Python Hub - сборище Питонистов

Разбор 😨 Список nums = [1, 2, 3, 4, 5] В генераторе [x**2 for x in nums if x % 2 == 0]: берём только те x, которые делятся на 2 (чётные) это 2 и 4 возводим их в квадрат: 2**2 = 4, 4**2 = 16 Результат: [4, 16] ✅

🎙Познаем новые библиотеки 🚀 Memray — мощный профайлер памяти для Python от Bloomberg Работаете с тяжёлыми Python-приложениями, где «утекает» память или внезапно проседает производительность? На помощь приходит Memray — один из самых продвинутых инструментов для анализа использования памяти. 🔍 Что умеет Memray: - Отслеживает каждую функцию и весь стек вызовов - Видит не только Python-код, но и нативные вызовы C/C++ - Минимальные накладные расходы на профилирование - Наглядные отчёты: flame graph, таблицы, деревья, live-мониторинг - Поддержка Python-потоков и нативных потоков 🧩 Зачем использовать: - Поиск утечек памяти - Анализ «почему приложение ест больше, чем нужно» - Поиск горячих точек по выделению памяти ⚡ Пример использования:

# Запускаем приложение под профайлером python3 -m memray run -o output.bin my_script.py

# Строим flame graph python3 -m memray flamegraph output.bin

👉 Результат — HTML-отчёт, который можно открыть в браузере. 📦 Установка:

pip install memray

⚠️(Работает на Linux и macOS, Python 3.7+) https://github.com/bloomberg/memray 💡 Если у вас были «битвы» с утечками памяти — попробуйте Memray. Его уже используют в Bloomberg и крупных open-source проектах.

Гоу смотреть и пользоваться)) https://youtu.be/uilxCnR-AaM

👋 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' Совет подписчикам: внимательно проверяйте индексы при срезах и шагах — это частая ловушка!

🔍 Разбор задачи В Python аргументы по умолчанию вычисляются один раз при определении функции, а не при каждом вызове.

def func(x, y=[]):
    y.append(x)
    return y

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]. 👉 Итог: код выведет [1], [1, 2], [3], [1, 2, 4] ✅

Кто еще не трогал курсор?🙂 Гоу смотреть и разбираться, гайд вполне подрбный, если чего не хватило - пишите p.s. лайки приветствуются😌 https://youtu.be/P0At8Vsq3MA

🔥Может есть еще те, кто пишет что-то на Tkinter. 😋Тут либа, которая позволяет создавать GUI без кода абсолютно. Для быстрых проектов с упором не на дизайн, а на логику отлично пойдет https://youtu.be/ms7t38s8xh4

🔥Разбираемcя, как делать ИИ агентов на Python. 😋Подключили память, поработали с tools (тулами) p.s. интересны еще фреймворки для создания ии агентов? и как относитесь к no-code платформама для таких задач? (типа n8n) https://youtu.be/POXkoN2CSuE

Данные парсеры были протестированы на русском, английском и даже китайском языках)) https://youtu.be/X-FZbR0EQnA?si=wjb3UrJI71hAAhgP

Для тех, кто любит что-то необычное и извращенное. https://youtu.be/dK41tDOzq9g?si=1F8UjOM-4RlKvPiP