Python Portal

Наследование в Python меняет путь поиска атрибутов, также известный как «method resolution order» (MRO):

class Child:
    pass

Child.__mro__   # (__main__.Child, object)

class Child(Parent):
    pass

Child.__mro__   # (__main__.Child, __main__.Parent, object)

То есть MRO показывает, в каком порядке Python будет искать методы и атрибуты: сначала в классе потомке, затем в родителях по цепочке, и в конце — в базовом object. @PythonPortal

😢😢😢 👉 @PythonPortal

«Introduction to Algorithms» — выдающийся университетский ресурс для всех, кто изучает алгоритмы и компьютерные науки. Книга охватывает вычислительную сложность, структуры данных, алгоритмы на графах, динамическое программирование, методы «разделяй и властвуй», жадные алгоритмы, рандомизированные алгоритмы и многие математические основы современной компьютерной науки. Особенно ценно здесь сочетание математической строгости и практического алгоритмического мышления. Это одна из тех книг, которые сильно меняют подход к анализу задач, эффективности и самим вычислениям. Обязательный инструмент в библиотеке любого разработчика и инженера, работающего в сфере компьютерных наук. https://www.cs.mcgill.ca/~akroit/math/compsci/Cormen%20Introduction%20to%20Algorithms.pdf 👉 @PythonPortal

«Open Data Structures» — ещё один очень полезный бесплатный ресурс для всех, кто изучает структуры данных и алгоритмы. Книга разбирает реализацию и анализ базовых структур: списков на массивах, связных списков, хеш-таблиц, бинарных деревьев, красно-чёрных деревьев, куч, алгоритмов сортировки, графов и структур данных для работы с целыми числами. Это полноценный открытый учебник для изучения одной из фундаментальных тем компьютерных наук и хороший референс, который стоит держать под рукой. https://opendatastructures.org/ods-python.pdf 👉 @PythonPortal

🔴 Реальный собес на Python от ТехЛида с опытом работы в Авито и Яндексе в прямом эфире 19 мая(уже завтра!) в 19:00 по мск приходи на прямой эфир с реальным собеседованием на Middle разработчика. Почему точно нужно прийти: 📂 Савва Демиденко, ТехЛид с опытом в Яндексе и Авито, будет задавать реальные вопросы и задачи разработчику-добровольцу 📂 Савва будет комментировать каждый ответ респондента, чтобы дать понять чего от вас ожидает собеседующий на интервью 📂 В конце можно будет задать любой вопрос Савве Это бесплатно. Эфир проходит в рамках менторской программы от ШОРТКАТ для Python-разработчиков, которые хотят повысить свой грейд, ЗП и прокачать скиллы. 🔍 Переходи в нашего бота, чтобы получить ссылку на эфир → @shortcut_py_bot Реклама. О рекламодателе.

👉 @PythonPortal

Во многих приложениях требуется отображение строк в целые числа. В Python это обычно выглядит так:

d = {"apple": 100, "banana": 200, "cherry": 300}

Если ключей 1 миллион, это может потреблять много памяти — больше 100 байт на ключ. Наш слон опубликовал новую библиотеку, которая использует около 9 байт на ключ. Да, всего 9 байт. Использование выглядит так:

from fastconstmap import ConstMap

d = {"apple": 100, "banana": 200, "cherry": 300}
m = ConstMap(d)

m["apple"]                  # -> 100
m.get_many(["banana", "cherry"])  # -> [200, 300]

Она может быть значительно быстрее (например, до 2 раз в некоторых случаях), чем стандартный словарь. Также её можно сериализовать и десериализовать на диск или в сеть для удобного повторного использования. https://pypi.org/project/fastconstmap/ гитхаб: https://github.com/lemire/fastconstmap 👉 @PythonPortal

Преврати любую авторегрессионную языковую модель в диффузионную языковую модель. dLLM — это Python-библиотека, которая объединяет обучение и оценку диффузионных языковых моделей. Её также можно использовать, чтобы превратить ЛЮБУЮ авторегрессионную языковую модель в диффузионную языковую модель с минимальными вычислительными затратами. 100% открытый исходный код. 👉 @PythonPortal

Методы в Python хранятся на уровне класса, а не экземпляра. Тогда как Python находит метод при вызове x.m()? Правило ICPO: Сначала Python ищет атрибут в экземпляре (_i_nstance). Если не найден — проверяет класс (_c_lass). Дальше — родительские классы (_p_arent). В конце — object, корневой базовый класс (_o_bject). Именно поэтому метод можно определить один раз в классе, а использовать через любой экземпляр. 👉 @PythonPortal

Google выпустила свои официальные skills для AI-агентов. Компания опубликовала 13 skills, совместимых с Claude Code, Cursor, Copilot и другими агентами. Они позволяют агентам выполнять продвинутые задачи и автоматизировать сложные рабочие процессы. Это бесплатно и с открытым исходным кодом : https://github.com/google/skills 👉 @PythonPortal

🙂🙂🙂 👉 @PythonPortal

Релиз Pyrefly type checker 1.0.0 уже здесь: https://pyrefly.org/blog/v1.0/ Вот основные улучшения: 🐍 Обновлённая диагностика стала в 2–125 раз быстрее 🐍 Полная проверка типов ускорена на 20–36% 🐍 Первичная индексация при первом сканировании стала в 2–3 раза быстрее 🐍 Использование памяти снижено на 40–60% 🐍 Добавлен отчёт о покрытии type checking 👉 @PythonPortal

Вот Django-шпаргалка Что бы ты в неё добавил? 👉 @PythonPortal

Регулярные выражения в python Регулярные выражения (regex) в Python используются для поиска, соответствия и манипулирования строками на основе шаблонов. В Python регулярные выражения реализованы в модуле re Основные функции модуля re: 🔸re.match(): Проверяет, соответствует ли начало строки заданному шаблону. 🔸re.search(): Ищет шаблон в строке и возвращает первый найденный совпадающий объект. 🔸re.findall(): Находит все совпадения шаблона в строке и возвращает их в виде списка. 🔸re.finditer(): Находит все совпадения шаблона и возвращает их в виде итератора. 🔸re.sub(): Заменяет все совпадения шаблона на заданную строку. 🔸re.split(): Разделяет строку по заданному шаблону. Примеры использования:

import re

# Пример строки
text = "The rain in Spain falls mainly in the plain."

# 1. re.match()
match = re.match(r'The', text)
if match:
    print("Match found:", match.group())
else:
    print("No match found")

# 2. re.search()
search = re.search(r'rain', text)
if search:
    print("Search found:", search.group())
else:
    print("No search found")

# 3. re.findall()
findall = re.findall(r'in', text)
print("Findall results:", findall)

# 4. re.finditer()
finditer = re.finditer(r'in', text)
for match in finditer:
    print("Finditer match:", match.group(), "at position", match.start())

# 5. re.sub()
substitute = re.sub(r'rain', 'snow', text)
print("Substitute result:", substitute)

# 6. re.split()
split = re.split(r'\s', text)
print("Split result:", split)

Объяснение примера: > re.match(r'The', text): Проверяет, начинается ли строка text с "The". > re.search(r'rain', text): Ищет первое вхождение "rain" в строке text. > re.findall(r'in', text): Находит все вхождения "in" в строке text. > re.finditer(r'in', text): Возвращает итератор, который перебирает все вхождения "in" в строке text. > re.sub(r'rain', 'snow', text): Заменяет все вхождения "rain" на "snow" в строке text. > re.split(r'\s', text): Разделяет строку text по пробелам (символы пробела). Дополнительные примеры шаблонов: \d: Любая цифра. \D: Любой символ, кроме цифры. \w: Любая буква, цифра или символ подчеркивания. \W: Любой символ, кроме буквы, цифры или символа подчеркивания. \s: Любой пробельный символ. \S: Любой непробельный символ. .: Любой символ, кроме новой строки. ^: Начало строки. $: Конец строки. *: 0 или более повторений. +: 1 или более повторений. ?: 0 или 1 повторение. {n}: Ровно n повторений. {n,}: n или более повторений. {n,m}: От n до m повторений. Регулярные выражения мощный инструмент для работы с текстом, и они могут быть полезны в самых разных задачах, от простой проверки ввода до сложного парсинга текста. 💊 👉 @PythonPortal

Тернарный оператор в Python — удобная штука, но им легко злоупотребить:

'A' if s>=90 else 'B' if s>=80 else 'C' if s>=70 else 'F'

То, что это можно написать, ещё не значит, что так стоит писать. Если условий 3 и больше — лучше использовать if-elif-else. А тернарный оператор стоит оставить для: comprehensions (генераторов списков / коллекций), lambda-выражений, return в одну строку. 👉 @PythonPortal

Компании, которые увольняют программистов и направляют деньги на ИИ выглядят примерно так 👉 @PythonPortal

Хостинг за 199 рублей/месяц. Бесплатные модели AI и навороченные агенты для создания любых веб-приложений, сайтов, интернет-магазинов, телеграмм-ботов. И все это можно оплатить картой РФ. easyapps — сервис созданный инженерами, а не маркетолагами. У сервиса мгновенная техническая поддержка и фриланс, если кому-то хочется чтобы даже вайбкодингом занимались вместо него. Попробовать можно на https://easyapps.click

Пишешь объектно-ориентированный Python? Не путай два базовых типа отношений: 1/ has-a («композиция»). Один объект содержит другой. У Person есть (has-a) name. У Car есть (has-a) color. 2/ is-a («наследование»). Один класс является разновидностью уже существующего. Employee — это (is-a) Person. Car — это (is-a) Vehicle. 👉 @PythonPortal

Лёгковесный автономный AI-агент на Python с поддержкой нескольких моделей и множества инструментов, может заменить Claude Code и работает локально: https://github.com/KevRojo/Dulus Автономный AI-агент, написанный на 12 000 строк Python-кода, с поддержкой 11 провайдеров моделей, между которыми можно переключаться по необходимости, и 27 встроенными инструментами. Поддерживает протокол MCP, горячую загрузку плагинов, параллельную работу саб-агентов, офлайн-голосовой ввод/вывод и интеграцию с Telegram (Telegram-bridge). 👉 @PythonPortal

7 обязательных сложностей алгоритмов (Big-O) для собеседований: 1. 𝐎(1) — 𝐤𝐨𝐧𝐬𝐭𝐚𝐧𝐭𝐧𝐚𝐲𝐚 𝐬𝐥𝐨𝐳𝐡𝐧𝐨𝐬𝐭𝐢 - Время выполнения не зависит от размера входных данных. - Пример: доступ к элементу массива по индексу. 2. 𝐎(𝐥𝐨𝐠 𝐧) — 𝐥𝐨𝐠𝐚𝐫𝐢𝐟𝐦𝐢𝐜𝐡𝐞𝐬𝐤𝐚𝐲𝐚 𝐬𝐥𝐨𝐳𝐡𝐧𝐨𝐬𝐭𝐢 - Время растёт медленно при увеличении входа. Обычно встречается в алгоритмах, которые делят задачу пополам на каждом шаге. - Пример: бинарный поиск в отсортированном массиве. 3. 𝐎(𝐧) — 𝐥𝐢𝐧𝐞𝐲𝐧𝐚𝐲𝐚 𝐬𝐥𝐨𝐳𝐡𝐧𝐨𝐬𝐭𝐢 - Время растёт линейно относительно размера входных данных. - Пример: поиск элемента в массиве перебором. 4. 𝐎(𝐧 𝐥𝐨𝐠 𝐧) — 𝐥𝐢𝐧𝐞𝐲𝐧𝐨-𝐥𝐨𝐠𝐚𝐫𝐢𝐟𝐦𝐢𝐜𝐡𝐞𝐬𝐤𝐚𝐲𝐚 𝐬𝐥𝐨𝐳𝐡𝐧𝐨𝐬𝐭𝐢 - Время растёт чуть быстрее линейного. Обычно включает логарифмическое число операций на каждый элемент. - Пример: сортировка quick sort или merge sort. 5. 𝐎(𝐧^2) — 𝐤𝐯𝐚𝐝𝐫𝐚𝐭𝐢𝐜𝐡𝐞𝐬𝐤𝐚𝐲𝐚 𝐬𝐥𝐨𝐳𝐡𝐧𝐨𝐬𝐭𝐢 - Время растёт пропорционально квадрату входа. -Пример: bubble sort, где происходит сравнение и возможный swap каждой пары элементов. 6. 𝐎(2^𝐧) — 𝐞𝐤𝐬𝐩𝐨𝐧𝐞𝐧𝐭𝐬𝐢𝐚𝐥𝐧𝐚𝐲𝐚 𝐬𝐥𝐨𝐳𝐡𝐧𝐨𝐬𝐭𝐢 - Время удваивается с каждым новым элементом входа. Такие алгоритмы быстро становятся непригодными для больших данных. - Пример: генерация всех подмножеств множества. 7. 𝐎(𝐧!) — 𝐟𝐚𝐤𝐭𝐨𝐫𝐢𝐚𝐥𝐧𝐚𝐲𝐚 𝐬𝐥𝐨𝐳𝐡𝐧𝐨𝐬𝐭𝐢 - Время пропорционально факториалу размера входа. - Пример: генерация всех перестановок множества. 👉 @PythonPortal