Уже доступно! Исследование Telegram 2025 — ключевые инсайты года 
Python: задачки и вопросы
Открыть в Telegram
Вопросы и задачки для подготовки к собеседованиям и прокачки навыков Разместить рекламу: @tproger_sales_bot Правила общения: https://tprg.ru/rules Другие каналы: @tproger_channels Другие наши проекты: https://tprg.ru/media
Больше7 132
Подписчики
-124 часа
+77 дней
Нет данных30 день
Архив постов
Марк Лутц, «Изучаем Python», том 2, гл. 32:
«Но обратите внимание, что происходит, когда мы изменяем атрибут класса динамически за пределами оператора class: в итоге также изменяется атрибут в каждом объекте, унаследованном от класса. Кроме того, новые экземпляры, созданные из класса в течение текущего сеанса или запуска программы, также получают динамически установленное значение
независимо от того, что указано в исходном коде класса.
...
Это полезная возможность или опасная ловушка? Судить вам. ... вы можете сделать работу за счет изменения атрибутов класса даже без создания одиночного экземпляра — методика, с помощью которой удастся эмулировать использование “записей” или “структур” в других языках. ...
class X: pass # Создать несколько пространств имен атрибутов
class Y: pass
X.а = 1 # Использовать атрибуты классов как переменные
X.b = 2 # Какие-либо экземпляры отсутствуют
X.с = 3
Y.a = X.а + X.b + X.с
for X.i in range (Y.a): print(X.i)
Код выведет:
1
2
3
4
5
Здесь классы X и Y работают подобно модулям «без файлов» — пространствам имен для хранения переменных, которые не должны конфликтовать. Это вполне законный трюк в программировании на Python, но он менее уместен, когда применяется к классам, реализованным другими; вы не всегда можете быть уверены в том, что изменяемые атрибуты отдельного класса не являются критически важными для его внутреннего поведения».
Марк Лутц, «Изучаем Python», том 2, гл. 32:
«Код вызовет ошибку:
TypeError: __init__() takes 2 positional arguments but 3 were given
Ошибка типа: __init__() принимает 2 позиционных аргумента, но было предоставлено 3.
Проблема связана с тем, что вызов super в Chef не обращается к своему суперклассу Employee, но взамен делает обращение к родственному классу того же уровня и следующему в MRO, т.е. Server. Поскольку конструктор родственного класса имеет список аргументов, отличающийся от списка аргументов в конструкторе настоящего суперкласса, который ожидает только self и name, код перестает работать».
Но обратите внимание, что происходит, когда мы изменяем атрибут класса динамически за пределами оператора class: в итоге также изменяется атрибут в каждом объекте, унаследованном от класса. Кроме того, новые экземпляры, созданные из класса в течение текущего сеанса или запуска программы, также получают динамически установленное значение
независимо от того, что указано в исходном коде класса.
...
Это полезная возможность или опасная ловушка? Судить вам. Как было показано
в главе 27, фактически вы можете сделать работу за счет изменения атрибутов класса
даже без создания одиночного экземпляра — методика, с помощью которой удастся эмулировать
использование “записей” или “структур” в других языках. В качестве напоминания
взгляните на следующую необычную, но допустимую программу на Python:
class X: pass # Создать несколько пространств имен атрибутов
class Y: pass
X.а = 1 # Использовать атрибуты классов как переменные
X.b = 2 # Какие-либо экземпляры отсутствуют
X.с = 3
Y.a = X.а + X.b + X.с
for X.i in range (Y.a): print(X.i)
Код выведет:
1
Из документации Pandas:
«В зависимости от результата операции мутация одного объекта может случайно привести к мутации другого:
df = pd.DataFrame({"foo": [1, 2, 3], "bar": [4, 5, 6]})
subset = df["foo"]
subset.iloc[0] = 100
df
В консоль выведется:
foo bar
0 100 4
1 2 5
2 3 6
Изменение подмножества, например, обновление его значений, также приводит к обновлению df. Точное поведение сложно предсказать. Copy-on-Write решает проблему случайного изменения более одного объекта, явно запрещая это. При включённом CoW df не изменяется».
Режим copy_on_write означает "копирование при записи". Это оптимизация, которая позволяет pandas не создавать копии данных сразу при создании view или slice, а только тогда, когда данные действительно изменяются. Это значительно экономит память, особенно при работе с большими наборами данных и цепочками операций. Это дефолтное поведение для Pandas версии 3.0+.
Этот код исполнится, поскольку Serializer — это так называемый миксин (Mixin — англ. «примесь»).
Самый доступное объяснение этой концепции можно посмотреть на этом англоязычном видео.
Марк Лутц, «Изучаем Python», том 2, гл. 32:
«В данном случае ветви дерева суперклассов разъединены (у них отсутствует явный общий предок), так что подклассы, которые их комбинируют, должны делать вызовы через каждый суперкласс по имени — распространенная ситуация с большинством существующего кода на Python, которую super не может решить напрямую без внесения изменений в код».
class В:
def __init__(self): print("B.__init__")
class С:
def __init__(self): print("C.__init__")
class D(В, С):
pass
x = D() # По умолчанию выполняется только крайний слева
Из документации Python:
«@classmethod преобразует метод в метод класса, что получает класс в качестве неявного первого аргумента, точно так же, как метод экземпляра получает экземпляр».
В данном случае преимущества такие:
- Гибкость - разные способы создания объектов
- Читаемость - from_string явно показывает источник
- Наследование - если создать подкласс, cls автоматически будет указывать на него
