. 🛠 Установка: pip install aiohttp ⚠️ Важно: Не используйте это для атак на сайты (DDoS). Сервер может забанить вас за слишком большое количество запросов в секунду. Сохраняй, пригодится для парсинга больших объемов данных! 🔥 📲 Мы в MAX Подписывайтесь на канал 👉@pythonofff

🛑 Твой код завис навсегда? Исправляем! Знаете ли вы, что по умолчанию библиотека requests ждет ответа от сервера бесконечно? Если сервер, к которому вы обращаетесь, "упал" или просто завис, ваш Python-скрипт тоже встанет и будет висеть вечно, пока вы не убьете процесс вручную. В продакшене (да и в пет-проектах) это недопустимо! 🚫 ✅ Решение: Всегда используйте timeout Параметр timeout указывает, сколько секунд ждать ответа, прежде чем выбросить ошибку и продолжить работу. Пример безопасного кода:

import requests
from requests.exceptions import Timeout, ConnectionError

url = "https://httpbin.org/delay/5"  # Сервер ответит через 5 сек

try:
    # Ставим таймаут 2 секунды.
    # Если сервер не ответит за 2 сек — скрипт не зависнет!
    response = requests.get(url, timeout=2)
    response.raise_for_status() # Проверка на ошибки 4xx/5xx
    print("Успех:", response.json())

except Timeout:
    print("⏰ Ошибка: Сервер отвечает слишком долго!")
except ConnectionError:
    print("🔌 Ошибка: Нет интернета или сайт недоступен.")
except Exception as e:
    print(f"Что-то пошло не так: {e}")

💡 Совет: Хорошей практикой считается ставить таймаут в диапазоне 3–10 секунд для обычных запросов. Проверьте свои старые проекты, есть ли там timeout? Если нет, самое время добавить! 👨‍💻 📲 Мы в MAX Подписывайтесь на канал 👉@pythonofff

🚀 Ускоряем массовые запросы: Sessions Представьте, что вам нужно скачать 100 страниц сайта. Если делать это через обычный requests.get(), каждый раз будет происходить следующее: 1. Открытие соединения (TCP Handshake). 2. Настройка шифрования (SSL/TLS). 3. Отправка данных. 4. Закрытие соединения. Это очень долго! 🐢 Решение: Session Сессия позволяет переиспользовать одно и то же соединение для множества запросов. Это дает огромный прирост скорости. Пример:

import requests

# Создаем сессию
with requests.Session() as s:
    # Можно сразу настроить заголовки для всех запросов
    s.headers.update({'User-Agent': 'my-app/0.0.1'})

    for i in range(5):
        # Используем s.get вместо requests.get
        r = s.get(f"https://httpbin.org/get?page={i}")
        print(f"Запрос {i} выполнен!")

💡Сессия также запоминает куки (cookies). Если вы авторизовались на сайте в первом запросе, сессия "запомнит" это для следующих. Используйте сессии, если делаете больше двух запросов к одному сайту! 📲 Мы в MAX Подписывайтесь на канал 👉@pythonofff

🛠 Передаем параметры красиво Частая ошибка новичков, склеивать параметры запроса вручную прямо в URL. ❌ Как НЕ надо делать:

user_id = 12
# Плохо: сложно читать, легко ошибиться, проблемы со спецсимволами
url = "https://jsonplaceholder.typicode.com/posts?userId=" + str(user_id)
r = requests.get(url)

✅ Как НАДО делать: Используйте аргумент params. Библиотека сама всё склеит и, что важно, правильно закодирует символы (например, заменит пробелы на %20).

import requests

url = "https://jsonplaceholder.typicode.com/posts"
# Параметры кладем в словарь
my_params = {
    "userId": 1,
    "_limit": 5
}

# Передаем словарь в функцию
response = requests.get(url, params=my_params)

print(response.url) 
# Вывод: .../posts?userId=1&_limit=5

Это делает код чище, безопаснее и профессиональнее. 😎 📲 Мы в MAX Подписывайтесь на канал 👉@pythonofff

🌐 Твой первый API запрос на Python Если нужно получить данные с сайта (курс валют, погоду или список постов), библиотека requests - твой лучший друг. Она делает общение с интернетом невероятно простым. Допустим, мы хотим получить шутку с бесплатного API. Как это сделать в 3 строчки:

import requests

# 1. Делаем GET-запрос по адресу
url = "https://official-joke-api.appspot.com/random_joke"
response = requests.get(url)

# 2. Проверяем, что всё ок (код 200)
if response.status_code == 200:
    # 3. Превращаем ответ из JSON в словарь Python
    data = response.json()
    print(f"Шутка: {data['setup']} - {data['punchline']}")
else:
    print("Ошибка соединения 😢")

📌 Разбор: 🟢.status_code - показывает, как прошел запрос (200 = ОК, 404 = Не найдено, 500 = Ошибка сервера). 🟢.json() - это магия, которая превращает строку текста от сервера сразу в понятный Python-словарь. 📲 Мы в MAX Подписывайтесь на канал 👉@pythonofff

☠️ Самая частая ошибка новичков в Python Посмотрите на этот код. Как думаете, что пошло не так?

def add_item(item, basket=[]):
    basket.append(item)
    return basket

print(add_item("Яблоко"))
print(add_item("Банан"))

Ожидание: ['Яблоко'] ['Банан'] Реальность: ['Яблоко'] ['Яблоко', 'Банан'] 😱 Почему так произошло? В Python аргументы по умолчанию создаются один раз при запуске программы (когда интерпретатор читает def), а не при каждом вызове функции. Поэтому список basket - это один и тот же объект в памяти для всех вызовов! ✅ Как писать правильно: Используйте None как маркер пустого значения.

def add_item(item, basket=None):
    if basket is None:
        basket = []
    basket.append(item)
    return basket

Сохраняй пост, чтобы не наступать на эти грабли! 💾 📲 Мы в MAX Подписывайтесь на канал 👉@pythonofff

🧩 Задача: Проверка на анаграмму Анаграммы, это слова, состоящие из одних и тех же букв, но в разном порядке. Например: ток и кот. Как проверить, являются ли две строки анаграммами, максимально эффективно? Вариант 1 (В лоб): Сортировка Мы можем отсортировать обе строки и сравнить их.

def is_anagram(s1, s2):
    return sorted(s1) == sorted(s2)

Это работает, но сложность сортировки - O(N log N) . Можно ли быстрее? 🤔 Вариант 2 (Оптимальный): Подсчет символов Используем словарь (или Counter), чтобы посчитать, сколько раз встречается каждая буква. Сложность такого решения - O(N) , то есть линейная (самая быстрая).

from collections import Counter

def is_anagram_fast(s1, s2):
    return Counter(s1) == Counter(s2)

print(is_anagram_fast("listen", "silent")) # True

💡 Совет: На собеседованиях всегда предлагайте сначала решение с сортировкой (оно проще), а потом удивляйте интервьюера знанием сложности алгоритмов и вариантом с хеш-таблицей (Counter)! 📲 Мы в MAX Подписывайтесь на канал 👉@pythonofff

🕵️‍♂️ Дебаг без боли: секрет f-строк Признавайтесь, вы тоже часто пишете такие принты, чтобы проверить значение переменной?

name = "Alex"
age = 25

print("name =", name)
print("age =", age)

Это работает, но писать каждый раз название переменной в кавычках — долго и лениво. В Python есть супер-фишка для f-строк, о которой многие забывают. Просто добавьте знак равно = после имени переменной внутри фигурных скобок! Как это выглядит:

name = "Alex"
age = 25

print(f"{name=}")
print(f"{age=}")

Вывод:

name='Alex'
age=25

🔥 Почему это круто: Python сам подставляет имя переменной и её значение. Экономит кучу времени при поиске багов! Знали про этот трюк? Ставьте ❤️, если уже пользуетесь! 📲 Мы в MAX Подписывайтесь на канал 👉@pythonofff

🧠 List vs Set: Где искать быстрее? Представьте, у вас есть массив из 1 миллиона чисел, и нужно проверить, есть ли в нем число 999999. Что использовать: список (list) или множество (set)? Сравнение сложности: ▪️ List (in operator): Сложность . Python перебирает элементы по одному, пока не найдет нужное. Если список огромный, это долго. ▪️ Set (in operator): Сложность (в среднем). Множества реализованы как хеш-таблицы. Python вычисляет хеш числа и сразу "прыгает" в нужную ячейку памяти. Тест скорости:

import time

data_list = list(range(10_000_000))
data_set = set(data_list)

# Поиск в списке
start = time.time()
print(9999999 in data_list)
print(f"List time: {time.time() - start:.5f} sec")

# Поиск в множестве
start = time.time()
print(9999999 in data_set)
print(f"Set time: {time.time() - start:.5f} sec")

🚀 Итог: Если вам нужно часто проверять наличие элемента в большой коллекции - всегда конвертируйте её в set. 📲 Мы в MAX Подписывайтесь на канал 👉@pythonofff

⚡ Объединяем словари в Python 3.9+ Раньше для объединения двух словарей нам приходилось использовать метод .update() или распаковку **kwargs. Начиная с Python 3.9, появился оператор объединения |. Это делает код намного чище! Пример:

x = {"key1": "value1 from x", "key2": "value2 from x"}
y = {"key2": "value2 from y", "key3": "value3 from y"}

# Старый способ (до 3.9)
z = {**x, **y}

# Новый способ (Python 3.9+)
z = x | y

print(z)
# {'key1': 'value1 from x', 'key2': 'value2 from y', 'key3': 'value3 from y'}

💡При совпадении ключей (в примере key2), побеждает значение из последнего словаря (справа от оператора). Сохраняй, чтобы писать чистый код! 💾 📲 Мы в MAX Подписывайтесь на канал 👉@pythonofff

🐍 Ловушка с аргументами по умолчанию Посмотрите на код ниже. Как вы думаете, что выведет второй вызов функции?

def append_to(num, target=[]):
    target.append(num)
    return target

print(append_to(1))
print(append_to(2))

Варианты ответа: 1. [1] и [2] 2. [1] и [1, 2] 3. Ошибка SyntaxError ⬇️ Правильный ответ и объяснение ⬇️ Правильный ответ: 2 — [1] и [1, 2] Почему? В Python аргументы по умолчанию вычисляются один раз при определении функции, а не при каждом вызове. Список target создается один раз и сохраняет свое состояние между вызовами. ✅ Как исправить? Используйте None в качестве значения по умолчанию:

def append_to(num, target=None):
    if target is None:
        target = []
    target.append(num)
    return target

📲 Мы в MAX Подписывайтесь на канал 👉@pythonofff

Path().mkdir() Согласно официальной документации, метод .mkdir() принимает три аргумента. Мы пока сосредоточимся только на parents и exists_ok. Оба аргумента имеют значение False по умолчанию. Аргумент parents вызывает ошибку FileNotFound в случае отсутствия родителя, тогда как exists_ok вызывает ошибку FileExists, если данный каталог уже существует. 📲 Мы в MAX Подписывайтесь на канал 👉@pythonofff

Почему при зарплате 400к денег всё равно нет? Замечал, как люди с доходом 80к умудряются копить на отпуск и покупать айфоны? А у многих айтишников при 300-400к — в конце месяца ноль. Знакомо? Есть 5 конкретных причин, почему так происходит при высоком доходе. Снял видео — разбираю каждую. 5 минут, без воды. Посмотри, возможно узнаешь себя или коллег! Смотреть #реклама 16+ sbsite.pro О рекламодателе

Проверяем тип объекта Раз уж в предыдущем посте затронули модуль inspect, то давайте еще поговорим про некоторые его возможности. Функции ismodule(), isclass(), ismethod() и isfunction() проверяют переданный объект на то, является ли он модулем, классом, методом или функцией соответственно. 📲 Мы в MAX Подписывайтесь на канал 👉@pythonofff

Свойства Concrete Paths Поскольку Concrete Paths является подклассом PurePath, мы можем использовать все свойства PurePath(). Это означает, что мы можем использовать, например, свойство .with_suffix для добавления суффикса к конкретному пути. Подписывайтесь на канал 👉@pythonofff