Hello World

Поиск палиндромов в слове Небольшой, но действенный код для поиска всех палиндромов в слове:

def get_palindrom(text):
    text = text.lower()
    results = []

    for i in range(len(text)):
        for j in range(0, i):
            chunk = text[j:i + 1]

            if chunk == chunk[::-1]:
                results.append(chunk)

    return results

И на закуску несколько способов проверки на палиндром. 📎 Так как любое слово это итерируемый объект, можно просто проверить его циклом:

for index in range(len(word)):
    if word[index] == word[-(index + 1)]:
        results.append(word)

📎 Перейти к списку, и воспользоваться функцией reversed:

if list(word) == list(reversed(word)):
    results.append(word)

📎 И самый удобный способ, со срезом списка:

if word == word[::-1]:
    results.append(word)

#tips #palindrome

Python HTTP server Python позволяет поднять простой http сервер с помощью одной строчки в терминале:

# Python 3.x
$ python3 -m http.server

# Python 2.x
$ python -m SimpleHTTPServer 8000

По умолчанию он использует 8000й порт и предоставляет доступ к текущей директории терминала. http://localhost:8000 #tips #http

geopy Программистам может быть сложно ориентироваться в географии. Однако, модуль geopy всё упрощает:

$ pip install geopy

Он работает путём абстрагирования API разных сервисов геокодирования. Этот модуль даёт возможность узнать полный адрес места, его долготу и широту и даже высоту. Также в нём есть полезный класс Distance. Он высчитывает расстояние между двумя местами в удобной единице измерения.

from geopy import GoogleV3

place = "221b Baker Street, London"
location = GoogleV3().geocode(place)

print(location.address)
print(location.location)

#tips #geopy

​​Какой самый лучший способ понять как работает git? Правильно, написать его. А писать его на Python вдвойне приятнее! Автор статьи по пунктам разбирает написание собственной системы контроля версий. Как по мне, это отличный способ изучить git и к тому же потренировать свои навыки программирования на Python. #git

🐍 Немного новостей за прошедшую неделю 🔸Apple опубликовала финальный релиз языка программирования Swift 5 для iOS, macOS, watchOS и tvOS. Главное улучшение — стабильность ABI, что обеспечивает бинарную совместимость приложений и библиотек, скомпилированных разными версиями языка. 🔸TypeScript и Kotlin получили статус самых быстрорастущих языков программирования в рейтинге RedMonk. Учитывались такие параметры, как используемость и интерес со стороны разработчиков. 🔸В MIT создали новый алгоритм, который в 200 раз ускоряет разработку нейросетей. 🔸Microsoft открыла исходный код проекта Pyright, в рамках которого развивается система для применения статической типизации в приложениях на языке Python. #news

Использование dict() вместо цепочек if-elif-else В некоторых случаях удобнее и лучше использовать dict() вместо цепочек условных операторов.

def dispatch_if(operator, x, y):
    if operator == 'add':
        return x + y
    elif operator == 'sub':
        return x - y
    elif operator == 'mul':
        return x * y
    elif operator == 'div':
        return x / y
    else:
        return None

Данный код, если можно так выразиться, более “pythonic”:

def dispatch_dict(operator, x, y):
    return {
        'add': lambda: x + y,
        'sub': lambda: x - y,
        'mul': lambda: x * y,
        'div': lambda: x / y,
    }.get(operator, lambda: None)()

Вывод:

>>> dispatch_if('mul', 2, 8)
16

>>> dispatch_dict('mul', 2, 8)
16

>>> dispatch_if('unknown', 2, 8)
None

>>> dispatch_dict('unknown', 2, 8)
None

#tips #dict

timeit Модуль timeit позволяет измерить время выполнения небольших кусочков кода:

>>> import timeit
>>> timeit.timeit('"-".join(str(n) for n in range(100))',
                  number=10000)
0.3412662749997253

>>> timeit.timeit('"-".join([str(n) for n in range(100)])',
                  number=10000)
0.2996307989997149

>>> timeit.timeit('"-".join(map(str, range(100)))',
                  number=10000)
0.24581470699922647

#timeit #tips

256 — существующий объект, а 257 — нет При запуске Python в памяти размещаются числа от -5 до 256. Они используются часто, так что целесообразно держать их наготове.

>>> a = 256
>>> b = 256
>>> id(a)
4478229648
>>> id(b)
4478229648

Интерпретатор оказался не так умён, и во время исполнения y = 257 не понял, что мы уже создали целое число со значением 257, поэтому создаёт в памяти другой объект.

>>> a = 257
>>> b = 257
>>> id(a)
4481407824
>>> id(b)
4481407600

#tips

First Class functions Свойства функций первого класса: 📎 Функция является экземпляром типа object. 📎 Можно сохранить функцию в переменной. 📎 Можно передать функцию в качестве параметра другой функции. 📎 Можно вернуть функцию из функции. 📎 Можно хранить их в структурах данных, таких как хеш-таблицы, списки, словари, etc Хранение функции в списке:

def myfunc(a, b):
    return a + b

Вывод:

>>> funcs = [myfunc]
>>> funcs[0]
<function myfunc at 0x107012230>
>>> funcs[0](2, 3)
5

Возврат функции из другой функции:

def outer(x): 
    def inner(y): 
        return x+y 
  
    return inner 
  
closure = outer(15)

Вывод:

>>> closure(10)
25

#tips #closure #firstclassfunctions

PEP8 PEP 8 де-факто представляет собой руководство по стилю написания кода Python. В нем рассматриваются соглашения по именованию, структура кода, пустые области (табуляция против пробелов) и другие аналогичные темы. Писать код с учетом принципов PEP 8 — хорошая идея (помогает разработчикам создавать более стабильный код). С помощью программы pycodestyle, которая запускается из командной строки, можно проверить код на соответствие принципам PEP 8. Для установки этой программы введите в терминале такую команду:

$ pip3 install pycodestyle

Пример использования:

$ pycodestyle smooth.py
smooth.py:3:1: E265 block comment should start with '# '
smooth.py:4:1: E265 block comment should start with '# '
smooth.py:5:1: E265 block comment should start with '# '
smooth.py:10:51: E251 unexpected spaces around keyword / parameter equals
smooth.py:10:53: E251 unexpected spaces around keyword / parameter equals
smooth.py:14:33: W292 no newline at end of file

#pep8

“is” vs “==“ Два списка указывают на один и тот же объект:

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

Результат:

>>> a is b
True
>>> a == b
True

Пробуем создать абсолютно новый объект:

>>> c = a[:]

Результат:

>>> a == c
True
>>> a is c
False

📎 is возвратит True, если обе переменные ссылаются на один объект 📎 == возвратит True, если сравниваемые объекты идентичны #tips

​Итераторы Итератор – это интерфейс, который позволяет перебирать элементы последовательности. Он используется, например, в цикле for ... in ..., но этот механизм скрыт от глаз разработчика. При желании итератор можно получить воспользовавшись функцией iter(). Чтобы получить следующий элемент коллекции или строки, нужно передать итератор функции next(). Пример простого итератора:

class SimpleIterator:
    def __iter__(self):
        return self
 
    def __init__(self, limit):
        self.limit = limit
        self.counter = 0
 
    def __next__(self):
        if self.counter < self.limit:
            self.counter += 1
            return 1
        else:
            raise StopIteration

Вывод:

simple_iter = SimpleIterator(5)
 
for i in simple_iter:
    print(i)
1
1
1
1
1

Python's null Equivalent: None Эквивалент ключевого слова null в Python это None. Многие утверждают, что слово null несколько эзотерично. Это не самое дружелюбное слово для начинающих программистов. Кроме того, None относится именно к намеченной функциональности — это ничто и не имеет никакого поведения. Стоит отметить пару особенностей работы с None: 📎 Python является объектно ориентированным языком, поэтому None — это тоже объект:

>>> type(None)
< class 'NoneType’>

📎 Самый лучший вариант проверки на None — с помощью оператора is:

number = None

if number is None:
    print(‘None’)

Почему так? Если переопределить оператор сравнения в пользовательском классе, это может привести к неожиданному результату:

class MyClass:
    def __eq__(self, my_object):
        return True

my_class = MyClass()

if my_class is None:
    print('my_class is None, using the is keyword')
else:
    print('my_class is not None, using the is keyword')

if my_class == None:
    print('my_class is None, using the == syntax')
else:
    print('my_class is not None, using the == syntax’)

Вывод:

my_class is not None, using the is keyword
my_class is None, using the == syntax

#tips #None

Что выведет следующий код?

def check_size(val):
    if val > 0x18:
        val >>= 1
    return val


def dga(seed):
    out = ""
    for k, n in enumerate([1, 3, 5, 7, 0xb, 0xd]):
        i = check_size(k * seed)
        out += chr(i + 0x61)
    return out


if __name__ == '__main__':
    print('al' + dga(1))

Есть ли разница между [] и list()?

>>> f = []
>>> f = list()

В принципе результат будет одним и тем же, но давайте заглянем глубже:

>>> timeit.timeit(‘[]’, number=10**8)
2.25569809000001
>>> timeit.timeit(‘list()’, number=10**8)
10.330681907999995

Инициализация листа с помощью конструктора list() выглядит как минимум в 4-5 раз медленнее. Попробуем заглянуть внутрь с помощью модуля dis, который служит для изучения байткода Python’a.

>>> dis.dis('f=[]')
  1           0 BUILD_LIST               0
              2 STORE_NAME               0 (f)
              4 LOAD_CONST               0 (None)
              6 RETURN_VALUE
>>> dis.dis('f=list()')
  1           0 LOAD_NAME                0 (list)
              2 CALL_FUNCTION            0
              4 STORE_NAME               1 (f)
              6 LOAD_CONST               0 (None)
              8 RETURN_VALUE

Ответ заключается в том, что в то случае когда мы выбираем list() вместо [] мы теряем вычислительное время на “избыточный” вызов самой функции list(). 📎 Во многих случаях это не настолько важно, поскольку мы имеем дело с микросекундами. Однако стоит об этом помнить, если ты имеешь дело с big data. #list

Function argument unpacking Создадим простую функцию.

def myfunc(x, y, z):
    print(x, y, z)

Создадим к ней дополнительно кортеж и словарь.

tuple_vec = (1, 0, 1)
dict_vec = {'x': 1, 'y': 0, 'z': 1}

Теперь мы можем передавать их в нашу функцию вот так просто, это удобно:

>>> myfunc(*tuple_vec)
1, 0, 1

>>> myfunc(**dict_vec)
1, 0, 1

#tips

Как работает цикл for в Python? Python не имеет традиционных циклов for. Для того, чтобы объяснить это, рассмотрим цикл for написанный в C стиле:

int numbers[5] = {1, 2, 3, 4, 5};
for (int i = 0; i < size; ++i) {
    printf(“%d\n”, numbers[i]);
}

Так работает типичный цикл for в C-подобных языках программирования. Но цикл в Python так не работает. Цикл в Python это скорее foreach цикл.

numbers = [1, 2, 3, 4, 5]
for n in numbers:
    print(n)

📎 В циклах Python нет индексной переменной 📎 Здесь нет инициализации индекса, проверки границ или инкрементации индекса 📎 Циклы в Python работают со всеми элементами листа 📎 Именно поэтому эти циклы могут работать с любыми итерируемыми объектами, например:

numbers = [1, 2, 3, 4, 5]
iterator = iter(numbers)
for item in iterator:
    print(item)

#for #iterators #tips

Namedtuples Использование namedtuple немного короче, чем объявление класса напрямую:

>>> from collections import namedtuple
>>> Car = namedtuple('Car', 'color mileage anothernumber’)
>>> my_car = Car('red', 3812.4, 228)
>>> my_car.color
'red'
>>> my_car.mileage
3812.4
>>> my_car.anothernumber
228

Строковое представление нашего объекта:

>>> my_car
Car(color='red' , mileage=3812.4, anothernumber=228)

Как и обычный кортеж, namedtuple неизменяем:

>>> my_car.color = 'blue'
AttributeError: "can't set attribute”

#tips