Библиотека питониста

Что выведет код сверху?

👾 — ypyP 1
👍 — ypyP 3
🥰 — y 3
⚡️ — y1

Библиотека задач по Python

🤔 Почему не стоит использовать изменяемые объекты как параметры по-умолчанию?

В Python не рекомендуется использовать изменяемые объекты в качестве значений параметров по умолчанию по следующим причинам:

— Значения по умолчанию вычисляются один раз при определении функции, а не при каждом вызове.

— Если использовать изменяемый объект (список, словарь), то изменения в нем будут сохраняться между вызовами функции. Это может привести к неочевидному поведению и трудноуловимым ошибкам при многократном вызове функции.

В качестве альтернативы можно задавать значение по умолчанию как None, а в теле функции создавать новый изменяемый объект, если значение не передано.
Такой подход позволяет избежать «эффекта переноса» состояния между вызовами и делает код более понятным и предсказуемым.

Библиотека собеса по Python

🐍 Python новости

🚀 Релизы и инструменты:
— Django 5.2 RC1 — последний шанс протестировать новые функции перед релизом.
— Unvibe — новый Python-инструмент для генерации кода из unit-тестов.
— Marimo — переосмысление ноутбуков как переиспользуемых Python-программ.

🔬 Глубже в Python:
— Operationalizing Python — почему Python становится трудно поддерживаемым.
— Weakref в Python — руководство по слабым ссылкам.

📚 Обучение и лучшие практики:
— 100 самых популярных Python-докладов 2024 года.
— 5 листингов для лучшего понимания Python.
— Генерация синтетических данных в Python.

🔧 DevOps и безопасность:
— Иерархия контроля в DevOps — как защитить прод от ошибок разработчиков.

Библиотека питониста #свежак

6 слов, которые знакомы каждому Python-разработчику

Отложим кодинг и разомнём мозги с нашим небольшим кроссвордом. 💡

По горизонтали:
1. Функция, которая позволяет модифицировать поведение другой функции.

5. Область видимости переменных в коде.

По вертикали:
2. Расширение программы, которое обычно содержит библиотеки и файлы.

3. Способ выполнения асинхронных задач в Python.

4. Фреймворк для создания веб-приложений.

6. Пакетный менеджер для установки Python-библиотек.

Делитесь своими ответами в комментариях 👇

Прячем ответы под спойлер, даём шанс угадать всем.

Библиотека питониста #междусобойчик

Встречайте: мой код, во всей его красе 😆

Библиотека питониста #развлекалово

🧩💊 Алгоритмическая самоуспокоенность: как мы разучились думать своей головой

Каждый день мы сталкиваемся с бесконечным потоком информации, которая не просто наполняет наш день, а управляет нашими мыслями. Социальные сети, алгоритмы и вечная гонка за вниманием приводят к тому, что мы забываем, как думать собственной головой.

Это не просто влияет на настроение, но и на способность анализировать информацию, принимать решения и, главное, не становиться частью системы манипуляций.

Если вы хотите вернуться к осознанному подходу в восприятии мира и научиться фильтровать контент, то эта тема точно для вас.

🔗 Подробнее в статье

🐸 Библиотека джависта

🔥 PyGWalker: ускорьте анализ и визуализацию данных

PyGWalker — инструмент, который превращает pandas DataFrame в интерактивный интерфейс для визуального исследования данных.

🔹 Что он умеет?
• Интеграция с Jupyter Notebook.
• Визуализация данных с помощью drag-and-drop.
• Очистка и аннотация данных.
• Поддержка запросов на естественном языке.

💡 Если вы аналитик данных или исследователь, PyGWalker поможет вам быстрее анализировать данные и создавать наглядные отчёты без сложного кода.

🔗 Ссылка на репозиторий: https://clc.to/QjWKzg

Библиотека питониста #буст

👍 Method Chaining — эффективный код в одну строку

Метод чейнинг (method chaining) — техника вызова нескольких методов на одном объекте в одной строке, где каждый метод возвращает self, позволяя обходиться без промежуточных переменных.

🔹 Преимущества:

• Меньше кода — избавляет от промежуточных переменных.
• Читаемость — код выглядит как последовательность логичных операций.
• Элегантный дизайн — делает API удобным для использования.

🔹 Недостатки:

• Трудность отладки — если что-то сломается, сложно найти источник ошибки.
• Длинные цепочки — могут ухудшать читаемость, если используются чрезмерно.
• Жёсткая связь методов — изменения в классе могут затронуть всю цепочку.

🎯 Когда использовать Method Chaining:

• Трансформации данных — очистка текста, математические вычисления, работа с датафреймами.
• Формировании Fluent API — используется в pandas, jQuery и других библиотеках для удобного взаимодействия с объектами.

🏆 Лучшие практики использования:
• Возвращайте self правильно — убедитесь, что каждый метод возвращает объект, с которым ведется работа, а не новый объект.
• Читаемые цепочки — избегайте слишком длинных цепочек, которые трудно отлаживать.
• Обработка ошибок — добавьте обработку исключений, чтобы не прерывать выполнение кода в случае ошибки.
• Логичность — методы должны выполняться в последовательности, логичной для объекта.

🔹 Пример на Pandas:

import pandas as pd

df = pd.DataFrame({'Name': ['Alice', 'Bob'], 'Age': [25, 30]})
result = df.rename(columns={'Name': 'Full Name'}).sort_values(by='Age').reset_index(drop=True)
print(result)

🔹Пример на Flask:

from flask import Flask, jsonify
app = Flask(__name__)

@app.route('/')
def index():
    return jsonify(message="Hello, World!").status_code(200)

Библиотека питониста #буст

Хотите получить много практики на реальных задачах, собрать портфолио и узнать как выглядит рабочий день аналитика?

CEO Simulative и эксперт с большим опытом в аналитике, Андрон Алексанян организовал бесплатный интенсив, где вы будете решать реальные задачи, с которыми аналитики сталкиваются на работе

На прямых эфирах вы сделаете:
🟠Анализ активности пользователей с помощью SQL
🟠Анализ маркетинговых активностей с помощью Python
🟠ABC анализ ассортиментной матрицы в Excel (уже прошел, но вам будет доступна запись)

Во время эфиров вы узнаете много лайфхаков, а также будете получать полезные материалы для развития в аналитике на протяжении всего интенсива

❗️Знать Python и SQL не обязательно — все будем разбирать с нуля

🕗 Встречаемся на новом эфире уже сегодня, 20 марта в 19:00 по мск

😶Участвовать в бесплатном интенсиве

👍 Промпт для генерации юнит-тестов

Используйте следующий промпт для генерации юнит-тестов с помощью pytest:

💬 Промпт:

Please generate comprehensive unit tests for the following Python function using pytest.

Requirements:  
1. Carefully analyze the function’s functionality, inputs, and outputs.
2. Generate unit tests that cover standard use cases and edge cases.
3. Ensure that the tests are clear, easy to understand, and well-organized.
4. Challenge potential inaccuracies with false outcomes, testing against possible mistakes.
5. Use assertions that test both expected outcomes and exception handling.

[insert function code here]

Что вы получите?
▪️ Полный набор юнит-тестов, охватывающих все аспекты функции.
▪️ Применение лучших практик тестирования.
▪️ Обеспечение надежности кода и упрощение отладки.

✔️ Пример:

Предположим, у нас есть функция, которая вычисляет факториал числа:

def factorial(n: int) -> int:
    if n == 0 or n == 1:
        return 1
    return n * factorial(n-1)

Промпт позволит получить набор юнит-тестов для этой функции:

import pytest
from your_module import factorial

def test_factorial_base_case():
    """Проверка, что факториал 0 и 1 возвращает 1."""
    assert factorial(0) == 1
    assert factorial(1) == 1

def test_factorial_positive_integers():
    """Проверка факториала для положительных целых чисел."""
    assert factorial(2) == 2
    assert factorial(3) == 6
    assert factorial(4) == 24
    assert factorial(5) == 120

def test_factorial_large_number():
    """Проверка факториала для большего числа."""
    assert factorial(10) == 3628800

def test_factorial_negative():
    """Проверка, что функция выбрасывает исключение для отрицательных чисел."""
    with pytest.raises(ValueError):
        factorial(-1)

def test_factorial_edge_case():
    """Проверка факториала для граничного случая."""
    assert factorial(6) == 720

Библиотека питониста #буст