Библиотека задач по Python | тесты, код, задания

❓ Может ли finally изменить возвращаемый список? Python 3.13. Что выведет код?

def build():
    result = [1]
    try:
        return result
    finally:
        result.append(2)

print(build())

👾 — [1] 👍 — None 🥰 — [1, 2] ⚡️ — Ошибка: после return код не выполняется Ответ: 🥰 — [1, 2]. return выбирает объект, который нужно вернуть, но до фактического выхода из функции выполняется finally. Он изменяет тот же список, поэтому вызывающий код получает [1, 2]. Нового списка здесь не создаётся, и значение return не заменяется. Правило в документации Python 🐸 Библиотека задач по Python

📌 Один курс — хорошее вложение в себя. Два по той же цене — ещё лучше. В Proglib Academy действует акция: покупаешь один курс, а второй получаешь в подарок. Например, можно совместить два направления по работе с ИИ:

💥 ИИ для разработчиков — применение нейросетей в повседневной разработке: работа с кодом, тестирование и ревью. 💥 Разработка ИИ-агентов — архитектура агентов и создание собственных AI-решений.

📍 Разница в цене — почти 50 тысяч рублей. Можно освоить больше, не выходя за рамки запланированного бюджета. А если тебе интереснее Python, алгоритмы, backend или DevOps — выбирай другую пару курсов из каталога. Акция действует до 31 октября включительно ⏳ ⏮️ Пора прокачать свой стек

❓ Сработает ли match, если в словаре есть лишние ключи? Python 3.13. Что выведет код?

payload = {"kind": "ping", "debug": True}

match payload:
    case {"kind": kind}:
        print(kind)
    case _:
        print("no match")

👾 — no match 👍 — ping 🥰 — Ошибка из-за ключа debug ⚡️ — Ошибка: kind должен быть объявлен заранее Ответ: 👍 — ping. Шаблон словаря требует наличия указанных ключей, но не запрещает дополнительные. Ключ kind найден, а его значение связывается с переменной kind. Ключ debug совпадению не мешает. Чтобы собрать остальные пары, можно добавить в шаблон захват остатка словаря. Правило в документации Python 🐸 Библиотека задач по Python

❓ Когда генератор выбирает источник, а когда проверяет условие? Python 3.13. Что выведет код?

source = [1, 2, 3]
limit = 1

selected = (x for x in source if x > limit)

source = [9]
limit = 2

print(list(selected))

👾 — [2, 3] 👍 — [9] 🥰 — [] ⚡️ — [3] Ответ: ⚡️ — [3]. Для самого левого for генераторного выражения источник и его итератор выбираются при создании генератора. Поэтому переназначение source не переключает selected на список [9]. Условие x > limit проверяется во время обхода, когда limit уже равен 2. Из исходного списка проходит только 3. Правило в документации Python 🐸 Библиотека задач по Python

❓ Создаст ли defaultdict новый ключ при вызове get? Python 3.13. Что выведет код?

from collections import defaultdict

groups = defaultdict(list)

print(groups.get("new"), len(groups))

groups["new"].append(1)

print(groups["new"], len(groups))

👾 — None 0, затем [1] 1 👍 — [] 1, затем [1] 1 🥰 — None 1, затем [1] 1 ⚡️ — KeyError Ответ: 👾 — None 0, затем [1] 1. get работает как у обычного dict: без указанного значения по умолчанию возвращает None и ничего не вставляет. Фабрика list вызывается при обращении к отсутствующему ключу через квадратные скобки. Тогда создаётся список, в который append добавляет 1. Правило в документации Python 🐸 Библиотека задач по Python

😎 Выбираешь один курс, второй получаешь бесплатно. Баг? Нет, акция! До 31 октября в Proglib Academy можно выбрать два курса и заплатить только за один. Например, можно совместить:

💥 ИИ для разработчиков — применение нейросетей в повседневной разработке: работа с кодом, тестирование и ревью. 💥 Разработка ИИ-агентов — архитектура агентов и создание собственных AI-решений.

Вместе курсы стоят 108 000 ₽, но по акции оба обойдутся в 59 000 ₽. Экономия — 49 000 ₽ 🔥 Интересуют Python и ИИ или алгоритмы и архитектура? Можно выбрать любые два курса из каталога. Акция действует до 31 октября включительно ⏳ ⏬ Собрать свой учебный билд

❓ Изменится ли список внутри кортежа, если += завершится ошибкой? Python 3.13. Что выведет код?

items = ([1],)

try:
    items[0] += [2]
except TypeError:
    print("TypeError")

print(items)

👾 — TypeError, затем ([1],) 👍 — ([1, 2],), без ошибки 🥰 — TypeError, затем ([1, 2],) ⚡️ — TypeError, затем пустой кортеж Ответ: 🥰 — TypeError, затем ([1, 2],). Сначала += изменяет сам список, добавляя 2. Затем Python пытается записать результат обратно в items[0]. Кортеж не поддерживает такое присваивание, поэтому возникает TypeError. Уже выполненное изменение списка не откатывается. Правило в документации Python 🐸 Библиотека задач по Python

Два tee-итератора: сколько раз вызван исходный генератор? Сколько строк, начинающихся с source, выведет код на карточке? 👾 Одну 👍 Две 🥰 Три ⚡️ Вместо вывода будет RuntimeError Ответ: Две: source 0 и source 1. Итератор a уже получил оба значения, а первый next(b) берёт ноль из сохранённых данных, не вызывая генератор снова. tee может удерживать значительный буфер, если один потребитель сильно опережает другой. Ленивость не гарантирует постоянный расход памяти. Возвращённые одной tee итераторы также не потокобезопасны. Как работает itertools.tee

☔️ Планы на выходные снова испортила погода? У нас есть план получше. Выходные — хороший повод заняться тем, на что вечно не хватает времени. Например, освоить новый навык или углубиться в знакомую тему. 📍 В Proglib Academy покупаешь один курс, а второй получаешь в подарок. Платишь только за один! Вот несколько сочетаний: 💥 ⁠Разработка ИИ-агентов + ⁠Python 💥 ⁠Machine Learning + ⁠Математика для Data Science Можно выбрать и другие курсы — под свои интересы и цели. ⏳ Акция действует до 18 октября. ➡️ ⁠Выбрать курсы и оставить заявку

👀 Как вы смотрите видео? Разбираете урок, слушаете интервью фоном или начинаете на телефоне, а продолжаете на большом экране? Хотим узнать, что делает просмотр удобным для вас. Вспомните последнее видео — ролик, урок, фильм или серию сериала — и расскажите о своём опыте. Если детали не запомнились, можно так и ответить. 🕰️ Опрос займёт около 3 минут. В результатах сможете сравнить свои привычки с ответами других участников. А разработчики и инженеры видеоплатформы расскажут, что происходит по ту сторону экрана, пока вы смотрите видео. 🔗 Поделиться опытом 🐸 Библиотека программиста

zip(strict=True): ошибка до первого результата или после? Что напечатает код на карточке? Параметр strict доступен с Python 3.10. 👾 Только ValueError 👍 Сначала (1, 10), затем ValueError 🥰 Две пары, вторая с None ⚡️ Ничего Ответ: Сначала (1, 10), затем ValueError. zip ленивый: первая пара уже выдана, когда на втором next обнаруживается разная длина. strict не делает обработку транзакцией и не откатывает побочные эффекты, которые вы выполнили для предыдущих пар. Если нужна проверка до обработки, продумайте её отдельно с учётом природы входных итераторов. Контракт zip

Как в FastAPI (SQLAlchemy 2.0 async) корректно обеспечить «сеанс на запрос» с авто-rollback при исключении и гарантированным закрытием соединения? 👾 — Создать один глобальный AsyncSession и шарить его между хэндлерами 👍 — Использовать зависимость с yield 🥰 — Открывать/закрывать сессию вручную в каждом хэндлере try/except ⚡️ — Класть сессию в app.state на старте приложения и переиспользовать Библиотека задач по Python

😭 Как не потратить недельный лимит AI-кодинга за три дня? Разберём на вебинаре, как тратить меньше на AI-агентов — без потери качества кода. 🔘 Поговорим о том: — когда дорогая модель действительно нужна, а когда хватит дешёвой; — сколько стоит один прогон и куда уходят токены; — какие задачи можно отдавать субагентам; — как настроить маршрутизацию моделей; — что проверять в AI-коде перед merge. ✏️ Покажем всё на конкретных цифрах и вживую: сравним расходы до и после. ⬇️ 18 сентября, 19:00 МСК ⬇️ 1,5 часа · бесплатно ⬇️ Арсений Харланов и Олег Лайок 💬 Пишите в комментариях, где упираетесь в лимиты и на что уходят деньги. Самые залайканные вопросы разберём на вебинаре. 🔗 Зарегистрироваться на вебинар⁠

Сервис создаёт миллионы однотипных небольших объектов (несколько фиксированных полей). Память растёт, GC давит. Что изменить в моделях, чтобы существенно снизить footprint и ускорить доступ к атрибутам? 👾 — Отключить GC через gc.disable() 👍 — Хранить данные в dict вместо объектов 🥰 — Использовать slots или @dataclass(slots=True) для моделей ⚡️ — Увеличить sys.setrecursionlimit() Библиотека задач по Python

👅 Самое сложное — выбрать не курс, а направление Сегодня хочется разобраться в AI-агентах. Через пару недель появляется задача, где нужны алгоритмы. Потом понимаешь, что неплохо бы освежить Python или математику для Data Science. 🔜 Именно поэтому подписка на обучение многим оказывается удобнее отдельных курсов. Можно спокойно переключаться между темами, когда меняются задачи, а не покупать новую программу каждый раз.

В подписку Proglib Academy входят все основные направления — AI, ML, Python, алгоритмы, математика для DS и другие курсы, а ещё закрытый видеохаб с вебинарами практиков.

Начать можно с пробного месяца. Если решите остаться, его стоимость зачтётся при оформлении подписки 😎 🔗 Узнать подробнее 🏃‍♀️ Proglib Academy

Покупать новый курс каждый раз, когда меняется рабочая задача, — довольно странная механика. Нашли альтернативу 👇

Какое утверждение о системе зависимостей FastAPI корректно при использовании Depends, BackgroundTasks и ContextVar в асинхронном контексте? 👾 — Все зависимости в FastAPI создаются один раз при запуске приложения и переиспользуются между запросами, если они объявлены через Depends 👍 — Использование ContextVar внутри зависимости гарантирует корректное изолированное состояние на каждый HTTP-запрос, даже при высокой степени параллелизма 🥰 — BackgroundTasks могут быть объявлены внутри зависимости, но они не будут выполнены, если не проброшены явно в APIRouter ⚡️ — Асинхронные зависимости с yield (context managers) поддерживаются FastAPI только при использовании Python 3.12 и выше Библиотека задач по Python

🎯 У разработчика, DevOps-инженера и техлида разные причины задуматься о системной работе с AI-агентами Но цель одна: перейти от случайных удачных запусков к управляемому процессу на реальном проекте — с понятными правилами, ревью, контролем расходов и безопасности ✔️ На курсе «ИИ для разработчиков» участники выстраивают такой процесс на практике: подключают инструменты, задают границы для агента и учатся понимать, где ему можно доверять работу, а где требуется проверка. ⚡️ Предзапись на осенний поток уже открыта 🏃‍♀️ Proglib Academy

Разработчику нужен стабильный результат, DevOps — контроль инфраструктуры, техлиду — правила для всей команды. Собрали это в одном посте 👇

Uvicorn/FastAPI-сервис использует asyncio и сторонние библиотеки, под капотом создающие потоки. Для CPU-bound задач вы подключили multiprocessing, но периодически ловите подвисания/краши при старте воркеров. Какой способ старта процессов корректнее выбрать? 👾 — fork — самый быстрый, поэтому всегда лучший выбор на Linux 👍 — spawn — запуск чистого интерпретатора, безопасен при наличии потоков/мьютексов у родителя 🥰 — forkserver — ничего не меняет относительно потоков, просто сложнее ⚡️ — Любой — способы эквивалентны на Linux Библиотека задач по Python