Pythoner

Запустите рекламу в телеграм-каналах с Яндекс Директом Перфоманс-реклама теперь в телеграм-каналах ⚡ Яндекс Директ знает, как привлечь целевую аудиторию 💰👌 Попробовать #реклама yandex.ru О рекламодателе

✈️Когда мы открываем Яндекс.Карты, Google Maps или сервис доставки еды — за кулисами всегда работает геокодинг. Приложение должно понять: - Где находится пользователь - Как далеко курьер от адреса - Какие ближайшие отели или кафе показать Всё это можно сделать прямо из Python с помощью библиотеки Geopy. ➡️ Что умеет Geopy: - Геокодинг — превращает адрес в координаты («Москва, Красная площадь» → 55.7539, 37.6208) - Обратный геокодинг — по координатам даёт адрес (55.7539, 37.6208 → «Красная площадь, Москва, Россия») - Расстояния — считает путь между точками (в км, милях, морских милях) - Поддержка разных сервисов: OpenStreetMap (Nominatim), Google, Яндекс, Bing, ArcGIS и др. ➡️Примеры:

from geopy.geocoders import Nominatim
from geopy.distance import geodesic

# Инициализация геокодера
geo = Nominatim(user_agent="geo_app")

# 1️⃣ Адрес → координаты
moscow = geo.geocode("Москва, Красная площадь")
print("Москва:", moscow.latitude, moscow.longitude)

# 2️⃣ Координаты → адрес
place = geo.reverse("55.7539, 37.6208")
print("Адрес:", place.address)

# 3️⃣ Расстояние Москва–СПб
p1 = (moscow.latitude, moscow.longitude)
p2 = (59.9343, 30.3351)  # Санкт-Петербург
print("Расстояние:", geodesic(p1, p2).km, "км")

🔫Результат:

Москва: 55.7539, 37.6208
Адрес: Красная площадь, Москва, Россия
Расстояние: ~634 км 🚄

➡️ Где пригодится Geopy: - Логистика: рассчитывать маршруты доставки - Аналитика: строить тепловые карты заказов - Travel-сервисы: находить ближайшие отели или достопримечательности - Стартапы: от «поиска ближайшей кофейни» до «глобального трекера велосипедов» 💡Заключение Geopy делает Python ближе к реальному миру. С его помощью можно писать приложения, которые не просто что-то считают, а реально «понимают» где находится человек, бизнес или объект. 🐍 Pythoner

✈️В Python можно сразу присвоить значения нескольким переменным в одной строке. Это удобно и делает код короче.

x, y, z = 1, 2, 3
print(x, y, z)  # 1 2 3

➡️Можно использовать для обмена значениями без временной переменной:

a, b = 5, 10
a, b = b, a
print(a, b)  # 10 5

💡 Это стандартный приём в Python, который экономит строки и делает код читаемым. 🐍 Pythoner

✈️Global Interpreter Lock (GIL) — это механизм в CPython, который ограничивает выполнение Python-кода одним потоком за раз, даже на многопроцессорных системах. ➡️Зачем нужен GIL? Он предотвращает проблемы с управлением памятью и упрощает работу интерпретатора. Однако из-за него многопоточные программы не могут эффективно использовать несколько ядер процессора. ➡️Когда GIL мешает? - В CPU-интенсивных задачах (например, обработка данных, вычисления) многопоточность не дает прироста производительности. - В I/O-интенсивных задачах (сетевые запросы, работа с файлами) GIL почти не влияет, так как потоки могут освобождать блокировку во время ожидания операций ввода-вывода. 💡Решение: Если нужна настоящая параллельность, используйте многопроцессорность (multiprocessing), которая запускает отдельные процессы без GIL, или попробуйте альтернативные реализации Python, такие как Jython или PyPy. 🐍 Pythoner

Если честно, меня бесят каналы, где непонятно кто учит программированию. На деле там копипаста с первой страницы гугла, которая грузит мозги. Но есть и исключения. Например, канал @devsp. Его автор — ведущий разраб в области искусственного интеллекта. На минуточку, он приложил руку к самым нашумевшим нейронкам — Claude, Chat GPT и DeepSeek. А теперь представьте, что мастодонт такого уровня ЛИЧНО делится внутрянкой своей работы и объясняет сложные концепции так, что поймёт даже отсталый двоечник. Вещает про Data Science и машинное обучение с упором на практику (которой даже в платных курсах сильно не хватает). Короче, если хотите быстро и без проблем расти в профессии — обязательно подпишитесь. Редко где найдешь такой баланс теории, подачи и практики: @devsp

✈️UScrapper — это относительно новая библиотека Python, созданная для упрощения веб-скрапинга. Она предоставляет высокоуровневый интерфейс для извлечения данных с веб-страниц без необходимости писать много кода. ➡️UScrapper особенно полезен для начинающих разработчиков и для тех, кто хочет быстро получить структурированные данные без глубокого погружения в детали HTML, CSS-селекторов или XPath. ➡️Пример извлечение таблиц со страницы:

from uscrapper import extract_tables

url = "https://en.wikipedia.org/wiki/List_of_countries_by_population"
tables = extract_tables(url)

# Первые 5 строк первой таблицы
print(tables[0].head())

💡Заключение Инструмент оснащен передовыми модулями обхода анти-парсинга и поддерживает технологии для извлечения информации из всех ссылок в пределах одного домена. Кроме того, в программе предусмотрена возможность создания отчета, содержащего все извлеченные данные. 🐍 Pythoner

✈️Метод getitem позволяет обращаться к объектам класса по индексу или ключу, как к спискам или словарям. ➡️Пример:

class CustomList:
    def init(self, data):
        self.data = data

    def getitem(self, index):
        return self.data[index]  # Позволяет использовать obj[index]

nums = CustomList([10, 20, 30])
print(nums[1])  # 20

➡️Зачем нужен: - Позволяет настроить доступ к элементам объекта. - Делает объекты итерируемыми (например, в for-циклах). - Помогает создавать свои структуры данных, работающие как списки или словари. 💡Заключение getitem делает объекты гибкими и удобными в использовании, улучшая читаемость кода! 🐍 Pythoner

🤔Разбор Разбор кода по шагам: s = "python" 1. s[1:5:2] Формат среза: [start:stop:step] start = 1, stop = 5 (не включительно), step = 2 Берём символы с индексами 1 и 3: s[1] = 'y' s[3] = 'h' Результат: 'yh' 2. s[::-1] Шаг -1 → идём с конца к началу → переворачиваем строку полностью 'python' → 'nohtyp' Результат: 'nohtyp' 3. s[::3] Шаг 3, start и stop не указаны → берём от начала до конца, каждый 3-й символ Индексы, которые берём: 0, 3 s[0] = 'p' s[3] = 'h' Результат: 'ph' Итоговый вывод: 'yh', 'nohtyp', 'ph' 🐍 Pythoner

✈️Когда работаешь с большими массивами данных, производительность кода становится критически важной. Рассмотрим, как можно ускорить обработку данных, используя библиотеку NumPy вместо стандартных циклов Python. ➡️Проблема: медленные циклы Допустим, у нас есть список чисел, и мы хотим возвести каждое число в квадрат:

data = list(range(1_000_000))
squared = [x**2 for x in data]  # Медленно!

🔫Этот код работает, но на больших объемах данных циклы Python работают неэффективно, что может значительно замедлить выполнение программы. ➡️Решение: NumPy Используем библиотеку NumPy, которая оптимизирована для работы с массивами:

import numpy as np

data_np = np.arange(1_000_000)
squared_np = data_np ** 2  # В десятки 

🔫NumPy использует векторизацию, что позволяет выполнять операции над целыми массивами данных за одно обращение, значительно ускоряя вычисления. 💡Заключение Если ваш код обрабатывает большие объемы данных, замена циклов Python на операции с NumPy может ускорить выполнение в 10–100 раз! Это особенно важно в научных вычислениях, анализе данных и машинном обучении, где скорость обработки данных критична. 🐍 Pythoner

Тариф, с которым хватит на всё 50 ГБ и безлимитные минуты за 390 ₽ в месяц, если перенесете номер в Т-Мобайл до 30 сентября Узнать больше #реклама tbank.ru О рекламодателе

✈️По умолчанию атрибуты хранятся в словаре dict, но этот подход неэффективен по памяти, особенно если создаётся много однотипных объектов. slots ограничивает список атрибутов у экземпляров класса, экономя память за счет отказа от dict. ➡️Обычный класс без slots:

class Person:
    def init(self, name, age):
        self.name = name
        self.age = age

p = Person("Alice", 25)
p.city = "New York"  # Можно добавить новый атрибут

➡️Класс с slots:

class Person:
    slots = ("name", "age")  # Разрешены только эти атрибуты

    def init(self, name, age):
        self.name = name
        self.age = age

p = Person("Alice", 25)
p.city = "New York"  # ❌ AttributeError: 'Person' object has no attribute 'city'

💡Плюсы slots - Экономит память (не создается dict) - Ускоряет доступ к атрибутам - Предотвращает создание лишних атрибутов 🐍 Pythoner

Гайд для РОПов по проведению эффективных вебинаров Как руководителям отделов продаж увеличить количество успешных сделок при том же объеме лидов с помощью вебинаров? Гайд от МТС Линк по обучающим вебинарам для отделов продаж. ✅ В гайде: - Как эффективнее прокачивать скиллы менеджеров и закрывать больше сделок за меньшие сроки; - Как организовать тренинг так, чтобы участники действительно подключились и дошли до финального модуля; - Как выявить слабого менеджера и улучшить его показатели; - Как сэкономить время на организации вебинара и пригласить всех участников в 2 клика. Бонус внутри: 5 прикладных советов по контролю внимания участников во время вебинара ✨ Скачайте гайд бесплатно по ссылке Скачать #реклама 16+ mts-link.ru О рекламодателе

✈️Хочешь, чтобы твой скрипт принимал параметры из командной строки? В Python для этого есть встроенный инструмент — argparse. ➡️Пример:

import argparse

parser = argparse.ArgumentParser()
parser.add_argument('--name', required=True, help='Имя пользователя')
parser.add_argument('--age', type=int, help='Возраст')

args = parser.parse_args()
print(f"Привет, {args.name}! Тебе {args.age} лет.")

🔫Как работает Запускаем в терминале:

python script.py --name Алиса --age 25

Вывод:

Привет, Алиса! Тебе 25 лет.

💡Зачем это нужно? - Удобно передавать параметры - Можно добавлять флаги, типы, help-сообщения - Работает из коробки — без установки сторонних библиотек 🐍 Pythoner

Ищу желающих выполнять задачи с помощью ИИ! Работа полностью на удаленке с зп до 150 000 рублей в месяц. Без опыта, нужен только телефон, занятость 3-6 часов в день. Всему обучат на бесплатном курсе и после возьму на работу: ✅ 3 дня уроков по 30 минут ✅ Домашки с проверкой и оплатой бонусами ✅ Плачу 10 тыс за каждую выполненную домашку Все кто пройдет курс, получат сертификат от школы с образовательной лицензией. ⚡ Набор заканчивается завтра. 👍 Для регистрации жмите кнопку "Зарегистрироваться": Зарегистрироваться #реклама 16+ ganstaagency.com О рекламодателе

🤔Разбор В Python аргументы по умолчанию вычисляются один раз при определении функции, а не при каждом вызове. Когда мы вызываем func(1) → список y создаётся один раз и сохраняется. В него добавляется 1. Результат: [1]. При вызове func(2) используется тот же самый список, в который уже добавлена 1. Теперь добавляется 2. Результат: [1, 2]. При вызове func(3, []) мы передаём новый пустой список вместо значения по умолчанию. В него добавляется 3. Результат: [3]. При вызове func(4) снова используется старый общий список, где уже [1, 2]. Добавляется 4. Результат: [1, 2, 4]. 🐍 Pythoner

Скидки до 20% на чистоту и порядок ✨ Средства для стирки ✨ Средства для посуды ✨ Средства для уборки ✨ И многое другое Купить #реклама market.yandex.ru О рекламодателе