About Python [ru]

👩‍💻 Задачка по Python Создайте Python-скрипт, который читает большой текстовый файл построчно и подсчитывает количество уникальных слов в каждой строке. Скрипт должен эффективно обрабатывать большие файлы, используя поточное чтение, и выводить количество уникальных слов для каждой строки. ➡️ Пример: • python app.py analyze filename.txt — считывает файл filename.txt построчно, подсчитывает уникальные слова в каждой строке и выводит их количество в консоль. Решение задачи ⬇️

import sys def analyze_file(file_path): with open(file_path, 'r', encoding='utf-8') as file: for line in file: words = line.strip().split() unique_words = set(words) print(f'Строка: "{line.strip()}" - Уникальные слова: {len(unique_words)}') if __name__ == "__main__": if len(sys.argv) < 2: print("Укажите путь к файлу для анализа.") sys.exit(1) file_path = sys.argv[1] analyze_file(file_path)

👩‍💻 Дуалистичная типовая система JavaScript VS Единая объектная система Python. Краткий обзор Сегодня поговорим о объектах, объектной архитектуре и способах взаимодействия с ними на примере языков программирования Python и JavaScript. Получилось небольшое исследование, противопоставляющее прототипирование и ООП. Читать...

🔝 Самые интересные статьи за последние дни: • Эксперимент: даём ChatGPT полный доступ к компьютеру • Правильный путь создания python-библиотеки: от создания до публикации • Вычисления с GPU-ускорением на Python • Полное руководство по обработке ошибок в Python • Как мы обучили Mistral 7B русскому языку и адаптировали для объявлений Авито

👩‍💻 Задачка по Python Создайте Python-скрипт, который кэширует данные с внешнего API, сохраняя их на определенное время. Когда срок кэша истекает, данные должны автоматически обновляться при следующем запросе. ➡️ Пример: • python app.py fetch — получает данные из кэша, а если кэш истек, то заново запрашивает данные и обновляет кэш. Решение задачи ⬇️

import time import json import requests from pathlib import Path CACHE_FILE = Path("cache.json") CACHE_TTL = 60 # время жизни кэша в секундах def update_cache(): data = requests.get("https://api.example.com/data").json() cache_data = {"data": data, "timestamp": time.time()} with open(CACHE_FILE, "w") as file: json.dump(cache_data, file) return data def fetch_data(): if CACHE_FILE.exists(): with open(CACHE_FILE, "r") as file: cache = json.load(file) if time.time() - cache["timestamp"] < CACHE_TTL: print("Данные из кэша:", cache["data"]) return cache["data"] print("Обновление кэша...") return update_cache() # Запрос кэшированных данных fetch_data()

👩‍💻 Как простая задачка поставила в тупик программистов (и как они из него выбрались) В 2010 году пользователь Stack Overflow не справился с задачей на собеседовании. Обсуждение способов решения этого задания стало одной из самых популярных тем на платформе. Читать...

🔎 Подборка валютных вакансий Middle Backend Developer (Python) 🟢Python, FastAPI, Tornado, PostgreSQL, SQLAlchemy, Redis, RabbitMQ, Docker, nginx, gitlab-ci 🟢от 2 000 до 3 300 $ | 3–6 лет Python Developer (Senior/Middle) 🟢Python, Django, Django REST Framework, Django ORM, Vue.js, Git, GitLab, PostgreSQL, Linux, SQL 🟢от 1 200 $ | 3–6 лет Senior backend developer - Python 🟢Python, PostgreSQL, Redis, FastAPI, Flask, Pyramid, SQLAlchemy, Celery, Pydantic, AWS 🟢от 4 000 $ | Более 6 лет QA manual/Продакт Разработчик операций AI 🟢Python, SQL, Aiogram, GPT, PostgreSQL, CRM 🟢от 800 до 1 300 $ | 1–3 года

💡 Карьера — это не про «идеальную работу», а про опыт и умение адаптироваться В мире, где всё меняется быстрее, чем ты успеваешь обновлять резюме, держаться за одну карьерную траекторию — всё равно что пытаться угнаться за горизонтом. Умение перестраиваться, пробовать новое и брать на себя задачи, которые немного пугают, — вот что реально важно. И это не про «выйди из зоны комфорта», а про осознанный выбор расти и не цепляться за привычное. 🎯 Что делать: пообщайся с коллегой из другой области, возьми на себя один проект вне своей зоны, попробуй новый инструмент или язык, устрой «ревизию» навыков — что сейчас реально работает на тебя, а что пора обновить? Простые шаги, но каждый — ключ к росту и новым возможностям.

👩‍💻 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