Программистика

💻 Вопрос из собеседования: Что такое декоратор? Как написать собственный? ‼️Декоратор в Python - это функция, которая принимает другую функцию в качестве аргумента и расширяет ее функциональность без изменения ее кода. Декораторы могут использоваться для добавления логирования, проверки аутентификации, тайминга выполнения и ещё кучи полезных штук. 👩‍💻Вот пример создания декоратора:

def my_decorator(func):
    def wrapper():
        print("Дополнительный код, который исполняется перед вызовом функции")
        func()
        print("Дополнительный код, который исполняется после вызова функции")
    return wrapper

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

# Дополнительный код, который исполняется перед вызовом функции
# Привет!
# Дополнительный код, который исполняется после вызова функции

Этот код создает декоратор my_decorator, который добавляет дополнительный код до и после выполнения функции say_hello(). Декоратор применяется к say_hello() с помощью синтаксиса @my_decorator. Таким образом, написав свой собственный декоратор, вы можете расширить функциональность функций, не изменяя их исходный код. 👩‍💻Вот, к примеру, декоратор, который позволяет измерять время выполнения функции:

from time import time

def executiontime(func):
    def wrapper():
        start = time()
        func()
        end = time()
        print(f'Функция {func} выполнялась: {end - start} сек')
    return wrapper

@executiontime
def create_tuple():
    return tuple(range(10**7))
    
create_tuple()

➡️Суть двумя словами: по сути декоратор принимает на вход другую функцию и позволяет её модифицировать снаружи, не меняя внутренней реализации самой функции. Кстати, один из полезнейших декораторов — @njit() из библиотеки numba, позволяет космически ускорить Python.

Надеюсь это поможет вам пройти собеседование на желаемую вами работу, удачи🔥

@programistica // #jobs

💸Написание Торгового Бота на Python Торговые боты становятся все более популярными среди трейдеров и инвесторов, позволяя им автоматизировать стратегии торговли и управлять портфелем. В этой статье я расскажу, как создать своего торгового бота на Python с использованием библиотеки ccxt, которая обеспечивает доступ к различным биржевым API. 🗣Установка необходимых библиотек 🗣Подключение к API биржи 🗣Получение данных о рынке 🗣Разработка стратегии торговли 🗣Управление портфелем 🗣Обработка ошибок и безопасность 🗣Запуск бота 🔗 Читать полностью @programistica // #article

🖥 Создание торговых стратегий на Python с использованием библиотеки backtrader Торговля на финансовых рынках требует не только финансовых знаний, но и умения анализировать данные, прогнозировать тренды и разрабатывать эффективные стратегии. Python становится все более популярным инструментом для автоматизации торговых процессов, благодаря своей гибкости и богатству библиотек для работы с данными и финансовыми инструментами. В этой статье я расскажу о создании и тестировании торговых стратегий на Python с использованием библиотеки backtrader. 🗣Что такое backtrader? 🗣Пример создания простой стратегии 🗣Тестирование стратегии 🔗 Читать полностью @programistica // #article

👀 Глубокое обучение с подкреплением 🗣Глубокие Q-сети 🗣Улучшение DQN 🗣Метод актора-критика с преимуществом (А2С) 🗣Оптимизация ближайшей стратегии 🗣SLM Lab 🗣Архитектура сетей 🗣Аппаратное обеспечение И многое другое @programistica // #doc

💻 Вопрос из собеседования: Что хранится в атрибуте dict объекта? Атрибут dict содержит словарь, который хранит атрибуты объекта в виде пар ключ-значение. Этот словарь заполняется значениями при создании объекта и может быть изменен позже. Например, если у вас есть объект класса Person, и вы создаете его экземпляр person1, то вы можете добавить новый атрибут age и присвоить ему значение 25 следующим образом:

class Person:
    def __init__(self, name):
        self.name = name
        
    def say_hello(self):
        print("Hello, my name is", self.name)

person1 = Person("Alice")
person1.age = 25
print(person1.__dict__)

Это выведет словарь, содержащий пару ключ-значение {'name': 'Alice', 'age': 25}. Вы можете обратиться к любому атрибуту объекта, используя либо обычную запись person1.name, либо запись, использующую словарь python person1.__dict__["name"].

class Person:
    def __init__(self, name):
        self.name = name

    def say_hello(self):
      print("Hello, my name is", self.name)

person1 = Person("Alice")
person1.age = 25
print(person1.__dict__)
class MyClass:
    pass

myclass = MyClass()
myclass.name = 'Steve'
myclass.age = 12
myclass.lastname = 'King'

print(myclass.__dict__)

Надеюсь это поможет вам пройти собеседование на желаемую вами работу, удачи🔥

@programistica // #jobs

💻Шпаргалка по NumPy ⏺ИМПОРТ/ЭКСПОРТ ⏺СОЗДАНИЕ МАССИВОВ ⏺ПРОВЕРКА СВОЙСТВ ⏺КОПИРОВАНИЕ/СОРТИРОВКА/ИЗМЕНЕНИЕ ФОРМЫ ⏺ДОБАВЛЕНИЕ/УДАЛЕНИЕ ЭЛЕМЕНТОВ ⏺ОБЪЕДИНЕНИЕ/РАСЩЕПЛЕНИЕ ⏺ИНДЕКСАЦИЯ/НАРЕЗКА/ПОДСТАНОВКА ⏺СКАЛЯРНАЯ МАТЕМАТИКА ⏺ВЕКТОРНАЯ МАТЕМАТИКА ⏺STATISTICS 🔗 Ссылка на шпаргалку @programistica // #doc

💻 Вопрос из собеседования: Что такое асинхронный код? Приведите пример. Асинхронный код - это подход к написанию кода, который позволяет выполнять несколько задач одновременно в рамках одного процесса. Это достигается за счет использования асинхронных функций и корутин. В отличие от синхронного кода, который выполняет каждую задачу последовательно, синхронный код может запустить несколько задач "параллельно" и организовать их выполнение с помощью итераций и вызовов коллбеков. Примером использования асинхронного кода является библиотека asyncio в Python. Например, вот простой пример кода, который использует asyncio для запуска нескольких задач одновременно и ожидания их завершения:

import asyncio

async def hello():
    await asyncio.sleep(1)
    print("Hello")

async def world():
    await asyncio.sleep(2)
    print("World")
    
async def main():
    await asyncio.gather(hello(), world())
    
if __name__ == '__main__':
    asyncio.run(main())

В этом примере мы определяем 3 асинхронные функции: hello(), world() и main(). Функции hello() и world() печатают соответствующие сообщения и ждут 1 и 2 секунды соответственно. Функция main() запускает эти две функции одновременно с помощью asyncio.gather() и ждет, пока они завершат свою работу. Затем мы запускаем функцию main() с помощью asyncio.run(). В результате мы получим сообщения "Hello" и "World", каждое через 1 и 2 секунды соответственно, при этом результаты двух задач были получены почти одновременно.

Надеюсь это поможет вам пройти собеседование на желаемую вами работу, удачи🔥

@programistica // #jobs

Работа с базами данных в Python: Обзор методов и инструментов Базы данных являются важным компонентом многих приложений, и Python предоставляет множество инструментов для работы с различными типами баз данных. В этой статье я расскажу вам об основных методах взаимодействия с базами данных в Python, включая SQL и NoSQL решения. 🗣Введение в базы данных 🗣Работа с реляционными базами данных 🗣Работа с нереляционными базами данных 🗣Пример работы с базой данных 🔗 Читать полностью @programistica // #article

👀Python. Разработка на основе тестирования 🗣Настройка Django с использованием функционального теста 🗣Тестирование простой домашней страницы при помощи модульных тестов 🗣Сохранение вводимых пользователем данных: тестирование базы данных 🗣Усовершенствование функциональных тестов: обеспечение изоляции и удаление методов sleep 🗣Тестирование развертывания с использованием промежуточного сайта 🗣Переход к развертыванию, готовому к эксплуатации И так далее @programistica // #doc

💻 Вопрос из собеседования: Что такое @classmethod, @staticmethod, @property? 👀@classmethod, @staticmethod, and @property - это декораторы методов класса в языке Python. 💻@classmethod используется для создания методов, которые будут работать с классом в целом, а не с отдельным экземпляром. В качестве первого параметра этот метод принимает класс, а не экземпляр объекта, и часто используется для создания фабричных методов и методов, которые работают с класс-уровнем методов. @staticmethod декоратор работает подобно @classmethod, но он не получает доступ к классу в качестве первого параметра. @property декоратор используется для создания свойств объекта, которые можно получить и задать, но выглядят как обычные атрибуты объекта. Это позволяет управлять доступом к атрибутам объекта, установив условиями доступа и возможностью заложить дополнительную логику при чтении, установке или удалении атрибута. 👩‍💻Например, явное использование декораторов может выглядеть так:

class MyClass:
    def __init__(self, value):
        self._value = value
    
    @classmethod
    def from_string(cls, input_string):
        value = process_input_string(input_string)
        return cls(value)
        
    @staticmethod
    def process_input_string(input_string):
        # implementation details
        pass 

    @property
    def value(self):
        return self._value

    @value.setter
    def value(self, new_value):
        if new_value < 0:
            raise ValueError("Value must be positive")
        self._value = new_value

Декорированные методы могут быть использованы для достижения различных целей, таких как доступ к класс-уровню, расширение функциональности объекта и управление доступом к атрибутам.

Надеюсь это поможет вам пройти собеседование на желаемую вами работу, удачи🔥

@programistica // #jobs

⚙️Разработка распределённых систем на Python с помощью Celery В мире современных вычислений распределённые системы играют важную роль, обеспечивая эффективное выполнение сложных задач на больших объёмах данных. Python с его мощными инструментами и библиотеками для асинхронного программирования предоставляет отличные возможности для создания таких систем. В этой статье я расскажу вам об использовании библиотеки Celery для разработки распределённых систем на Python. 🗣Что такое Celery? 🗣Создание и настройка Celery приложения 🗣Преимущества использования Celery 🔗 Читать полностью @programistica // #article

💻Шпаргалка по Python для data science ⏺Scikit-учись ⏺Создайте Свою модель ⏺Оцените производительность вашей модели ⏺Загрузка Данных ⏺Предварительная обработка Данных ⏺Настройте Свою модель 🔗 Ссылка на шпаргалку @programistica // #doc

💻 Вопрос из собеседования: Как проверить, что один кортеж содержит все элементы другого кортежа? Для проверки того, содержит ли один кортеж все элементы другого кортежа в Python, можно воспользоваться встроенной функцией all(), передав ей выражение генератора списков, которое проверяет наличие каждого элемента из второго кортежа в первом кортеже. 👀Например:

first_tuple = (1, 2, 3, 4, 5)
second_tuple = (2, 4, 5)

contains_all = all(elem in first_tuple for elem in second_tuple)
print(contains_all) # True

Этот код создает два кортежа first_tuple и second_tuple и затем использует генератор списка, чтобы проверить, содержит ли first_tuple все элементы из second_tuple. Результат будет True, если все элементы второго кортежа содержатся в первом кортеже, и False в противном случае. Есть и другой вариант для наборов неповторяющихся элементов. Можно использовать issubset(), то есть проверить, является ли одно множество подмножеством другого:

first_tuple = (1, 2, 3, 4, 5)
some_list = [2, 4, 5]

contains_all = set(some_list).issubset(set(first_tuple))
print(contains_all) # True

Этот код дает тот же результат, что и предыдущий пример, но при преобразовании в set() повторы теряются, подойдёт только для наборов уникальных элементов.

Надеюсь это поможет вам пройти собеседование на желаемую вами работу, удачи🔥

@programistica // #jobs

⚙️ Объёмная Шпаргалка по Python ⏺Базовый синтаксис ⏺Основные типы данных Python ⏺Работа со строками ⏺Математические операторы ⏺Работа с функциями ⏺Работа со списками ⏺Кортежи ⏺Словари ⏺Условные операторы ⏺Циклы ⏺Работа с классами ⏺Работа с исключениями (ошибками) Python 🔗 Ссылка на шпаргалку @programistica // #doc

⚙️Разработка мобильных приложений на Python Мобильные приложения становятся все более популярными в нашей современной цифровой эпохе. И если вы хотите создать мобильное приложение, используя Python, фреймворк Kivy может стать вашим надежным союзником. В этой статье я расскажу, как использовать Kivy для разработки кроссплатформенных мобильных приложений на Python. 🗣Что такое Kivy? 🗣Установка Kivy 🗣Создание простого приложения 🗣Запуск приложения 🔗 Читать полностью @programistica // #article

💻 Вопрос из собеседования: Что такое слайс(slice)? Слайс (slice) - это способ извлечения определенной части последовательности (например, строки, списка, кортежа) с использованием индексации. 👩‍💻Синтаксис для создания слайса:

sequence[start:end:step]

где start - индекс, с которого начинается извлечение (включительно), end - индекс, на котором заканчивается извлечение (не включая его), и step - шаг для извлечения элементов (по умолчанию равен 1). Обратите внимание, что если не указывать start, то по умолчанию он равен 0, а если не указывать end, то по умолчанию он равен длине последовательности. 👩‍💻Вот пример использования слайса для выбора подряд идущих элементов списка (list):

my_list = [0, 1, 2, 3, 4, 5]
my_slice = my_list[1:4] # выбираем элементы с индексами от 1 до 3 включительно
print(my_slice) # выведет [1, 2, 3]

В этом примере мы использовали слайс my_list[1:4] для выбора элементов списка с индексами от 1 до 3 включительно. В общем, слайс/срез используется для того, чтобы взять какую-то подпоследовательность любого итерируемого объекта, будь то строка, список или кортеж; при этом мы можем указывать начало среза, конец и шаг.

Надеюсь это поможет вам пройти собеседование на желаемую вами работу, удачи🔥

@programistica // #jobs