Pythoner

✈️А в этой части рассмотрим тестирование хэш-функций ➡️Генерация тестовых данных Для тестирования используется функция generate_random_strings, которая создает случайные строки заданной длины. ➡️Анализ распределения и коллизий Функция test_distribution_and_collisions оценивает качество распределения элементов по хэш-таблице и подсчитывает количество коллизий. ➡️Измерение времени выполнения Функция test_execution_time измеряет время, необходимое для хэширования набора элементов, что позволяет сравнить производительность разных хэш-функций. ➡️Проверка чувствительности Функция test_sensitivity проверяет, насколько хэш-функция чувствительна к небольшим изменениям во входных данных. ➡️Заключение Выбор подходящей хэш-функции зависит от конкретных требований приложения. Простые хэш-функции могут быть достаточными для небольших наборов данных, в то время как для больших объемов данных или повышенных требований к безопасности могут потребоваться более сложные алгоритмы. Важно учитывать баланс между скоростью выполнения, качеством распределения и устойчивостью к коллизиям при выборе хэш-функции для конкретной задачи. 🐍Pythoner

✈️Хэш-функции играют важную роль в компьютерных науках, особенно в структурах данных и криптографии. В этой статье мы рассмотрим различные типы хэш-функций, реализованные на Python, и проанализируем их характеристики. 🔎 Типы хэш-функций ➡️1. Простая хэш-функция (simple_hash) Эта функция суммирует ASCII-значения символов входной строки и применяет операцию модуля. Она проста в реализации, но может привести к неравномерному распределению.

def simple_hash(input_str, table_size):
    hash_value = 0
    for char in input_str:
        hash_value += ord(char)
    return hash_value % table_size

➡️2. Полиномиальный хэш (polynomial_hash) Использует полиномиальное накопление ASCII-значений с простым числом, что позволяет придать больший вес символам в начале строки.

def polynomial_hash(input_str, table_size, prime=31):
    hash_value = 0
    for i, char in enumerate(input_str):
        hash_value += ord(char) * (prime ** i)
    return hash_value % table_size

➡️3. FNV-1a хэш (fnv1a_hash) 32-битная версия FNV-1a хэша, известная своими хорошими характеристиками распределения.

def fnv1a_hash(key, table_size):
    FNV_prime = 16777619
    FNV_offset_basis = 2166136261
    hash_value = FNV_offset_basis
    for char in key:
        hash_value ^= ord(char)
        hash_value *= FNV_prime
        hash_value &= 0xffffffff  # Обеспечивает 32-битный хэш
    return hash_value % table_size

➡️4. XXХэш (xx_hash) Использует библиотеку xxhash для быстрого некриптографического хэширования, эффективного для больших объемов данных.

def xx_hash(input_str, table_size):
    return xxhash.xxh32(input_str).intdigest() % table_size

➡️5. SipHash (sip_hash) Применяет HMAC с SHA-256 для повышенной безопасности, но может быть медленнее некриптографических хэшей.

def sip_hash(input_str, table_size, key=b'secretkey'):
    hash_value = hmac.new(key, input_str.encode(), digestmod='sha256').hexdigest()
    return int(hash_value, 16) % table_size

➡️6. MurmurHash (murmur_hash) Быстрая некриптографическая хэш-функция, часто используемая в хэш-таблицах и фильтрах Блума.

def murmur_hash(input_str, table_size):
    hash_value = mmh3.hash(input_str) % table_size
    return hash_value

🐍Pythoner

✈️А в этой части рассмотрим тестирование хэш-функций ➡️Генерация тестовых данных Для тестирования используется функция generate_random_strings, которая создает случайные строки заданной длины. ➡️Анализ распределения и коллизий Функция test_distribution_and_collisions оценивает качество распределения элементов по хэш-таблице и подсчитывает количество коллизий. ➡️Измерение времени выполнения Функция test_execution_time измеряет время, необходимое для хэширования набора элементов, что позволяет сравнить производительность разных хэш-функций. ➡️Проверка чувствительности Функция test_sensitivity проверяет, насколько хэш-функция чувствительна к небольшим изменениям во входных данных. ➡️Заключение Выбор подходящей хэш-функции зависит от конкретных требований приложения. Простые хэш-функции могут быть достаточными для небольших наборов данных, в то время как для больших объемов данных или повышенных требований к безопасности могут потребоваться более сложные алгоритмы. Важно учитывать баланс между скоростью выполнения, качеством распределения и устойчивостью к коллизиям при выборе хэш-функции для конкретной задачи. 🐍Pythoner

✈️Manim — это библиотека, которая используется для создания анимированных визуализаций и математических демонстраций. Manim позволяет легко оптимизировать визуализацию математических концепций с помощью анимаций, графиков и других визуальных элементов. ➡️Применение С помощью Manim можно создавать как простые анимации, так и сложные сцены с множеством объектов и эффектов. Библиотека предоставляет обширные возможности по работе с графикой, анимацией и текстом. ➡️Пример:

from manim import *

class SquareNumber(Scene):
    def construct(self):
        # Создаем квадрат и текст
        square = Square(side_length=2)
        number = MathTex("0").scale(2)

        # Центрируем квадрат и текст
        square.move_to(ORIGIN)
        number.next_to(square, DOWN)

        # Добавляем квадрат и текст на экран
        self.play(Create(square), Write(number))
        self.wait(1)

        # Изменяем текст на 1
        self.play(Transform(number, MathTex("1").scale(2)))
        self.wait(1)

        # Изменяем текст на 4 и меняем размер квадрата
        self.play(Transform(number, MathTex("4").scale(2)),
                  square.animate.scale(2))
        self.wait(1)

        # Изменяем текст на 9 и меняем размер квадрата
        self.play(Transform(number, MathTex("9").scale(2)),
                  square.animate.scale(3))
        self.wait(1)

        # Завершаем сцену
        self.play(FadeOut(square), FadeOut(number))

# Для запуска сцены используйте следующую команду в терминале
# manim -pql имя_файла.py SquareNumber

⬆️Чтобы запустить данный код и увидеть анимацию, сохраните его в файл, например, square_number.py, и выполните указанную команду в терминале. ➡️Заключение Manim – мощный инструмент для создания анимационной графики, предлагающий гибкость и творческий потенциал для визуализации математических и научных концепций. 🐍Pythoner

Бесплатное 5-месячное обучение IT-профессиям детям 7-17л ⚡С 30 октября каждый ребенок может получить сертификат на 5 месяцев бесплатного обучения IT-специальностям. Прием заявок продлится до 10 ноября! Чтобы понять, может ли ваш ребенок получить сертификат, заполните небольшую анкету (займет пару минут). Вы сразу узнаете, попали ли вы под программу и какая IT-профессия подойдет вашему ребенку💻 В мире, где технологии становятся неотъемлемой частью каждой сферы жизни, умение программировать становится не просто желательным навыком, а необходимым инструментом для успешного будущего💰 Заполнить анкету и попасть на бесплатное пятимесячное обучение IT-специальностям можно, нажав на ссылку - clck.ru/3EHG6w Узнать больше #реклама 16+ salebot.site О рекламодателе

➡️Что такое итерируемый счетчик? Итерируемый счетчик в Python - это объект, который можно использовать в цикле for и других итерационных контекстах. Он позволяет последовательно получать значения, обычно числовые, в заданном диапазоне или по определенному правилу. ➡️Реализация итерируемого счетчика Давайте рассмотрим пример реализации простого итерируемого счетчика:

class IterableCounter:
    def __init__(self, start, end):
        self.current = start
        self.end = end

    def __iter__(self):
        return self

    def __next__(self):
        if self.current > self.end:
            raise StopIteration
        else:
            self.current += 1
            return self.current - 1

В этом примере: 💬init инициализирует счетчик начальным и конечным значениями. 💬iter возвращает сам объект, делая его итератором. 💬next определяет логику получения следующего значения. ➡️Использование итерируемого счетчика Теперь мы можем использовать наш счетчик в цикле for:

counter = IterableCounter(1, 5)
for num in counter:
    print(num)

⬆️Этот код выведет числа от 1 до 5. ➡️Преимущества итерируемого счетчика 💬Гибкость: можно легко изменить логику генерации значений. 💬Экономия памяти: значения генерируются по мере необходимости. 💬Интеграция с циклами: легко использовать в стандартных конструкциях Python. ➡️Альтернативы В Python есть встроенные альтернативы для простых случаев: 💬range(): для последовательностей целых чисел. 💬enumerate(): для нумерации элементов итерируемого объекта. ➡️Заключение Итерируемые счетчики в Python - мощный инструмент для создания пользовательских последовательностей. Они особенно полезны, когда стандартные функции не удовлетворяют специфическим требованиям вашей задачи. 🐍Pythoner

message_effect_id - это уникальный идентификатор, используемый в Telegram Bot API для определения конкретного визуального эффекта, который можно применить к сообщению. Эти эффекты представляют собой анимированные реакции, которые пользователи могут добавлять к сообщениям. ➡️Основные характеристики message_effect_id: Уникальность: Каждый эффект имеет свой уникальный числовой идентификатор.Формат: Идентификаторы представлены в виде строк, содержащих длинные числовые значения.Связь с эмодзи: Каждый message_effect_id соответствует определенному эмодзи, которое визуально представляет эффект. ➡️Примеры message_effect_id:

{
    '🔥': "5104841245755180586",
    '👍': "5107584321108051014",
    '👎': "5104858069142078462",
    '❤️': "5044134455711629726",
    '🎉': "5046509860389126442",
    '💩': "5046589136895476101"
}

➡️Использование в Telegram Bot API: Применение эффектов: Боты могут использовать эти идентификаторы для добавления анимированных реакций к сообщениям.Интерактивность: Позволяет создавать более динамичные и интерактивные взаимодействия в чатах.Кастомизация: Разработчики могут выбирать конкретные эффекты для различных сценариев использования бота. ➡️Значение для разработчиков: Понимание и правильное использование message_effect_id позволяет разработчикам ботов создавать более привлекательные и интерактивные интерфейсы, улучшая пользовательский опыт в Telegram. 🐍Pythoner

😈 IT memer

Сообщество IT-специалистов в Telegram от Selectel. Канал крупнейшего независимого провайдера IT-инфраструктуры и облаков. Шесть причин подписаться на канал: - железные новости; - обзоры продуктов; - разборы кейсов; - актуальные IT-статьи; - анонсы митапов; - бесплатные курсы. Подписаться #реклама О рекламодателе

Станьте разработчиком нейро-сотрудников на Python и зарабатывайте от 150.000р в месяц 🔥🔥🔥 Мы научим вас создавать топовых нейро-сотрудников на базе GPT-4 Omni, и вы сможете: 1️⃣ Устроиться разработчиком в крупную компанию и зарабатывать от 150 тысяч ₽ в месяц 2️⃣ Разрабатывать такие проекты на заказ и зарабатывать от 500 тысяч ₽ за проект 3️⃣ Создать нейро-сотрудника в вашей компании и вырасти на +30-100% в зарплате Что будет на интенсиве? 🧬 Теория: как создаются нейро-сотрудники с GPT-4o на Python 🧬 Практика: мы создадим нейро-консультанта, нейро-HR, нейро-маркетолога и др. Ведущий интенсива - Senior AI разработчик нейросетей и основатель Университета искусственного интеллекта 🔥 Регистрируйтесь на бесплатный интенсив! Встречаемся в ближайший четверг!

Сделали для подписчиков наших каналов по Python небольшой розыгрыш звёзд😘

1 ноября в 18 часов по мск, 5 победителей получат по 100 звёзд, которые можно тратить в нашем и других каналах, дарить подарки и другое, удачи!

P.S. говорят если переслать этот розыгрыш друзьям, то шанс увеличится.

🐍Разбор Метод find() возвращает индекс первого вхождения указанного символа или подстроки в строке. Если символ или подстрока не найдены, метод find() возвращает -1 Регистр тоже играет важную роль! Помни, что "a" - это не то же самое что "A"

⚡ Вся необходимая информация теперь собрана в одном месте — для специалистов любого направления. 📱 Python for Backend Developer 📱 Python for DevOps Engineer 📊 Python for Data Engineer 🔬 Python for Data Scientist 🤖 Python for ML Engineer ✅ Python for QA Engineer 📈 Python for Data Analyst 🧠 Python for AI Engineer Получайте доступ к актуальным ресурсам уже сейчас!

✈️Полиморфизм - ключевой принцип объектно-ориентированного программирования (ООП), позволяющий объектам различных классов иметь одинаковый интерфейс. Термин "полиморфизм" происходит от греческого слова, означающего "множество форм". В Python полиморфизм реализуется двумя основными способами: перегрузкой методов и их переопределением. ➡️Перегрузка методов Перегрузка методов - это возможность класса иметь несколько методов с одинаковым именем, но разными параметрами. В Python прямая перегрузка методов не поддерживается, но похожего эффекта можно достичь с помощью параметров по умолчанию и аргументов переменной длины. ➡️Пример перегрузки метода

class MathOperations:
    def add(self, a, b, c=0):
        return a + b + c

math_op = MathOperations()
print(math_op.add(10, 20))       # Вывод: 30
print(math_op.add(10, 20, 30))   # Вывод: 60

⬆️В этом примере метод add() может принимать два или три аргумента, имитируя перегрузку метода. ➡️Переопределение методов Переопределение методов - это механизм, позволяющий подклассу предоставить свою реализацию метода, уже определенного в родительском классе. Это позволяет изменять или расширять поведение унаследованных методов. ✅Пример переопределения метода

class Animal:
    def sound(self):
        return "Какой-то звук"

class Dog(Animal):
    def sound(self):
        return "Гав"

class Cat(Animal):
    def sound(self):
        return "Мяу"

dog = Dog()
cat = Cat()
print(dog.sound())  # Вывод: Гав
print(cat.sound())  # Вывод: Мяу

⬆️В этом примере классы Dog и Cat переопределяют метод sound(), унаследованный от класса Animal. ➡️Практическое применение полиморфизма Рассмотрим пример использования полиморфизма в системе обработки платежей:

class Payment:
    def process(self, amount):
        raise NotImplementedError("Подклассы должны реализовать этот метод")

class CreditCardPayment(Payment):
    def process(self, amount):
        return f"Обработан платеж кредитной картой на сумму {amount}."

class PayPalPayment(Payment):
    def process(self, amount):
        return f"Обработан платеж через PayPal на сумму {amount}."

credit_card = CreditCardPayment()
paypal = PayPalPayment()

print(credit_card.process(100))
print(paypal.process(200))

⬆️Этот пример демонстрирует, как полиморфизм позволяет работать с разными типами платежей через единый интерфейс. ➡️Заключение Полиморфизм в Python, реализуемый через переопределение методов и имитацию перегрузки, обеспечивает гибкость и возможность повторного использования кода. Эти концепции позволяют создавать более модульные, расширяемые и легко поддерживаемые программы. Эффективное использование полиморфизма - ключ к написанию чистого и элегантного кода на Python. 🐍Pythoner

Бесплатное IT-образование в 2024 Отобрали для вас полезные телеграм-каналы, которые помогут освоить IT-направления Выбирайте нужное и подписывайтесь: — Frontend: t.me/+qWPopdiaxVMzZDgy — Backend: t.me/+X-zQb-NgzGNhMzRi — GitHub: t.me/+3BVAmDixuO9lYTFi — Книги айти: t.me/+IG2NAVECUXs4MGYy — Python: t.me/+vBSA5zgB_gA0OWRi — Java: t.me/+3BRKfZ09ewg0NDJi — C#: t.me/+O3pnFY4bpF5hNTEy — С/С++: t.me/+PGxPXpZZczQxODcy — Базы Данных & SQL: t.me/+530qWWydM8ExZjk6 — Golang: t.me/+FvTd7F-O-NNmNGMy — PHP: t.me/+jBvbaet0vpplNDQy — Моб. разработка: t.me/+Ikx5H4MrPihlOWZi — Разработка игр: t.me/+Z34knEvL8P9lZTAy — DevOps: t.me/+3wSgqmP5NOBhZGUy — Data Science: t.me/+-CuoNNa6P7VjOTRi — ИБ: t.me/+4jo8N5jtGDs1NTli — Тестирование: t.me/+MvFXlXbmmPFkM2Ey — Маркетинг: t.me/+lgiFPJTYp8M0ZjRi — Дизайн: t.me/+gmflvDFPc_c1YmIy Подписаться #реклама 16+ О рекламодателе

✈️Memray - это библиотека для профилирования памяти и она является важным инструментом оптимизации производительности Python программ. ➡️Библиотека отслеживает выделение и освобождение памяти при работе программы, поддерживает отслеживание ссылок на объект, применятся для профилирования на серверах и в виртуальных окружениях. ➡️Основные функции: 💬Отслеживание выделения памяти в реальном времени. 💬Анализ использования памяти по различным объектам и их типам. 💬Предоставление удобных отчетов и визуализаций для упрощения диагностики. ➡️Пример использования: Чтобы использовать Memray, нужно сначала установить его с помощью pip:

pip install memray

✅Затем можно использовать Memray для профилирования вашего Python-кода. Вот простой пример:

import memray

@memray.start()
def my_function():
    # Пример кода, который может выделять память
    a = [i for i in range(100000)]
    b = [j ** 2 for j in a]
    return b

my_function()

# Сохранение отчета о профилировании
memray.stop()

✅После завершения работы вашей функции Memray создаст файл отчета, который можно анализировать с использованием команд:

memray flamegraph <report_file>

⬆️Это визуализирует распределение памяти, что поможет вам лучше понять, как ваша программа использует память и где могут возникнуть проблемы. 🐍Pythoner