Программистика

📁 `pathlib` вместо `os.path`: работай с путями по-человечески Устали от os.path.join(os.path.dirname(__file__), 'data', 'file.txt')? В Python есть современный объектно-ориентированный способ. ❌ Старый стиль (os.path):

import os
path = os.path.join(os.path.dirname(__file__), 'data', 'file.txt')

✔️ Новый стиль (pathlib):

from pathlib import Path
path = Path(__file__).parent / 'data' / 'file.txt'

🟢 Что умеет pathlib: - Path.cwd() — текущая директория - Path.home() — домашняя папка - path.exists(), path.is_file(), path.is_dir() - path.read_text(), path.write_text('content') - path.glob('*.py') — поиск файлов - path.resolve() — абсолютный путь - path.with_suffix('.txt') — замена расширения

# Чтение и запись одной строкой
content = Path('config.json').read_text()
Path('output.txt').write_text('Hello, world!')

pathlib — это не просто синтаксический сахар, а удобный инструмент, который делает код чище и кроссплатформенным. Программистика|| #tips

🔠 Слили 4 ТБ по IT, хакингу и разработке. ⚪️ Все лучшие инструкции, гайды, книги и инструменты — без воды. 🖥 Курсы & GitHub — 579GB ☁️ Хакинг & ИБ — 756GB 🤒 OSINT — 315GB ⌨️ Python — 955GB 🙃 Linux & Bash — 459GB 😦 Работа в IT — 278GB 🖥 Общий архив — 946GB ➡️ Присоединяйтесь и скачивайте. Пост будет удален через 48 часов.

🔌 Niquests: HTTP-клиент, который сделал Requests устаревшим (и работает в 2-3 раза быстрее) Если вы всё ещё используете requests — вы отстаёте от жизни. Requests официально заморожен и не получает новых фич. На сцену вышел Niquests — его прямой наследник, который работает быстрее, поддерживает HTTP/2 и HTTP/3 «из коробки» и при этом полностью совместим с кодом, написанным под requests. Главное преимущество Niquests — он просто работает. Меняете import requests на import niquests as requests — и всё. Все ваши старые скрипты с requests.get(), Session(), hooks и mock-библиотеками продолжают работать без изменений. При этом Niquests автоматически включает HTTP/2 и HTTP/3, поддерживает асинхронность, потокобезопасность и даже DNSSEC. 📦 Установка:

pip install niquests

🚀 Пример (ваш старый код — просто работает):

# Было (requests)
import requests
response = requests.get("https://httpbingo.org/get")
print(response.json())

# Стало (Niquests) — просто меняете импорт
import niquests as requests
response = requests.get("https://httpbingo.org/get")
print(response.json())  # Всё работает, но уже через HTTP/2!

Асинхронный пример:

import niquests

async def fetch():
    async with niquests.AsyncSession() as session:
        response = await session.get("https://api.example.com/data")
        return response.json()

Программистика || #Репозиторий

Самый прогерский канал, где за 10 минут ты научишься: / Пр0бuв по фото и номеру в ТГ // Как взломать вебку подруги /// Мануал по OSINT разведке Ссылка действительна 23 ч. 59 мин. 👇 https://t.me/+3xWtEj_0qa9hNmUy

🧩 Генераторы: `yield` и `yield from` — как это работает под капотом и зачем это нужно Вы каждый день пишете for x in range(10), но задумывались ли вы, как range выдаёт числа по одному, не создавая список? Или как работают бесконечные последовательности? Генераторы — одна из самых мощных фич Python, которую многие используют, но не до конца понимают. Разбираемся, что скрывается за yield. 🧱 Проблема: список vs генератор Когда вы создаёте список, все элементы хранятся в памяти. Для миллиона чисел это 8 МБ только на ссылки, не считая самих объектов. Генератор вычисляет значения по требованию — экономия памяти очевидна. ❌ Список (память):

squares = [x**2 for x in range(10_000_000)]  # ~80 МБ

✔️ Генератор (экономия):

squares = (x**2 for x in range(10_000_000))  # ~0 байт

Но генераторы — это не только экономия памяти. Это ещё и управление выполнением, и асинхронность, и бесконечные последовательности. 🧠 Как работает `yield` под капотом Когда Python встречает yield, функция превращается в генератор. При вызове она не выполняется, а возвращает объект-генератор. При первом next() выполняется до первого yield, возвращает значение и приостанавливается. При следующем next() возобновляется с того же места.

def simple_gen():
    print("Начало")
    yield 1
    print("Продолжение")
    yield 2
    print("Конец")

g = simple_gen()
print(next(g))  # Начало → 1
print(next(g))  # Продолжение → 2
print(next(g))  # Конец → StopIteration

Внутри генератор хранит состояние: локальные переменные, текущую позицию, стек вызовов. Это похоже на сопрограмму. 🔁 `yield from` — делегирование другому генератору До Python 3.3, чтобы передать управление вложенному генератору, приходилось писать циклы. yield from делает это автоматически. ❌ Без `yield from` (муторно):

def flatten(nested):
    for sublist in nested:
        for item in sublist:
            yield item

✔️ С `yield from` (красиво):

def flatten(nested):
    for sublist in nested:
        yield from sublist

yield from не только передаёт значения, но и принимает send() и throw() от вызывающего, что делает генераторы полноценными сопрограммами. Пример с `yield from` в цепочке:

def chain(*iterables):
    for it in iterables:
        yield from it

for x in chain([1, 2], "abc", range(3)):
    print(x)  # 1, 2, a, b, c, 0, 1, 2

🧪 Генераторы как сопрограммы (двусторонняя связь) Генераторы могут не только выдавать значения, но и принимать их извне через send(). Это превращает их в сопрограммы.

def grep(pattern):
    print(f"Ищу {pattern}")
    while True:
        line = yield
        if pattern in line:
            print(f"Найдено: {line}")

g = grep("python")
next(g)  # активация
g.send("Java рулит")   # ничего
g.send("Python рулит") # Найдено: Python рулит
g.close()

Аналог send для throw — пробросить исключение внутрь генератора. Пример пайплайна с генераторами:

def read_lines(filename):
    with open(filename) as f:
        for line in f:
            yield line

def filter_errors(lines):
    for line in lines:
        if "ERROR" in line:
            yield line

def extract_message(line):
    yield line.split(":")[-1].strip()

pipeline = extract_message(filter_errors(read_lines("app.log")))
for msg in pipeline:
    print(msg)

Каждый шаг обрабатывает данные лениво, без промежуточных списков. 💡 Запомни:

🟢 Генератор — это функция с yield, возвращающая итератор, который вычисляет значения по требованию. 🟢 yield from делегирует выполнение другому генератору, упрощая вложенность. 🟢 Генераторы экономят память и позволяют обрабатывать бесконечные последовательности. 🟢 send() и throw() делают генераторы полноценными сопрограммами. 🟢 В Python 3.5+ async/await заменили генераторы для асинхронности, но генераторы остались незаменимы для ленивых вычислений.

Программистика || #Статья

Самый прогерский канал, где за 10 минут ты научишься: / Пр0бuв по фото и номеру в ТГ // Как взломать вебку подруги /// Мануал по OSINT разведке Ссылка действительна 23 ч. 59 мин. 👇 https://t.me/+21aDomQkVOMxMjU6

⚡️ Полный Курс по FastAPI

📱 Первоисточник

Программистика|| #video

🖥 simplejson — это библиотека для Python, обеспечивающая простое, быстрое и расширяемое кодирование и декодирование JSON! 🟢 Она полностью написана на Python и не имеет внешних зависимостей, но включает необязательное C-расширение для повышения производительности. 🟢Поддерживает Python версии 3.3 и выше, а также имеет обратную совместимость с Python 2.5+.

Программистика||#Репозиторий

Байесовская оптимизация с примерами из библиотек Python

Книга рассказывает об оптимизации моделей машинного обучения на основе байесовского метода и теории вероятностей. Примеры составлены на языке Python с использованием библиотек PyTorch, GPyTorch и BoTorch. Описаны приемы настройки гиперпараметров, гауссовское распределение, использование политик машинного обучения, в частности на основе задачи о многоруких бандитах, повышение производительности вычислений, многовариантная оптимизация с учетом полезности и затрат, а также применение байесовского метода в специализированных сценариях.

Программистика||#doc

Опа, тут бывший сеньор одного из IT-отделов Яндекса Игорь Никитин выкатил целый канал про Python — и это лучшее, что есть в рунете по теме. Качественные гайды. Советы от известных прогеров. Тематические мемасы. Короче, ничего лишнего. Хватит душить питона, учись его кодить: https://t.me/+evJ7pToYSEIwOGZi 🐍

Продуктовый Python — Инженерия

Третий курс серии «Продуктовый Python» — о том, как писать надёжный код, работать с базами данных, символьными формулами и валидацией данных, используя лучшие библиотеки Python. Курс знакомит с инструментами, о которых аналитики часто забывают или не знают: типизация, SQLModel, SymPy, Pydantic. Вместо изобретения велосипедов — готовые, оптимизированные и проверенные решения.

🌐 Ссылка

Программистика || #Course

🔥Стажировки и вакансии для IT специалистов - Вакансии которых нет на джоб-агрегаторах - Только прямые контакты HR в Telegram 🤖 ML & DS 👩‍💻 DevOps 👨‍✈️ ИБ & OSINT 👣 Go 👩‍💻 Mobile 👩‍💻 C# 👩‍💻 Node.js 👩‍💻 Python 🔎 QA 👩‍💻 Java 👩‍💻 UX/UI 👩‍💻 Frontend 🖼️ PHP 📋 Analyst 💼 1C 🖥 SQL 👩‍💻 IT HR Пока другие листают джоб-сайты — ты уже пишешь HR в Telegram.

💻 Вопрос с собеседования: Что такое перегрузка операторов и как она работает в Python? Это вопрос для middle и senior уровня. Многие знают, что можно перегрузить + через __add__, но не понимают, как работает вся система. На собеседовании проверяют, знаете ли вы магические методы и можете ли написать класс, который ведёт себя как встроенный тип. 📌 Базовый ответ (которого ждут от джуна): Перегрузка операторов — это возможность определить поведение операторов (+, -, *, ==, < и т.д.) для пользовательских классов через специальные методы (магические методы). Например, __add__ определяет поведение +.

class Vector:
    def __init__(self, x, y):
        self.x = x
        self.y = y
    
    def __add__(self, other):
        return Vector(self.x + other.x, self.y + other.y)
    
    def __repr__(self):
        return f"Vector({self.x}, {self.y})"

v1 = Vector(1, 2)
v2 = Vector(3, 4)
v3 = v1 + v2  # Vector(4, 6)

🧱 Глубокий разбор (для мидла и сеньора): 2. Реверсивные операции Если левый операнд не поддерживает операцию, Python вызывает метод правого операнда с r (например, __radd__).

class Number:
    def __init__(self, value):
        self.value = value
    
    def __add__(self, other):
        return Number(self.value + other.value)
    
    def __radd__(self, other):
        return Number(other.value + self.value)

a = Number(5)
b = Number(3)
c = 10 + a  # Вызовет __radd__ у Number (10 + a)

3. `functools.total_ordering` — автоматические сравнения Если определить __eq__ и один из методов сравнения, декоратор @total_ordering сгенерирует остальные.

from functools import total_ordering

@total_ordering
class Person:
    def __init__(self, name, age):
        self.name = name
        self.age = age
    
    def __eq__(self, other):
        return self.age == other.age
    
    def __lt__(self, other):
        return self.age < other.age

# __le__, __gt__, __ge__ генерируются автоматически
p1 = Person("Алиса", 30)
p2 = Person("Боб", 25)
print(p1 > p2)  # True (автоматически)

4. Пример полноценного класса с перегрузкой

class Money:
    def __init__(self, amount, currency="USD"):
        self.amount = amount
        self.currency = currency
    
    def __add__(self, other):
        if self.currency != other.currency:
            raise ValueError("Разные валюты")
        return Money(self.amount + other.amount, self.currency)
    
    def __sub__(self, other):
        if self.currency != other.currency:
            raise ValueError("Разные валюты")
        return Money(self.amount - other.amount, self.currency)
    
    def __mul__(self, factor):
        return Money(self.amount * factor, self.currency)
    
    def __eq__(self, other):
        return self.amount == other.amount and self.currency == other.currency
    
    def __lt__(self, other):
        if self.currency != other.currency:
            raise ValueError("Разные валюты")
        return self.amount < other.amount
    
    def __repr__(self):
        return f"{self.amount} {self.currency}"

m1 = Money(100, "USD")
m2 = Money(50, "USD")
print(m1 + m2)      # 150 USD
print(m1 * 2)       # 200 USD
print(m1 > m2)      # True

⚠️ Ловушки и частые ошибки 1. Забыть про `__radd__` — при сложении с числом слева (например, 10 + obj) может не работать. 2. Не проверять типы — __add__ должен проверять, что other — правильного типа. 3. Перегрузка `==` без перегрузки `!=` — != автоматически инвертирует ==, но только если определён __ne__ или Python 3.8+. 4. Сложные сравнения без `@total_ordering` — если определить только __lt__ и __eq__, остальные сравнения не будут работать. 5. Изменяемость и мутация — арифметические операции должны возвращать новый объект, а не изменять существующий. 💡 Итоговый ответ для собеседования: 1. Перегрузка операторов — это определение поведения операторов через магические методы. 2. Основные методы: __add__, __sub__, __mul__, __truediv__, __eq__, __lt__ и т.д. 3. Реверсивные операции (__radd__) важны для поддержки операций с разными типами. 4. @total_ordering генерирует все сравнения по одному-двум методам. 5. Всегда проверяйте типы в __add__ и подобных методах. 6. Арифметические операции должны возвращать новые объекты (immutable). Программистика|| #jobs

Для тех кто просил, канал с мемами для программистов и айтишников 👇 https://t.me/+p4jLz_2jfKY0ZGYy

🧠 Каждый может стать программистом?

📱 Первоисточник

Программистика|| #video

🖥 python-genai — это официальный SDK на Python от Google, предназначенный для интеграции генеративных моделей Google AI в приложения! 💡 Основные возможности включают генерацию текста, настройку моделей с помощью системных инструкций, параметры генерации (например, температуры, длины вывода), а также встроенные механизмы безопасности. SDK поддерживает удобную работу с параметрами через словари или модели Pydantic. Также предусмотрена интеграция с пользовательскими функциями для обработки результатов или вызова API.

Программистика||#Репозиторий

🧠 Отгадка: что выведет этот код?

def create_counter():
    count = 0
    def inner():
        nonlocal count
        count += 1
        return count
    return inner

counters = [create_counter() for _ in range(3)]
results = [counter() for counter in counters]
print(results)

✅ Правильный ответ: 1. `[1, 1, 1]` 📖 Почему так происходит? - Функция create_counter при каждом вызове создаёт новую локальную переменную `count` и новое замыкание inner, которое захватывает эту конкретную переменную. - В списковом включении [create_counter() for _ in range(3)] функция вызывается три раза, поэтому создаются три независимых счётчика, каждый со своим собственным count = 0. - Затем [counter() for counter in counters] вызывает каждую из трёх функций. Каждая увеличивает свой count с 0 до 1 и возвращает 1. - В результате получаем [1, 1, 1]. Если бы мы создали один счётчик и вызывали его трижды — получили бы [1, 2, 3]. Но здесь три разных счётчика, поэтому каждый выдаёт 1. Ключевой момент: create_counter возвращает новую функцию с новым замыканием при каждом вызове. Ставьте 🔥, если было полезно! Программистика || #quiz