Pythoner

✈️itertools.cycle создаёт бесконечный итератор, который зацикливает последовательность, перезапуская её с начала после завершения. ➡️Пример: from itertools import cycle colors = ["red", "green", "blue"] color_cycle = cycle(colors) for _ in range(5): print(next(color_cycle)) # red → green → blue → red → green ➡️Зачем использовать? - Повторение элементов списка без переписывания вручную. - Автоматическое зацикливание без индексов. - Полезно в анимациях, смене тем, бесконечных процессах. 💡Заключение: itertools.cycle — мощный инструмент для циклических операций без лишнего кода.

✈️В Python есть два специальных декоратора для методов класса: @staticmethod и @classmethod. Они позволяют работать без создания экземпляра, но имеют ключевые различия. ➡️Пример: class Example: class_attr = "Hello" @staticmethod def static_method(): return "I'm a static method" @classmethod def class_method(cls): return f"Class method: {cls.class_attr}" print(Example.static_method()) # I'm a static method print(Example.class_method()) # Class method: Hello @staticmethod ведёт себя как обычная функция внутри класса, не имея доступа к атрибутам класса или экземпляра. @classmethod, наоборот, получает ссылку на класс (cls) и может изменять его атрибуты. 💡Заключение: Используйте @staticmethod для независимых функций, а @classmethod, когда нужно работать с самим классом. 🐍 Pythoner

✈️В настоящее время многие веб-приложения используют RestApi. RestApi - это аббревиатура от Representational State Transfer Application Programming Interface. RestApi - это набор протоколов и правил, используемых для создания веб-сервисов, которые могут взаимодействовать друг с другом. ➡️Основные принципы RestApi RestApi работает на основе нескольких принципов. Один из них - это использование универсальных интерфейсов. Это означает, что клиенты и серверы должны использовать общие методы передачи данных, такие как HTTP-протоколы GET, POST, PUT и DELETE. Другой принцип - это использование ресурсов. Ресурсы - это общие сущности, которые могут быть представлены в виде URL-адресов. Например, веб-сервис может представлять собой коллекцию пользователей, каждый из которых является отдельным ресурсом. ➡️Преимущества RestApi - RestApi имеет множество преимуществ. Одно из них - это возможность создания универсальных веб-сервисов, которые могут взаимодействовать с любым клиентом, который может использовать общие методы передачи данных. - RestApi также обеспечивает гибкость и масштабируемость веб-сервисов. Это означает, что веб-сервисы могут легко добавляться и масштабироваться по мере необходимости. 💡Наконец, RestApi обеспечивает безопасность веб-сервисов. Он может использовать стандартные методы аутентификации и авторизации, такие как OAuth, для обеспечения безопасности и конфиденциальности передаваемых данных. 🐍 Pythoner

✈️super() позволяет вызывать методы родительского класса, обеспечивая правильное наследование и расширение функционала. ➡️Пример: class Parent: def greet(self): return "Hello from Parent" class Child(Parent): def greet(self): return super().greet() + " and Child" obj = Child() print(obj.greet()) # "Hello from Parent and Child" 💡super() особенно полезен при множественном наследовании, так как помогает вызывать методы родительских классов без явного указания их имен. 🐍 Pythoner

✈️yield используется для создания генераторов, которые возвращают данные по мере запроса, вместо хранения всего результата в памяти. ➡️Пример: def count_up_to(n): count = 1 while count <= n: yield count # Возвращает значение и приостанавливает выполнение count += 1 for num in count_up_to(5): print(num) 💡yield позволяет приостанавливать и возобновлять выполнение функции, экономя память и упрощая работу с потоками данных. 🐍 Pythoner

✈️lambda — это анонимная функция, которая записывается в одну строку и не требует def. Используется там, где нужна простая операция без имени функции. ➡️ Пример. Обычная функция vs. lambda: def square(x): return x ** 2 square_lambda = lambda x: x ** 2 print(square(5)) # 25 print(square_lambda(5)) # 25 ➡️Где используется? 1. map() — Применение функции к списку nums = [1, 2, 3, 4] squared = list(map(lambda x: x ** 2, nums)) print(squared) # [1, 4, 9, 16] 2. filter() — Фильтрация данных even = list(filter(lambda x: x % 2 == 0, nums)) print(even) # [2, 4] 3. sorted() — Сортировка по ключу pairs = [(1, 'one'), (3, 'three'), (2, 'two')] pairs.sort(key=lambda x: x[0]) print(pairs) # [(1, 'one'), (2, 'two'), (3, 'three')] 💡Когда использовать lambda? - Когда функция простая и короткая - Когда она нужна один раз 💡Не стоит использовать lambda, если логика сложная – лучше писать def. 🐍 Pythoner

✈️Миксин (mix-in, анг. “примесь”), паттерн проектирования в ООП, когда в цепочку наследования добавляется небольшой класс-помощник. Например, есть класс: class NowMixin(object): def now(): return datetime.datetime.utcnow() 🔫Тогда любой класс, наследованный с этим миксином, будет иметь метод now(). 💡В названия миксинов принято добавлять слово Mixin, так как не существует никакого механизма для понимания полноценный это класс или миксин. Миксин технически является самым обычным классом. 🐍 Pythoner

✈️@property превращает метод класса в свойство, позволяя обращаться к нему без скобок. ➡️Пример: class Person: def init(self, name): self._name = name @property def name(self): return self._name p = Person("Alice") print(p.name) # Alice (как атрибут, но с логикой) ➡️Зачем нужно? - Позволяет использовать методы как атрибуты - Защищает данные от прямого изменения - Позволяет добавить логику без изменения интерфейса 💡@property делает код чище и безопаснее, улучшая инкапсуляцию! 🐍 Pythoner

✈️Не обязательно пользоваться сторонними сервисами вроде bit.ly — ты можешь сделать свою «сокращалку» буквально в пару строк на Python. Для этого есть библиотека pyshorteners. ➡️Пример: import pyshorteners s = pyshorteners.Shortener() url = "https://example.com/your-long-link-here" print(s.tinyurl.short(url)) # Вывод: https://tinyurl.com/2p6n3x6d 🔫На выходе получаем короткую и удобную ссылку, которую можно использовать где угодно. Просто, быстро и полностью под твоим контролем. 🐍 Pythoner

✈️githubkit — это библиотека на Python, которая предлагает чистый и типизированный интерфейс для работы с API GitHub. Она позволяет разработчикам легко и быстро интегрировать функционал GitHub в свои приложения, минимизируя количество ошибок и облегчая процесс разработки. ➡️Пример: from githubkit import GitHub, Response from githubkit.versions.latest.models import FullRepository # Создаем объект GitHub, передав токен доступа github = GitHub("<ваш_token_здесь>") # Выполняем запрос к API GitHub для получения репозитория resp: Response[FullRepository] = github.rest.repos.get("owner", "repo") # Получаем данные о репозитории repo: FullRepository = resp.parsed_data # Выводим название репозитория print(repo.full_name) 💡Больше нет необходимости вручную обрабатывать HTTP-запросы, управлять токенами и разбираемыми JSON-ответами. ⛓GitHub 🐍 Pythoner

✈️Хочешь, чтобы твой скрипт принимал параметры из командной строки? В Python для этого есть встроенный инструмент — argparse. ➡️Пример: import argparse parser = argparse.ArgumentParser() parser.add_argument('--name', required=True, help='Имя пользователя') parser.add_argument('--age', type=int, help='Возраст') args = parser.parse_args() print(f"Привет, {args.name}! Тебе {args.age} лет.") 🔫Как работает Запускаем в терминале: python script.py --name Алиса --age 25 Вывод: Привет, Алиса! Тебе 25 лет. 💡Зачем это нужно? - Удобно передавать параметры - Можно добавлять флаги, типы, help-сообщения - Работает из коробки — без установки сторонних библиотек 🐍 Pythoner

✈️По умолчанию атрибуты хранятся в словаре dict, но этот подход неэффективен по памяти, особенно если создаётся много однотипных объектов. slots ограничивает список атрибутов у экземпляров класса, экономя память за счет отказа от dict. ➡️Обычный класс без slots: class Person: def init(self, name, age): self.name = name self.age = age p = Person("Alice", 25) p.city = "New York" # Можно добавить новый атрибут ➡️Класс с slots: class Person: slots = ("name", "age") # Разрешены только эти атрибуты def init(self, name, age): self.name = name self.age = age p = Person("Alice", 25) p.city = "New York" # ❌ AttributeError: 'Person' object has no attribute 'city' 💡Плюсы slots - Экономит память (не создается dict) - Ускоряет доступ к атрибутам - Предотвращает создание лишних атрибутов 🐍 Pythoner

✈️Когда работаешь с большими массивами данных, производительность кода становится критически важной. Рассмотрим, как можно ускорить обработку данных, используя библиотеку NumPy вместо стандартных циклов Python. ➡️Проблема: медленные циклы Допустим, у нас есть список чисел, и мы хотим возвести каждое число в квадрат: data = list(range(1_000_000)) squared = [x**2 for x in data] # Медленно! 🔫Этот код работает, но на больших объемах данных циклы Python работают неэффективно, что может значительно замедлить выполнение программы. ➡️Решение: NumPy Используем библиотеку NumPy, которая оптимизирована для работы с массивами: import numpy as np data_np = np.arange(1_000_000) squared_np = data_np ** 2 # В десятки 🔫NumPy использует векторизацию, что позволяет выполнять операции над целыми массивами данных за одно обращение, значительно ускоряя вычисления. 💡Заключение Если ваш код обрабатывает большие объемы данных, замена циклов Python на операции с NumPy может ускорить выполнение в 10–100 раз! Это особенно важно в научных вычислениях, анализе данных и машинном обучении, где скорость обработки данных критична. 🐍 Pythoner