Python Hub - сборище Питонистов

🎲 Рандомен ли random.randint в Python? Как он работает под капотом? Одной из наиболее часто используемых функций для генерации случайных чисел является функция random.randint(). Но насколько случайными являются числа, которые генерирует эта функция? ➡️ Рандомен ли random.randint? С точки зрения программирования, идеальной случайности не существует. Даже функция random.randint() в Python генерирует так называемые псевдослучайные числа. Это значит, что хотя числа кажутся случайными, они на самом деле генерируются с использованием определенного алгоритма, который может повторяться при определенных условиях. ➡️ Как работает random.randint? Функция random.randint() использует алгоритм Мерсенна Твистер, который является одним из наиболее широко используемых алгоритмов для генерации псевдослучайных чисел. Он основан на математических принципах и генерирует последовательности чисел, которые в действительности предсказуемы, если известно достаточно много предыдущих чисел в последовательности. ➡️ Влияет ли seed на random.randint? Значение seed играет важную роль в генерации псевдослучайных чисел в Python. Если вы используете функцию random.seed() с определенным значением перед вызовом random.randint(), вы будете получать одну и ту же последовательность "случайных" чисел каждый раз, когда вы запускаете свой код. Это может быть полезно для отладки и воспроизводимости результатов.

🟢 Сортировка слиянием в Python Сортировка слиянием - это один из наиболее эффективных алгоритмов сортировки, который используется в программировании. Он основан на принципе "разделяй и властвуй", что позволяет ему достичь быстрого времени выполнения. ➡️ Принцип работы Сортировка слиянием работает путем разделения неотсортированного массива на две половины, сортировки каждой из них отдельно, а затем слияния двух отсортированных массивов обратно в один. Это делается рекурсивно, что означает, что процесс разделения и слияния продолжается, пока весь массив не будет отсортирован. ➡️ Реализация в Python В Python сортировка слиянием может быть реализована с помощью стандартной библиотеки. Функция merge_sort принимает список в качестве аргумента и возвращает отсортированный список. Она делит список на две половины, рекурсивно вызывает себя для каждой половины, а затем объединяет два отсортированных списка в один.

def merge_sort(arr):
    if len(arr) <= 1:
        return arr
    mid = len(arr) // 2
    left_half = merge_sort(arr[:mid])
    right_half = merge_sort(arr[mid:])
    return merge(left_half, right_half)

def merge(left, right):
    merged = []
    left_index = 0
    right_index = 0
    while left_index < len(left) and right_index < len(right):
        if left[left_index] <= right[right_index]:
            merged.append(left[left_index])
            left_index += 1
        else:
            merged.append(right[right_index])
            right_index += 1
    merged += left[left_index:]
    merged += right[right_index:]
    return merged

➡️ Преимущества и недостатки Сортировка слиянием имеет несколько ключевых преимуществ. Во-первых, она эффективна, с временем выполнения O(n log n). Во-вторых, она стабильна, что означает, что она сохраняет исходный порядок равных элементов. Однако у нее есть и недостатки. Она требует дополнительное пространство для хранения промежуточных результатов, что может быть проблемой для больших данных.

Разбор 👨‍💻 Создали объект класса. В поле b (a.b) лежит число 3. В поле c, объекта a, мы создаем значение 5. // - операция целочисленного деления. 5 // 3 —> 1 (3 помещается в 5 целиком только 1 раз) Ответ: 1

🖥 Dataclasses в Python ⚙️ Датаклассы - это удобный способ создавать классы для хранения информации. Они позволяют делать это с минимальным количеством кода. Например, если вы хотите хранить информацию о точке в трехмерном пространстве, вам не нужно писать много кода для создания класса и методов. Просто используйте dataclass, и Python сделает всю работу за вас. 🖥 Вот как это работает:

from dataclasses import dataclass

@dataclass
class Point:
    x: float
    y: float
    z: float

point = Point(1.5, 2.0, -3.7)

print(point)  # Вывод: Point(x=1.5, y=2.0, z=-3.7)
print(point.x)  # Вывод: 1.5
print(point.y)  # Вывод: 2.0
print(point.z)  # Вывод: -3.7

✨ Использование dataclasses позволяет существенно экономить время разработчика за счет избежания необходимости создавать множество методов для работы с данными, что делает код более чистым и понятным, повышая его читаемость. Благодаря этому, процесс понимания и поддержки кода становится более простым. 🎮 Кроме того, dataclasses легко интегрируются с другими библиотеками и инструментами Python, что обеспечивает удобство в разработке и совместимость с другими компонентами проекта. А Вы используете датаклассы?

🕺 Кто такие HR-специалисты в области IT, и зачем они нужны? ➡️ Роль HR-специалистов в IT HR-специалисты в IT отвечают за привлечение, найм и удержание талантливых IT-специалистов. Они разрабатывают и внедряют стратегии найма, создают и поддерживают корпоративную культуру, обучают и развивают персонал и вносят свой вклад в стратегическое планирование. HR-специалисты в IT также играют ключевую роль в управлении производительностью, управлении конфликтами и улучшении уровня удовлетворенности работников. ➡️ Необходимые навыки HR-специалистов в IT HR-специалисты в IT должны обладать глубокими знаниями в области IT, а также различными навыками в области управления персоналом, включая навыки коммуникации, управления конфликтами, планирования и организации. Они также должны быть в состоянии адаптироваться к быстро меняющемуся IT-пейзажу и продолжать обучаться и развиваться вместе с отраслью. Ниже вы найдете пару поведенческих вопросов для оценки наиболее распространенных характеристик во время нетехнических собеседований с hr. Вопросы поведенческого интервью, ориентированные на действия / самомотивацию 1. Опишите ситуацию, когда вы сделали намного больше, чем от вас ожидали, чтобы завершить проект. Были ли признаны ваши усилия? Кем и как? Что вы при этом почувствовали? Возможность адаптировать поведенческие вопросы интервью 1. Опишите ситуацию, в которой вы столкнулись с серьезным препятствием для завершения проекта. Как ты с этим справился? Какие шаги вы предприняли? Коммуникативные навыки поведенческие вопросы интервью 1. Мне было бы интересно узнать о недопонимании между вами и вашим руководителем. Как вы ее решили? В чем причина этого? Как вы справились с этой ситуацией? Креативные поведенческие вопросы интервью 1. Приведите мне пример того, как вам пришлось проявить творческий и необычный подход к решению проблемы кодирования. Как вам пришла в голову эта идея? Как вы думаете, почему это было необычно?

⁉️ Сортировка вставками: Как это работает (в примерах на Python) Сортировка вставками - это простой, но эффективный алгоритм сортировки, который обрабатывает входные данные, добавляя каждый новый элемент в отсортированную часть массива. ➡️ Принцип работы Сортировка вставками работает, сравнивая каждый элемент в массиве с его левым соседом. Если текущий элемент меньше, он перемещается влево. Это происходит до тех пор, пока текущий элемент не окажется больше предыдущего. Этот процесс повторяется для каждого элемента в массиве, пока весь массив не будет отсортирован. ➡️ Пример кода на Python Вот пример реализации сортировки вставками на Python:

def insertion_sort(arr):
    for i in range(1, len(arr)):
        key = arr[i]
        j = i - 1
        while j >=0 and key < arr[j] :
                arr[j + 1] = arr[j]
                j -= 1
        arr[j + 1] = key

arr = [12, 11, 13, 5, 6]
insertion_sort(arr)
print ("Отсортированный массив: ", end ="")
for i in range(len(arr)):
    print ("%d" %arr[i], end =" ")

В этом коде мы проходимся по каждому элементу массива, начиная со второго, и сдвигаем его влево, пока не найдем элемент, который меньше текущего. ➡️ Процесс сортировки В сортировке вставками каждый новый элемент добавляется в уже отсортированную часть массива. Этот процесс начинается с первого элемента массива и продолжается, пока все элементы не будут отсортированы. На каждом шаге новый элемент сравнивается с элементами в отсортированной части массива и вставляется на правильное место. ➡️ Преимущества и недостатки Преимущество сортировки вставками в том, что она эффективна для небольших массивов и для массивов, которые уже частично отсортированы. Она также стабильна, что означает, что она сохраняет исходный порядок равных элементов. Однако, она не эффективна для больших массивов, так как требует больше операций сравнения и обмена элементов, чем другие алгоритмы сортировки.

*⃣ Как хранить токены и пароли в программах на 🐍 Python? 🔍 У новичков часто возникает вопрос - где хранить секретные данные? Нет, можно, конечно, прямо в коде, но лучше так не делать. Делюсь короткой статьей с основными способами хранения токенов и прочих секретных данных ✨ ➖➖➖➖➖➖➖➖➖ ➡️ u.habr.com/dSPXv 🔗 ➖➖➖➖➖➖➖➖➖ А как Ты хранишь пароли?

🌐 Кто слыхал про Торренг Игруху? 🎉 Я ее парсил! 😅 Гоу смотреть 😅 https://youtu.be/0dlyl-83Ieo?si=jMFUgbrOESJzuSTZ

❓ Как использовать функцию range() в Python, кроме как в цикле for i in range для перебора? Функция range() в Python - это важный инструмент для создания последовательности чисел. Хотя она часто используется в связке с циклом for, есть и другие способы, как можно использовать эту функцию. ➡️ Использование range() в списковых включениях Списковые включения - это мощный инструмент Python, который позволяет создавать списки в одну строку кода. Функция range() может быть использована в списковых включениях для создания списков, которые следуют определенной числовой последовательности. Например, [x for x in range(10)] создаст список чисел от 0 до 9. ➡️ Использование range() в генераторах Генераторы в Python - это специальный тип итераторов, который позволяет генерировать элементы "на лету", экономя память. Функцию range() можно использовать в генераторах для создания последовательностей чисел. Например, (x for x in range(10)) создаст генератор, который производит числа от 0 до 9.

Разбор 👨‍💻 a —> "1" (станет текстовой единицей) b —> вызовет функцию str, которую мы переопределили выше в коде самостоятельно передав туда 2. Функция str, в свою очередь, попытается вернуть результат str(number * 2), но мы как раз таки str и переопределили —> она вызовет сама себя. У нас получится рекурсия, которая будет работать бесконечно, Python выдаст блок-ошибку по глубине рекурсии. ответ: ошибка

ℹ️ Работа с Django ORM Django ORM (Object-Relational Mapping) - это мощный инструмент, который позволяет разработчикам взаимодействовать с базой данных с помощью объектов Python. Он предоставляет удобный способ работать с данными, без необходимости писать сложные SQL-запросы. ➡️ Создание моделей Одним из ключевых аспектов работы с Django ORM является создание моделей. Модель - это класс Python, который определяет структуру таблицы в базе данных. Django ORM автоматически создает таблицу в соответствии с определенной моделью. Модели могут содержать поля, отражающие столбцы таблицы, а также методы и связи с другими моделями. Определение модели в Django ORM очень простое и интуитивно понятное, что делает процесс разработки удобным и эффективным. Вот пример создания модели в Django ORM:

from django.db import models

class Product(models.Model):
    name = models.CharField(max_length=100)
    price = models.DecimalField(max_digits=5, decimal_places=2)
    description = models.TextField()

➡️ Запросы к базе данных С помощью Django ORM можно выполнять различные типы запросов, такие как выборка данных, фильтрация, сортировка, агрегирование и многое другое. Вот примеры основных команд для выполнения запросов в Django ORM:

# Выборка всех объектов модели
products = Product.objects.all()

# Фильтрация объектов по условию
cheap_products = Product.objects.filter(price__lt=10)

# Сортировка объектов
sorted_products = Product.objects.order_by('-price')

# Агрегирование данных
total_price = Product.objects.aggregate(Sum('price'))

➡️ Миграции базы данных Еще одно важное преимущество работы с Django ORM - это возможность автоматического создания и применения миграций базы данных. Миграции позволяют легко изменять структуру базы данных, добавлять новые таблицы, поля или изменять существующие. Django ORM автоматически отслеживает изменения в моделях и генерирует миграционные файлы, которые можно применить к базе данных. Это упрощает процесс разработки и поддержки приложения.

💻 Выключить компьютер при помощи Python Выключение компьютера может быть необходимым во многих ситуациях. Например, вы хотите, чтобы компьютер выключился после завершения какой-то задачи или просто хотите сэкономить энергию. ➡️ Использование os module Один из способов выключить компьютер при помощи Python - использовать модуль os. Этот модуль предоставляет функции для работы с операционной системой. Для выключения компьютера мы можем использовать функцию system с параметром "shutdown -s -t 0". Вот пример кода:

import os

os.system("shutdown -s -t 0")

Этот код выполнит команду "shutdown -s -t 0", которая выключит компьютер через 0 секунд. Вы можете изменить значение параметра -t в зависимости от того, через сколько секунд вы хотите выключить компьютер. ➡️ Использование subprocess module Еще один способ выключить компьютер при помощи Python - использовать модуль subprocess. Этот модуль предоставляет возможность запускать новые процессы, в том числе и команды операционной системы. Для выключения компьютера мы можем использовать функцию call с параметрами ["shutdown", "-s", "-t", "0"]. Вот пример кода:

import subprocess

subprocess.call(["shutdown", "-s", "-t", "0"])

Этот код выполнит команду "shutdown -s -t 0", которая выключит компьютер через 0 секунд. ➡️ Использование win32api module (Windows only) Если вы используете операционную систему Windows, еще один способ выключить компьютер при помощи Python - использовать модуль win32api. Этот модуль предоставляет функции для взаимодействия с операционной системой Windows. Для выключения компьютера мы можем использовать функцию ExitWindowsEx с параметром 0x00000008. Вот пример кода:

import win32api

win32api.ExitWindowsEx(0x00000008)

Этот код выполнит команду ExitWindowsEx(0x00000008), которая выключит компьютер. Тестируйте эти способы и пишите в комментарии, какой вариант самый лучший!☺️

📂 Узнать размер файла при помощи Python ➡️ Использование функции os.path.getsize() Одним из способов узнать размер файла в Python является использование функции os.path.getsize(). Эта функция из модуля os.path возвращает размер файла в байтах. Вот пример, как можно использовать эту функцию:

import os

# Путь к файлу
file_path = 'path/to/file.txt'

# Получить размер файла
file_size = os.path.getsize(file_path)

print(f"Размер файла: {file_size} байт")

➡️ Использование модуля pathlib Другой способ узнать размер файла в Python - использовать модуль pathlib. Этот модуль предоставляет удобные методы для работы с путями к файлам и папкам. Чтобы узнать размер файла с помощью pathlib, можно использовать метод stat(), который возвращает объект os.stat_result, содержащий информацию о файле. Вот пример кода:

from pathlib import Path

# Путь к файлу
file_path = Path('path/to/file.txt')

# Получить размер файла
file_size = file_path.stat().st_size

print(f"Размер файла: {file_size} байт")

➡️ Использование модуля os.stat() Третий способ узнать размер файла - использовать модуль os.stat(). Этот модуль также предоставляет информацию о файле, включая его размер. Вот пример кода:

import os

# Путь к файлу
file_path = 'path/to/file.txt'

# Получить информацию о файле
file_info = os.stat(file_path)

# Получить размер файла
file_size = file_info.st_size

print(f"Размер файла: {file_size} байт")

🙂 Разбор dict() работает так, что он либо ничего не принимает и возвращает {}, либо принимает список из списков ключ-значение. Вот так: [["key", "value"], ] -> {"key": "value",} Но мы же знаем что строка тоже итерируется, следовательно первый символ строки становится ключом, а второй - значением. Так и выходит результат {'A': 'B', 'O': 'L', 'Q': 'N'} [Debriefing finished]