Pythoner

✈️Сегодня разберём тему, которая частенько вызывает головную боль даже у опытных разработчиков — области видимости переменных и ключевые слова global и nonlocal. ➡️В чём суть? Представьте, что вы пишете функцию внутри функции и вам нужно изменить переменную "снаружи". Без special words Python скажет: "Неа, не получится!" ➡️Как это работает? Global:

x = 5  # глобальная переменная

def change_x():
    global x  # говорим Python, что хотим менять глобальную x
    x = 10    # теперь работает!

change_x()
print(x)  # выведет 10

Nonlocal:

def outer():
    counter = 0  # переменная внешней функции
    
    def inner():
        nonlocal counter  # хотим менять counter из outer
        counter += 1      # работает!
    
    inner()
    print(counter)  # выведет 1

outer()

⚡️Важные моменты: - Global можно использовать для создания новых переменных - Nonlocal работает только с существующими переменными - В Python 3.13 пофиксили баги с global в блоках else и except ➡️Типичные ошибки: Неправильно:

def bad_function():
    print(x)    # ошибка!
    global x    # global нужно объявлять до использования
    x = 10

Правильно:

def good_function():
    global x
    print(x)    # теперь всё ок
    x = 10

➡️Полезные инструменты: Чтобы проверить, какие переменные у вас есть:

print(globals())  # все глобальные переменные
print(locals())   # все локальные переменные

💡Практические советы: - Используйте global только когда действительно необходимо - Nonlocal отлично подходит для счетчиков и аккумуляторов - Всегда документируйте использование global и nonlocal в комментариях - Старайтесь минимизировать использование глобальных переменных 🐍 Pythoner

✈️Astropy — это мощная библиотека Python, предназначенная для астрономических вычислений и анализа данных. Она предоставляет инструменты для работы с астрономическими данными, включая обработку изображений, анализ спектров, управление временем и координатами, а также множество других функций, которые облегчают работу астрономам и исследователям. ⚡️Основные возможности Astropy: - Управление временем и датами: Astropy предоставляет инструменты для работы с астрономическим временем, включая преобразование между различными временными шкалами и форматами. - Координатные системы: Библиотека позволяет работать с астрономическими координатами, включая преобразование между различными системами координат (например, экваториальными, эклиптическими и галактическими). - Обработка изображений: Astropy включает инструменты для чтения, записи и обработки астрономических изображений, включая поддержку формата FITS (Flexible Image Transport System). - Анализ спектров: Библиотека предоставляет функции для анализа астрономических спектров, включая измерение линий спектра и расчет физических параметров. - Астрономические единицы и константы: Astropy предоставляет набор астрономических единиц и фундаментальных констант, которые можно использовать в вычислениях. - Интеграция с другими библиотеками: Astropy интегрируется с другими популярными библиотеками Python, такими как NumPy, SciPy, Matplotlib и Pandas, что позволяет создавать мощные астрономические приложения. ➡️Примеры использования: 1.Работа с временем:

from astropy.time import Time

# Создание объекта времени
t = Time('2023-10-10 12:00:00', format='iso', scale='utc')

# Преобразование времени в другой формат
print(t.jd)  # Вывод времени в формате Julian Date

2.Работа с координатами:

from astropy.coordinates import SkyCoord
from astropy import units as u

# Создание объекта координат
c = SkyCoord(ra=10.68458*u.degree, dec=41.26917*u.degree, frame='icrs')

# Преобразование координат в другую систему
print(c.galactic)  # Вывод координат в галактической системе

3.Анализ спектров:

from astropy import units as u
from astropy.modeling import models, fitting

# Создание спектра
wavelength = [400, 500, 600, 700] * u.nm
flux = [1, 2, 3, 4] * u.Jy

# Подгонка модели к спектру
model = models.Gaussian1D(amplitude=2*u.Jy, mean=500*u.nm, stddev=50*u.nm)
fitter = fitting.LevMarLSQFitter()
fitted_model = fitter(model, wavelength, flux)

# Вывод параметров модели
print(fitted_model)

💡Заключение Astropy предоставляет широкий набор инструментов для работы с астрономическими данными, включая обработку изображений, анализ спектров, управление временем и координатами. А благодаря простому и интуитивному API, Astropy легко интегрируется в проекты. 🐍 Pythoner

Хотите освоить программирование или сменить работу в IT? А вы готовы всего за час создать и опубликовать целое приложение? Отлично! Тогда присоединяйтесь к онлайн-конференции «Как создать первый проект на Python и Java с нуля»! Новички в IT узнают: - какой язык программирования лучше выбрать для старта - как быстро создать и развернуть приложение - как работают Python и Java на практике - как размещать код на GitHub и работать с репозиториями - какие дополнительные инструменты использовать для профессионального роста Программисты на других языках, и те, кто ищет новые возможности в IT: - поймёте, какие IT-технологии сейчас востребованы - узнаете, какие навыки прокачивать для успешной смены деятельности - отработаете навыки быстрой сборки и быстрого развёртывания проекта - узнаете о новых возможностях для обучения и развития Также вас ждёт квиз с призами! Спикеры: Сурен Хоренян: бэкенд-разработчик на Python, руководитель команды в «VK Рекламе» Сергей Прощаев: Java-разработчик Бонус! Скидка 7% на любой курс OTUS и полезные материалы в подарок! 18 апреля, 19:00 МСК Бесплатно Записаться на событие - https://otus.pw/agHXY/?erid=2W5zFGDrpf2 Реклама. ООО "ОТУС ОНЛАЙН-ОБРАЗОВАНИЕ". ИНН 9705100963.

🤔Разбор Атрибуты класса (count) являются общими для всех экземпляров класса. Метод __del__ вызывается автоматически, когда объект уничтожается (например, после выполнения del или когда программа завершается). Если объект больше не имеет ссылок, он удаляется сборщиком мусора, и вызывается деструктор. 🐍 Pythoner

Этот пост - реальная возможность поменять жизнь. И стать творцом! 🧑🏻‍🎨 Питоша 🐍 - самый востребованный язык в мире  А с этим курсом разберётся даже твоя бабуля 👵🏻 1600 отзывов не дадут соврать:) Ссылка на полностью бесплатный курс:  stepik.org/course/214271/promo Наш паблик в телеграмме с викторинами: t.me/pitosha1

Бесплатное льготное обучение: 3 месяца Мы ищем людей, которые хотят работать в IT-сфере из дома 💰 Оплата от 150.000 рублей в месяц Образование, место жительства, трудовой стаж — не важны! Подходит, как для подработки / декретного отпуска, так и для полной занятости. Если заинтересовались, то для старта нужно: — пройти короткий тест — заполнить анкету На что можно рассчитывать: ✅ удаленная работа ✅ зп от 150.000 рублей (потолка нет) ✅ стабильная подработка, если не хотите уходить с основной работы ⚡ Количество бесплатных мест ограничено. Успейте пройти тест и оставить заявку: Узнать больше #реклама technolium.ru О рекламодателе

😈 IT memer

👨‍💻 Баттлы по программированию на Python X5 Tech Sprint — соревнования по кодингу прямо в супермаркетах «Перекрёсток» рядом с твоим вузом. Забирай крутые призы: — фаст-трек на стажировку в X5 Tech для ТОП-25 участников общего рейтинга — 50 000 рублей для ТОП-5 самых быстрых кодеров — в ежедневном розыгрыше: сертификат на 3 000 рублей на покупки в «Перекрёстке» Пора воспользоваться своими скиллами — успей принять участие с 12 по 19 апреля! 🌐 Подробнее о соревновании на сайте.

Искусственный интеллект помогает больше продавать Битрикс24 CRM + Ai упрощает работу менеджера. Расшифровывает записи звонков клиентам и сам заполняет карточку сделки. Менеджер в это время уже звонит следующему клиенту. Попробуйте умную CRM Попробовать #реклама 16+ bitrix24.ru О рекламодателе

✈️Boltons — это открытая библиотека Python, которая предоставляет набор общих, лёгких и независимых утилит. Создана она Mahmoud Hashemi и доступна на GitHub. Boltons разработаны для того, чтобы дополнить стандартную библиотеку Python, предоставляя функции, которые часто нужны, но отсутствуют в стандартной библиотеке. ➡️Основные возможности Boltons содержит множество модулей, каждый из которых специализируется на определенной области функциональности. Вот некоторые ключевые модули и возможности: 1. iterutils: Утилиты для работы с итераторами и итерируемыми объектами, включая расширенные инструменты itertools и шаблоны итерирования. 2. strutils: Дополнительные инструменты для работы со строками, такие как расширенная интерполяция, форматирование текста и заполнение. 3. fileutils: Утилиты для работы с файлами и каталогами, включая итерацию по файлам, атомарное сохранение файлов и операции с деревьями каталогов. 4. datetimeutils: Расширенные инструменты для работы с датами и временем, включая более гибкие возможности парсинга и форматирования, работу с часовыми поясами и операции с timedelta. 5. funcutils: Утилиты для работы с функциями, такие как композиция функций, декораторы кэширования и валидации аргументов. 6. cacheutils: Утилиты для кэширования, такие как LRU-кэш. 7. dictutils: Расширенные инструменты для работы со словарями, такие как OrderedMultiDict. 8. queueutils: Утилиты для работы с очередями, такие как PriorityQueue. 9. tbutils: Утилиты для работы с трассировками стека, такие как тип TracebackInfo, который упрощает отладку и отчёты об исключениях. ➡️Пример использования

from boltons.dictutils import OMD

# OrderedMultiDict — словарь, сохраняющий порядок и поддерживающий дубликаты ключей
data = OMD()
data.add('status', 'ok')
data.add('status', 'warning')

print(data.getlist('status'))  # ['ok', 'warning']

💡Заключение Boltons — это мощная библиотека утилит, которая дополняет стандартную библиотеку Python, предоставляя множество дополнительных инструментов и функций. Независимо от того, являетесь ли вы разработчиком на Python или аналитиком данных, Boltons поможет вам повысить эффективность работы и упростить реализацию кода. 🐍 Pythoner

⚡️ Python теперь в Telegram! Ребята сделали крутейший канал, где на простых картинках и понятном языке обучают Python, делятся полезными фишками и инструментами Подписывайтесь: @PythonPortal

Крупнейший университет искусственного интеллекта Приглашаем на бесплатный однодневный интенсив по AI! Освой искусственный интеллект для профессионального роста: создавай нейросети, автоматизируй бизнес-задачи и зарабатывай на AI-решениях. ✨ 8 000+ студентов со всего мира ✨ 600+ AI-проектов, созданных студентами ✨ Сборная Университета — победители крупнейших AI-хакатонов России ✨ Стажировки в крупнейших компаниях России (РЖД, Ростелеком, РУДН, Совкомбанк, Самолет и другие) ✨ Трудоустраиваем выпускников в крупнейшие компании (Яндекс, ВТБ, Сбербанк, Роскосмос и другие) Будем рады видеть тебя в наших рядах! Узнать больше #реклама 16+ neural-university.ru О рекламодателе

✈️Glom — это библиотека Python, которая позволяет удобно работать с вложенными данными. Glom предоставляет инструменты для доступа к вложенным данным и их преобразования, что делает работу с сложными структурами данных более простой и интуитивной. ➡️Основные возможности glom — Путь доступа к данным: Glom позволяет использовать пути для доступа к вложенным данным, например, a.b.c. — Объявление преобразований данных: Glom предоставляет инструменты для преобразования данных с помощью лёгких и понятных спецификаций. — Читаемые сообщения об ошибках: Glom предоставляет читаемые сообщения об ошибках, чтобы помочь вам быстро найти и исправить проблемы. — Встроенная отладка: Glom предоставляет инструменты для отладки, чтобы помочь вам быстро найти и исправить проблемы. — Дополнительные возможности: Glom также предоставляет инструменты для глубокого присваивания, потоковой обработки и валидации данных. ➡️Основные примеры использования 1.Доступ к данным:

from glom import glom

# Пример данных
data = {'a': {'b': {'c': 'd'}}}

# Доступ к данным с помощью пути
result = glom(data, 'a.b.c')  # Вернёт 'd'
print(result)

2.Обработка вложенных списков:

# Пример данных
data = {'a': [{'k': 'v1'}, {'k': 'v2'}]}

# Доступ к данным в вложенных списках с помощью шаблона
result = glom(data, 'a.*.k')  # Вернёт ['v1', 'v2']
print(result)

3.Преобразование данных. Glom позволяет не только получать данные, но и преобразовывать их:

# Пример данных
data = {'a': {'b': 'c', 'd': 'e'}, 'f': 'g', 'h': [0, 1, 2]}

# Определение спецификации преобразования
spec = {'a': 'a.b', 'd': 'a.d', 'h': ('h', [lambda x: x * 2])}

# Применение спецификации преобразования
output = glom(data, spec)
print(output)  # Вывод {'a': 'c', 'd': 'e', 'h': [0, 2, 4]}

4.Обработка ошибок. Glom предоставляет читаемые сообщения об ошибках, что позволяет быстро находить и исправлять проблемы:

# Пример данных
data = {'a': {'b': None}}

# Попытка доступа к несуществующему пути
try:
    result = glom(data, 'a.b.c')
except Exception as e:
    print(e)  # Вывод сообщения об ошибке

⛓Документация glom ⛓Руководство по glom 💡Заключение Glom — это мощный инструмент для работы с вложенными данными. Он позволяет легко получать доступ к данным и преобразовывать их с помощью путей и спецификаций. Glom подходит как для аналитиков данных, так и для разработчиков, которые хотят упростить работу с вложенными структурами данных. 🐍 Pythoner

В России можно посещать IT-мероприятия хоть каждый день: как оффлайн, так и онлайн Но где их находить? Как узнавать о них раньше, чем когда все начнут выкладывать фотографии оттуда? Переходите на канал IT-Мероприятия России. В нём каждый день анонсируются мероприятия со всех городов России 📆 в канале размещаются как онлайн, так и оффлайн мероприятия; 👩‍💻 можно найти ивенты по любому стеку: программирование, frontend-backend разработка, кибербезопасность, дата-аналитика, osint, devops и другие; 🎙 разнообразные форматы мероприятий: митапы с коллегами по цеху, конференции и вебинары с известными опытными специалистами, форумы и олимпиады от важных представителей индустрии и многое другое А чтобы не искать по разным форумам и чатам новости о предстоящих ивентах: 🚀 IT-мероприятия России — подписывайся и будь в курсе всех предстоящих мероприятий!

✈️TensorFlow — это ведущая открытая платформа для машинного обучения, разработанная Google. Она широко используется как в академической среде, так и в промышленности. TensorFlow поддерживает множество приложений, от простых линейных моделей до сложных архитектур глубокого обучения. ➡️Основные понятия TensorFlow - Тензоры: Многомерные массивы, аналогичные массивам NumPy. Они являются основными элементами, с которыми работает TensorFlow. - Операции: Функции, которые выполняют вычисления над тензорами. - Переменные: Значения, которые изменяются в процессе обучения модели. - Граф вычислений: TensorFlow использует графы для представления математических операций. Каждый узел графа представляет операцию, а ребра — данные (тензоры), передающиеся между операциями. ➡️Построение первой нейронной сети 1.Загрузка данных: TensorFlow позволяет легко загружать и предобрабатывать данные. В примере ниже мы используем набор данных MNIST, который часто используется для обучения систем обработки изображений:

import tensorflow as tf
from tensorflow.keras.datasets import mnist

(x_train, y_train), (x_test, y_test) = mnist.load_data()
x_train, x_test = x_train / 255.0, x_test / 255.0

2.Определение модели: Мы используем API Keras, интегрированный в TensorFlow, для определения нашей нейронной сети:

model = tf.keras.models.Sequential([
    tf.keras.layers.Flatten(input_shape=(28, 28)),
    tf.keras.layers.Dense(128, activation='relu'),
    tf.keras.layers.Dropout(0.2),
    tf.keras.layers.Dense(10, activation='softmax')
])

3.Компиляция модели: Затем мы компилируем модель, указывая оптимизатор, функцию потерь и метрики:

model.compile(optimizer='adam',
              loss='sparse_categorical_crossentropy',
              metrics=['accuracy'])

4.Обучение модели: Обучаем модель с использованием обучающих данных:

model.fit(x_train, y_train, epochs=5)

5.Оценка модели: Наконец, оцениваем модель с использованием тестовых данных:

model.evaluate(x_test, y_test)

💡Заключение TensorFlow в Python — это мощный инструмент для создания моделей машинного обучения. Независимо от того, являетесь ли вы начинающим или опытным разработчиком, обширная экосистема и надежные функции TensorFlow делают его ценным инструментом в вашем арсенале искусственного интеллекта. 🐍 Pythoner

В канале Selectel Newsfeed новые бесплатные курсы! Наши бесплатные курсы для специалистов всех уровней помогут разобраться в темах быстро, структурно и последовательно. Вступайте в сообщество IT-специалистов в Telegram от Selectel и развивайте новые навыки📚 Смотреть #реклама 16+ О рекламодателе

✈️igraph — это популярная библиотека для анализа и визуализации графов, которая доступна как для Python, так и для других языков программирования (R, C). Она позволяет исследовать сложные сети, такие как социальные графы, транспортные системы, веб-сайты и многое другое. Благодаря своей эффективности и гибкости, igraph стал одним из основных инструментов для работы с данными в виде графов. ➡️Основные возможности igraph — генерация случайных и классических графов, вычисление различных метрик (степени вершин, диаметра графа и т. д.), поиск сообществ и кластеров. ➡️Пример создания простого графа:

import igraph as ig

# Создаем граф
graph = ig.Graph()

# Добавляем вершины
graph.add_vertices(5)

# Добавляем ребра
graph.add_edges([(0, 1), (1, 2), (2, 3), (3, 4), (4, 0)])

# Визуализируем граф
ig.plot(graph, vertex_label=range(graph.vcount()), vertex_color="lightblue", edge_width=2)

➡️Пример анализа графа:

import igraph as ig

# Создаем граф
graph = ig.Graph.Tree(10, 2)  # Дерево с 10 узлами и ветвлением 2

# Получаем характеристики графа
print("Количество вершин:", graph.vcount())  # Вывод: 10
print("Количество ребер:", graph.ecount())   # Вывод: 9
print("Степень каждой вершины:", graph.degree())  # Вывод: [2, 3, 3, 1, 1, 1, 1, 1, 1, 1]

# Находим диаметр графа
diameter = graph.diameter()
print("Диаметр графа:", diameter)

➡️Некоторые особенности Python-igraph: — Подходит для анализа графов среднего и большого размера — Делает акцент на производительности и эффективности использования памяти — Поддерживает направленные и ненаправленные графы, взвешенные графы — Имеет богатый набор алгоритмов компоновки — Интегрируется с популярными библиотеками Python для науки о данных, такими как NumPy и Pandas. 3 💡Заключение igraph — это универсальный инструмент для анализа и визуализации графов. Он помогает исследовать сложные сети и находить скрытые закономерности в данных. Он особенно полезен для исследователей и учёных, работающих со сложными сетевыми структурами. 🐍 Pythoner

Ошибки в защите данных: как СУБД Jatoba избегает их? Дата: 17 апреля (четверг) Время: 12:00 - 13:30 МСК Не пропустите вебинар «Кластерные решения для больших объемов данных: отечественный опыт» Эксперты УЦСБ и «Газинформсервис» расскажут, как избежать ошибок в настройке СУБД, повысить доступность данных и защитить их от утечек, даже при пиковых нагрузках. 1. Как Jatoba обеспечивает высокую доступность данных при максимальных нагрузках? 2. Почему стоит выбрать отечественную СУБД для хранения и защиты данных? 3. Реальные примеры успешных внедрений в крупных компаниях. 4. Демонстрация интерфейса и отказоустойчивости Jatoba DB в действии! Бонус: фирменный мерч от «Газинформсервис» за самый интересный вопрос! Зарегистрироваться #реклама 16+ sec.ussc.ru О рекламодателе