About Python [ru]

👩‍💻 Деплой без стресса: автоматизируем процесс для Telegram-ботов В статье рассказывается, как настроить автоматический деплой Telegram-бота на сервер с использованием GitHub Actions. Это поможет ускорить обновление кода и минимизировать ошибки при ручной загрузке. Читать...

🔎 Подборка вакансий для лидов Tech Lead QAA Python в 2GIS.PRO 🟢Python, Playwright, Allure TestOps, Gitlab, CI/CD, Kubernetes 🟢Уровень дохода не указан | 3–6 лет Tech Lead (Python) 🟢Python, Django, Celery, HTTP/REST API, Sentry, ELK (Elasticsearch, Kibana), New Relic, OpenTelemetry, Docker, Kubernetes, Kafka, RabbitMQ, Grafana, Redash 🟢Уровень дохода не указан | 3–6 лет Tech Lead Python 🟢Python, FastAPI, Flask, Django, NoSQL 🟢Уровень дохода не указан | Более 6 лет Tech Lead (Python) 🟢Python, Linux, Nginx, Docker, Asyncio, aiohttp, Squid 🟢Уровень дохода не указан | 3–6 лет

👩‍💻 Как работает менеджер контекста (context manager) в Python? В Python менеджеры контекста используются для управления ресурсами, такими как файлы или сетевые соединения, автоматически освобождая их после использования. Они реализуются с помощью методов __enter__ и __exit__. ➡️ В этом примере показано, как использовать менеджер контекста для работы с файлами:

with open('file.txt', 'r') as file:
    content = file.read()

Здесь файл автоматически закроется после завершения блока with, даже если внутри него возникнет ошибка.

🗣️ Менеджеры контекста полезны для автоматического управления ресурсами и обработки исключений.

🖥 Подробнее тут

👩‍💻 Эксперимент: даём ChatGPT полный доступ к компьютеру В статье рассказывается о личном опыте создания проекта в программировании. Это не инструкция или руководство, а просто история новичка, который делится своей идеей, потому что подобного проекта он не нашел в сети. Читать...

📈 Подборка статей для вашей карьеры • Продуктивность и почему «сделать много всего» — это не про неё • Куда выйти из айти? • Как я боролся с выгоранием в ИТ: лайфхаки и личный опыт • ИТ-пенсионеры и где они обитают • Почему мне нужно, чтобы ты вкатился в айти

Всего лишь 5% разработчиков получают зп 400к+ в РФ. Причин очень много, но одна из главных — высокие доходы в АйТи не совместимы с отдыхом… Для такой зарплаты нужно забить на личную жизнь. Днём работать, а всё свободное время тратить на изучение новых технологий, прохождение курсов и чтение книг. Но есть ли другой путь? Канал ML-инженера Олега Андриянова о том, как быстро расти в зарплате благодаря софт скиллам. За 4 года в ИИ-разработке Олег вырос в доходах в 12.5 раз. При этом продолжает качать и хард скилы, но не тратит на них всё свободное время. Посты, которые будут вам полезны: — какие 2 софт скилла помогают зарабатывать больше? — как справляться со стрессом на работе, чтобы быть продуктивным? — как гарантировано повысить себе зарплату? — какой есть грязный трюк для повышения доходов? Так что если вы хотите получать больше, подписывайтесь на канал Олега. И войти в 5% золотых айтишников.

🔎 Подборка вакансий для сеньеров Senior Python Developer 🟢Python (Django), PL/pgSQL, SQL 🟢Уровень дохода не указан | 3–6 лет Python Developer 🟢Python; Django, django_rq, PostgreSQL, Redis, GitHub, Jira 🟢Уровень дохода не указан | 3–6 лет Full-stack разработчик (stack: next/python) 🟢Next, HTML, CSS, JavaScript, Python, Django, REST API, Node.js, SQL 🟢от 100 000 до 200 000 ₽ | 3–6 лет Python developer (Middle\Senior) 🟢Python, Flask, FastAPI, PostgreSQL, ClickHouse, Airflow, Docker, Git 🟢Уровень дохода не указан | 3–6 лет Python-разработчик (middle+,senior) 🟢Python, C++, ML, CI/CD, Docker, SMPL 🟢от 150 000 до 250 000 ₽ | 3–6 лет

👩‍💻 Оптимизируй свой AI: разоблачение 6 мифов о работе с векторами в Pgvector Шесть заблуждений, которые мешают тебе использовать всю мощь векторных баз данных в AI. Развенчав эти мифы, ты сможешь раскрыть истинный потенциал векторов и значительно повысить эффективность твоих AI-проектов. Читать...

🔝 Самые интересные статьи за последние дни: • SOLID на котиках • Mount — ещё один способ уменьшения размера Docker-образа • Pydantic 2: Полное руководство для Python-разработчиков — от основ до продвинутых техник • PinkHash: Незабываемые розовые хеши • Архитектура и реализация виртуальной машины CPython

👩‍💻 Задачка по Python Создайте Python-приложение, которое принимает строку и определяет частоту встречаемости каждого символа в этой строке. Программа должна выводить результаты в консоль и сохранять их в файл char_count.json. ➡️ Пример: • python app.py count "Hello, World!" — выводит количество каждого символа и сохраняет в char_count.json. Решение задачи ⬇️

import json import sys from collections import Counter def count_chars(text): count = Counter(text) print(count) with open('char_count.json', 'w') as f: json.dump(count, f) if __name__ == "__main__": if len(sys.argv) > 1: count_chars(sys.argv[1]) else: print("Укажите строку для подсчета символов.")

👩‍💻 Как создать свой реестр для хостинга Docker-контейнеров Хочешь полностью контролировать свои Docker-образы? Мы расскажем, как создать и настроить личный реестр контейнеров, идеально подходящий для твоих задач. Читать...

🔎 Подборка вакансий для джунов Преподаватель Python 🟢Python, Git, SQLite, Django, Pygame 🟢до 100 000 ₽ | Без опыта Trainee/Intern/Junior Python backend developer 🟢от 20 000 до 40 000 ₽ | Без опыта Junior Web реверс-инженер (Красноярск) 🟢Linux, Python, TCP/IP, HTTP 🟢Уровень дохода не указан | Без опыта Стажер-программист Rust в блокчейн-стартап 🟢Python, Golang, rust 🟢от 800 до 1 000 $ | Без опыта Программист-разработчик (начинающий Junior) 🟢Python, JS, SQL 🟢от 30 000 ₽ | Без опыта

👩‍💻 Чем отличаются shallow copy (поверхностное копирование) и deep copy (глубокое копирование) в Python? Поверхностное копирование создаёт новый объект, но копирует только ссылки на вложенные объекты, а глубокое копирование создаёт рекурсивную копию всех объектов, включая вложенные. Это важно при работе с изменяемыми структурами данных. ➡️ Пример:

import copy

original = [[1, 2, 3], [4, 5, 6]]
shallow = copy.copy(original)
deep = copy.deepcopy(original)

original[0][0] = 99

print(shallow)  # [[99, 2, 3], [4, 5, 6]]
print(deep)     # [[1, 2, 3], [4, 5, 6]]

🗣️ Используйте deepcopy, когда вам нужно полностью изолировать изменения от оригинального объекта.

🖥 Подробнее тут

👩‍💻 Задачка по Python Создайте Python-приложение, которое вычисляет ближайшее простое число больше или равное заданному числу. Программа должна принимать число в качестве аргумента и выводить ближайшее простое. ➡️ Пример: • python app.py 15 — выводит 17. Решение задачи ⬇️

import sys def is_prime(n): if n < 2: return False for i in range(2, int(n**0.5) + 1): if n % i == 0: return False return True def next_prime(n): while not is_prime(n): n += 1 return n if __name__ == "__main__": if len(sys.argv) != 2: print("Использование: python app.py <число>") else: num = int(sys.argv[1]) print(f'Ближайшее простое число: {next_prime(num)}')

🔎 Подборка вакансий Junior-разработчик 🟢Уровень дохода не указан | Без опыта Младший Back-end разработчик 🟢Python, Golang 🟢от 80 000 до 100 000 ₽ | Без опыта Python developer Junior + / Middle 🟢Python 3.7-11, Flask, Asyncio, Websockets... 🟢Уровень дохода не указан | 1–3 года Программист Python junior 🟢Python (asyncio, aiohttp, Tornado) 🟢от 80 000 до 100 000 | 1–3 года Junior Python Backend Developer 🟢Python 3, Django, Celery, Aiohttp, Docker, MySQL... 🟢Уровень дохода не указан | 1–3 года

👩‍💻 Задачка по Python Создайте Python-приложение, которое будет обрабатывать CSV-файл с данными о продажах (имя продавца, товар, сумма) и генерировать сводный отчёт по каждому продавцу с общей суммой продаж. Программа должна сохранять отчёт в файл sales_summary.csv. ➡️ Пример: • python app.py sales_report sales.csv — генерирует сводный отчёт по продажам. Решение задачи ⬇️

import csv import sys from collections import defaultdict def generate_sales_report(input_file): sales_summary = defaultdict(float) with open(input_file, 'r') as file: reader = csv.reader(file) for row in reader: seller, item, amount = row sales_summary[seller] += float(amount) with open('sales_summary.csv', 'w', newline='') as file: writer = csv.writer(file) writer.writerow(['Seller', 'Total Sales']) for seller, total_sales in sales_summary.items(): writer.writerow([seller, total_sales]) if __name__ == "__main__": if len(sys.argv) != 3 or sys.argv[1] != 'sales_report': print('Использование: python app.py sales_report <файл.csv>') else: generate_sales_report(sys.argv[2])

👩‍💻 Создаём свой реестр данных на основе ФГИС «Аршин». Часть 1 — добавляем данные в PostgreSQL и сокращаем размер БД Всем привет, этот практический цикл статей рассчитан на начинающих. Я решил поделиться своим опытом создания реестра данных на основе государственного. В этой статье займемся загрузкой и обработкой данных о результатах поверки средств измерений. Читать...

👩‍💻 Встроенные механизмы безопасности фреймворков Python В этой статье попробуем разобраться, какие возможности действительно предоставляют фреймворки, рассмотрим механизмы безопасности и способы их настройки на примере распространенных фреймворков: Django, FastAPI и Flask. Читать...

👩‍💻 Pydantic 2: Полное руководство для Python-разработчиков — от основ до продвинутых техник Узнаем, почему эта библиотека стала незаменимой в 30% Python-проектов и как она упрощает работу с данными. От базовых концепций до продвинутых техник – мы охватим всё, что нужно знать современному Python-разработчику. Читать...

👩‍💻 Как работает механизм декораторов в Python, и для чего их можно использовать? Декораторы — это функции, которые принимают другую функцию в качестве аргумента и возвращают новую функцию, изменяя или дополняя её поведение. Они часто используются для добавления функционала, такого как логирование, кэширование или проверка прав доступа. ➡️ Пример:

def decorator(func):
    def wrapper():
        print("Функция вызвана")
        return func()
    return wrapper

@decorator
def say_hello():
    print("Привет!")

say_hello()
# Функция вызвана
# Привет!