About Python [ru]

⚙️ Что такое logging в Python? logging — это встроенный модуль Python для создания логов, которые помогают отлаживать и мониторить работу приложений. ➡️ Пример:

import logging

# Настройка базового уровня логирования
logging.basicConfig(level=logging.INFO)

# Создание лога
logging.info("Приложение запущено")
logging.warning("Это предупреждение!")
logging.error("Произошла ошибка")

🗣️ В этом примере модуль logging создаёт сообщения разного уровня важности. Логирование позволяет отслеживать работу приложений и находить проблемы в коде.

🖥 Подробнее тут

👩‍💻 Как написать Raft на чистом Python: основы Статья объясняет основы реализации алгоритма Raft на Python. Рассматриваются механизмы выбора лидера, репликации данных и обеспечения согласованности для стабильной работы распределённых систем. Читать...

📈 Подборка статей для вашей карьеры • Как растут data science-инженеры и что советуют синьоры, чтобы развиваться быстрее • Как пройти стажировку бизнес- и системного аналитика и не «сгореть» в персональной преисподней • Карьерный рост из senior: кто такой staff-инженер? • Что лучше — оценка рекрутера или подбрасывание монетки? • Мотивационные стили в обучении: почему вам (возможно) не нужны цели или общение с одногруппниками

📝 Подборка вакансий для сеньоров Senior Python developer • Python, Kubernetes, SQLAlchemy, Docker, Bash, RedHat JBOSS AMQ • Уровень дохода не указан | 5+ лет Senior DevOps Engineer • Git, Python, Linux, Kubernetes, Docker, CI/CD, Java, Terraform, Apache Kafka • от 350 000 ₽ | 3+ года Ведущий автотестировщик Python, Selenium • Python, Selenium, pytest, GitLab CI, REST API, SQL • Уровень дохода не указан | 3–4 года

👩‍💻 Большой гайд по миграциям в Django: готовимся к миграциям и избегаем конфликтов Статья посвящена работе с миграциями в Django. Рассматриваются их назначение, настройка, предотвращение конфликтов, управление историей миграций и поддержание её чистоты, с практическими примерами. Читать...

👩‍💻 no-code (hub.ultralytics.com) в связке с Yandex DataSphere Статья рассматривает no-code и low-code платформы для обучения нейросетей. Особое внимание уделяется платформе Ultralytics Hub, её возможностям обучения Yolo-моделей и использованию ресурсов Yandex DataSphere. Читать...

👩‍💻 Поиск второго наибольшего числа в списке Напишите функцию, которая принимает список чисел и возвращает второе наибольшее число. Если такого числа нет (например, все элементы одинаковые или список содержит менее двух элементов), функция должна возвращать None. Пример:

print(second_largest([4, 1, 7, 3, 9, 7]))  # Ожидаемый результат: 7
print(second_largest([10, 10, 10]))         # Ожидаемый результат: None
print(second_largest([5]))                  # Ожидаемый результат: None

Решение задачи🔽

def second_largest(numbers): unique_numbers = list(set(numbers)) if len(unique_numbers) < 2: return None unique_numbers.sort(reverse=True) return unique_numbers[1] # Пример использования: print(second_largest([4, 1, 7, 3, 9, 7])) # Ожидаемый результат: 7 print(second_largest([10, 10, 10])) # Ожидаемый результат: None print(second_largest([5])) # Ожидаемый результат: None

👩‍💻 Создание блога на FastAPI с нуля: JWT, Markdown и современный веб-дизайн В этой статье мы создадим полноценный мини-блог на FastAPI с нуля, используя современные технологии веб-разработки. Вы узнаете, как реализовать JWT-аутентификацию, работать с Markdown и создать привлекательный пользовательский интерфейс. Читать...

📝 Подборка вакансий для мидлов Python разработчик • Python, Django, Celery, Redis, Memcache, PostgreSQL, Docker • от 200 000 до 300 000 ₽ | 3+ года Инженер DevOps • Linux, Docker, Python, Bash, Git, Grafana, Kubernetes • от 300 000 до 370 000 ₽ | 3+ года Machine Learning Engineer / Media AI Agents • Python, PyTorch, TensorFlow, Hugging Face, Docker, RESTful API, Pandas • от 2 500 до 5 000 $ | 3+ года

⚙️ Что такое asyncio в Python и как оно используется для асинхронного программирования? asyncio — это стандартная библиотека Python, предоставляющая инструменты для асинхронного программирования, таких как задачи (tasks), корутины (coroutines) и управление циклами событий (event loops). Она позволяет выполнять множество операций ввода-вывода (например, сетевые запросы) параллельно, не блокируя основной поток. ➡️ Пример:

import asyncio

async def fetch_data(delay, name):
    print(f"Начинаем получение данных {name}")
    await asyncio.sleep(delay)  # Асинхронная задержка
    print(f"Завершено получение данных {name}")

async def main():
    # Запускаем несколько задач параллельно
    await asyncio.gather(
        fetch_data(2, "A"),
        fetch_data(1, "B"),
        fetch_data(3, "C"),
    )

# Запуск цикла событий
asyncio.run(main())

🗣️ В этом примере asyncio.gather запускает три асинхронные задачи одновременно, позволяя эффективно использовать время ожидания ввода-вывода. asyncio полезен для построения сетевых приложений, ботов и других асинхронных систем.

🖥 Подробнее тут

➡️ Чистый код в Python Статья посвящена основам написания чистого кода на Python. Она рассматривает преимущества, стандарты и принципы чистого кода, а также содержит рекомендации, полезные для начинающих разработчиков, стремящихся улучшить качество своего кода. Читать...

🔎 Подборка вакансий для джунов Junior/Middle Python Developer 🟢Python, FastAPI, Flask, Django, Docker, MySQL, PostgreSQL, Celery, Redis, RabbitMQ 🟢до 800 $ | 1–3 года Младший специалист отдела разработки (Python) / Специалист по парсингу данных 🟢Python, Django, Celery, PostgreSQL, Linux, HTML, CSS, Redis, HTTP 🟢от 70 000 ₽ | 1–3 года Младший backend-разработчик 🟢Python, Java, C#, PHP, JavaScript, SQL, HTTP, REST, Git, Docker 🟢от 80 000 до 120 000 ₽ | Без опыта

👩‍💻 Обработка CSV-файла и вычисление среднего значения Напишите функцию, которая принимает путь к CSV-файлу и имя столбца. Функция должна прочитать файл, извлечь значения из указанного столбца и вычислить среднее значение этих чисел. Функция должна возвращать среднее значение. Пример использования:

file_path = "data.csv"
column_name = "age"

average = calculate_average(file_path, column_name)
print(average)
# Ожидаемый результат (пример):
# 28.5

Решение задачи🔽

import csv def calculate_average(file_path, column_name): total = 0 count = 0 with open(file_path, mode="r", encoding="utf-8") as file: reader = csv.DictReader(file) for row in reader: try: value = float(row[column_name]) total += value count += 1 except (ValueError, KeyError): continue if count == 0: raise ValueError(f"No valid data found in column '{column_name}'.") return total / count

💬 Как автоматизировать свою переписку с девушкой в Telegram Как автоматизировать напоминания и организацию общения с девушками, чтобы не забывать проявлять внимание. Без чат-ботов, только простые инструменты для старта диалога и управления коммуникацией. Читать...

🧠 Самые интересные статьи за последние дни: • constexpr Game of Life • Пишем свою Diffusion модель с нуля • Создаем свою ORM на python — гайд • Сборщик мусора CPython и его влияние на производительность приложения • Разработка Task Manager с нуля до полнофункционального продукта

👩‍💻 Фильтрация списка словарей Напишите функцию, которая принимает список словарей и фильтрует его, возвращая только те словари, в которых значение указанного ключа превышает заданное значение. Пример:

data = [
    {"name": "Alice", "age": 25},
    {"name": "Bob", "age": 30},
    {"name": "Charlie", "age": 20},
    {"name": "Diana", "age": 35}
]

result = filter_by_key(data, "age", 25)
print(result)
# Ожидаемый результат:
# [
#     {"name": "Bob", "age": 30},
#     {"name": "Diana", "age": 35}
# ]

Решение задачи🔽

def filter_by_key(data, key, threshold): return [item for item in data if item.get(key, 0) > threshold] # Пример использования: data = [ {"name": "Alice", "age": 25}, {"name": "Bob", "age": 30}, {"name": "Charlie", "age": 20}, {"name": "Diana", "age": 35} ] result = filter_by_key(data, "age", 25) print(result)

👩‍💻 Django + Zoho CRM: как управлять данными без головной боли Статья рассказывает о процессе интеграции Django с Zoho CRM. Рассматриваются шаги настройки: подготовка среды, работа с вебхуками и реализация асинхронной обработки данных через Celery для повышения эффективности. Читать...

👩‍💻 Введение в ERP: Что такое ERP-системы и почему они важны для производства? В статье рассматриваются ERP-системы: их роль в управлении бизнесом, ключевые преимущества внедрения, а также этапы выбора, проектирования и настройки, чтобы сделать систему максимально эффективной. Читать...

⚡️ Переписывай старый код без страха Боишься трогать старый код, потому что «он вроде работает»? Но что, если его можно сделать проще и чище? 👉 Совет: выделяй время на постепенный рефакторинг. Начни с мелких улучшений: убери дублирование, назови переменные понятнее. Не обязательно всё менять сразу — маленькие шаги делают проект лучше.

👩‍💻 Python REST API: Flask, Connexion и SQLAlchemy (часть 2) Статья продолжает серию по созданию REST API на Flask. В этой части вы подключаете SQLite, используете SQLAlchemy для управления данными, добавляете сериализацию с Marshmallow и интегрируете базу данных с REST API. Читать...