PythonTalk

YOU SHALL NOT PASS! 🧙🏻‍♂️ #квиз

🏴‍☠️ Перевод текстов: бесплатно, сердито и без API-ключей Если вы хоть раз пытались прикрутить перевод текста к своему пет-проекту или парсеру, то знаете эту боль. Официальный Google Cloud Translation требует привязку карты и квоты, DeepL API — прекрасен, но дорог (и сложен в оплате из РФ), а писать свой скрапер для веб-морды переводчика — это гарантированный ад с генерацией токенов (tk), подписью запросов и постоянными отвалами верстки. Но есть translators — библиотека, которая делает эту работу за вас. Это агрегатор, который (по сути, методом реверс-инжиниринга) стучится в веб-интерфейсы более 30 переводческих сервисов. Что под капотом: 1️⃣ Ассортимент. Кроме банальных Google/Bing/Yandex, там есть DeepL (лучшее качество для европейских языков), Baidu/Alibaba (для китайщины) и даже специфические штуки типа VolcEngine. 2️⃣ HTML-friendly. Функция translate_html умеет переводить контент, не ломая структуру тегов. 3️⃣ Умный обход. Есть поддержка разных HTTP-клиентов: requests, httpx, niquests и даже cloudscraper. Если один метод блокируют по фингерпринту, можно переключиться на другой прямо в аргументах. 4️⃣ JS-магия. Библиотека сама выполняет нужный JavaScript (через exejs) для генерации подписей запросов. Да, для этого в системе должен быть Node.js, но это малая плата за халяву. 🧑‍💻 Как это выглядит в коде:

    
        import translators as ts

text = "Python is a language for rebels."

# Используем движок Alibaba
print(ts.translate_text(text, translator='alibaba', to_language='ru'))
# Вывод: Python - это язык для повстанцев.

# Или DeepL (если IP не в бане)
print(ts.translate_text(text, translator='deepl', to_language='ru')){}
    

⚠️ Ложка дегтя (куда же без неё): Это не решение для High-Load продакшена. Это скрапинг. Вас будут банить по IP, если начнете долбить тысячи запросов в секунду (хотя в либе есть кэширование сессий preaccelerate). API веб-интерфейсов могут меняться без предупреждения, и придется ждать обновления пакета. Но для дата-аналитики, сбора датасетов, ботов или личных тулзов — хороший инструмент, который сэкономит кучу денег. #годный_опенсорс

Конец эры узких специалистов и «золотое время» для новых джунов ☠️ CEO Replit (Амджад Масад) выдал в интервью мнение про то, что сейчас происходит с наймом начинающих разработчиков. Пока из каждого утюга кричат, что джуны больше никому не нужны и ИИ всех заменит, Масад говорит обратное: для джунов наступила золотая эра. Но есть нюанс. Это эра для совершенно других джунов. Главные тейки: 1️⃣ Схлопывание ролей. Инженеры занимаются дизайном и продажами, дизайнеры шипят код. Границы между профессиями стираются. Бизнесу больше не нужны люди, которые говорят «я только бэкенд пишу, фронтенд не трогаю». Бизнесу нужны те, кто доставляет результат. 2️⃣ Навык программирования больше не узкое горлышко. Знать синтаксис языка или наизусть помнить методы фреймворка — это больше не конкурентное преимущество. Узким горлышком стали ваши амбиции, креативность и умение использовать инструменты (нейронки). 3️⃣ Agent-maxing. Масад использует этот термин для описания нового подхода. Это когда разработчик не сидит неделю над одной таской, ковыряя документацию, а параллельно запускает десяток ИИ-агентов, тестирует кучу гипотез и собирает готовый продукт. Интересный факт: Replit сейчас старается нанимать как можно больше вчерашних студентов. Почему? Потому что у них еще нет зашоренности классического энтерпрайза. Они по дефолту используют ИИ на максимум, потому что им нужно как-то компенсировать нехватку опыта. В общем, рынок джунов, которые просто хотят «писать код по таскам, мертв. А вот рынок джунов, которые умеют решать проблемы бизнеса, используя современные инструменты — пустой, и там платят деньги.

Разбираем сдвиги ноликов 0️⃣ В комментах вы представили чуть ли не все способы решения задачи, какие можно придумать. Конечно, классический паттерн для решения тут — два указателя. Вот идеальное решение со сложностью O(n) по времени и O(1) по памяти:

    
        def move_zeroes(nums: list[int]) -> None:
    insert_pos = 0
    
    for i in range(len(nums)):
        if nums[i] != 0:
            # Свапаем ненулевой элемент с "левым" нулем
            nums[insert_pos], nums[i] = nums[i], nums[insert_pos]
            insert_pos += 1{}
    

Никаких аллокаций. Никаких pop() из середины списка. Проходим по массиву ровно один раз. Переменная insert_pos всегда указывает на первый доступный ноль. Как только находим число отличное от нуля — просто меняем их местами благодаря встроенному механизму распаковки кортежей в Python. 🐍 Но было бы не интересно без чего-то более хитрого. Вот вам питонячий флекс в одну строку без генераторов:

    
        nums.sort(key=bool, reverse=True){}
    

Как это работает? bool(0) дает False, остальные числа — True. Встроенная сортировка Timsort в Python стабильна — она строго сохраняет исходный порядок равных элементов. Все True (числа) съедутся влево, сохраняя свой порядок, а все False (нули) улетят вправо. Да, формально тут сложность O(n log n), что алгоритмически хуже двух указателей. Но из-за того, что Timsort написан на зубодробительном C, на реальных списках небольшого объема этот код физически порвет циклы на чистом Python по скорости выполнения. #алгособес

Почему ИИ сделал нас быстрее, но процессы встали колом 📉 Т-Банк выкатил свежий ресерч AI4SDLC за 2025 год. Картина рисуется крайне ироничная. Мы научились генерировать код со скоростью пулемета, но абсолютно не понимаем, что с этим делать дальше. 1. Verify, don't trust Цифры — пушка: 58% инженеров используют AI для генерации кода постоянно. При этом 49% (почти половина!) этому коду не доверяют. Доверяют безоговорочно лишь 11%. 2. Бутылочное горлышко переехало Программирование перестало быть узким местом. Теперь всё застревает на этапе код-ревью и тестирования. Рост индивидуальной продуктивности (о котором заявили 64% респондентов) разбивается о скалы командных процессов. Если ты строчишь фичи в 2 раза быстрее, но твой лид проверяет их ту же неделю — общее время процесса не изменится. Ускорение на одном участке просто создает затор на следующем. 3. Legacy — криптонит для AI Для задач с высоким контекстом и старым кодом AI используют всего 18%. Почему? Потому что нейронка хороша на «чистом листе», но пасует перед наслоениями костылей десятилетней давности. Чтобы AI реально помогал в Legacy, ваша документация, ADR и RFC должны быть в идеальном состоянии. Но они не в идеальном. 🤭 4. Эрозия навыков и «инженерное мышление» 37% заметили, что стали лучше писать код с AI, но есть и обратная сторона — риск деградации базовых навыков. Зачем помнить синтаксис или алгоритмы, если Tab допишет всё сам? Итого получается пока так: нейронка работает как турбо-печатная машинка, но потом техлиды и ревьюеры плачут кровью, разгребая результаты этой «продуктивности».

Двигаем нолики 0️⃣ 📝На вход подается список целых чисел nums. Нужно сдвинуть все нули в конец списка, сохранив исходный порядок ненулевых элементов. Пример:

    
        Input:  [1, 0, 1, 2, 0, 1, 3]
Output: [1, 1, 2, 1, 3, 0, 0]{}
    

Сделать можно десятком способов, но какой оптимальный и лаконичный? Ваши варианты в комментах 👇 #алгособес

Препарируем тестовое на стажера-аналитика 🔪 Получаешь простейшее тестовое: взять датасет на 15 строк, посчитать среднее, нарисовать гистограмму и придумать три промпта для LLM. Пишешь 20 строк кода на Pandas, делаешь расчеты, графики. Отправляешь, получаешь "мы вам перезвоним". Почему? А потому что надо превосходить ожидания! 🗓 17 марта в 18:00 МСК в Точке Сборки берем реальное тестовое задание и рассматриваем его на трех уровнях: от базового джуновского подхода до продвинутой реализации. Стек: Python, Pandas, SciPy, Scikit-learn, Plotly/Seaborn. 🤓 Что нужно знать: Базовый синтаксис Pandas и основы статистических инструментов. ⏩Залетайте в Точку Сборки ⏪

Бесплатные курсы на Kaggle 🎓 Все привыкли, что Kaggle — это про соревнования и датасеты. А про бесплатные курсы все знают? 👉 https://www.kaggle.com/learn Чем они хороши: 1️⃣ Краткий формат. Только выжимка по теме и сразу практика. Курс проходится за несколько часов, а не недель. 2️⃣ Практики много. С первых же минут вы пишете код в ноутбуках. 3️⃣ Широченный охват. От абсолютных основ вроде "Intro to Programming" для тех, кто вообще не программировал, до ML Explainability, Computer Vision и Time Series. Есть Python, Pandas, SQL, Data Cleaning, визуализация — весь джентльменский набор. И за это всё ещё и сертификаты дают. Бесплатно. 💡Получить базу вполне можно. #левел_ап

Однострочный фетишизм 🤖 Сегодня у нас очередная попытка впихнуть невпихуемое в одну строку, найденная на просторах интернета. Глядя на это, линтеры не просто ругаются — они выпиливают себя с вашего устройства.

    
        with open("t") as f:print(sum([sum([float(m) for m in "".join(filter(lambda x:x.isnumeric() or x.isspace() or x==".",l)).split()]) for l in f.readlines()])){}
    

🧐 Что здесь происходит? Автор этого «шедевра» поставил себе задачу: извлечь все числа из текстового файла и просуммировать их. Почему это вызывает физическую боль? 1️⃣ Память — не резиновая. f.readlines() вываливает весь файл в RAM. Если файл на 10 Гб — ваш сервер скажет «пока» быстрее, чем вы дочитаете этот пост. 2️⃣ Посимвольная фильтрация через lambda. Склеивать строку по одному символу через "".join(filter(...)) — это самый медленный способ обработки строк в Python. Мы тут программируем или бисер перебираем? 3️⃣ Вложенные списковые включения. Читаемость на уровне египетских иероглифов. Чтобы понять, где закрывается скобка, нужно вызвать экзорциста. 4️⃣ PEP8 вышел из чата. Отсутствие пробелов после : и вокруг операторов — это не экономия места, это неуважение к окружающим. Итог: Мы получили код, который работает медленно, жрет память и абсолютно нечитаем. ✅ Как это сделать по-человечески? Если вам нужно вытащить числа из текста, для этого существуют регулярные выражения. Вот как этот код должен выглядеть в мире здорового человека:

    
        import re

def total_sum_from_file(file_path: str) -> float:
    total = 0.0
    # Используем контекстный менеджер и итератор по строкам
    with open(file_path, 'r', encoding='utf-8') as f:
        for line in f:
            # Ищем все, что похоже на число (целое или с точкой)
            numbers = re.findall(r"[-+]?\d*\.\d+|\d+", line)
            total += sum(map(float, numbers))
    return total

print(total_sum_from_file("t.txt")){}
    

Почему так лучше: 1. Читаемость: Даже джун поймет, что здесь происходит, за 5 секунд. 2. Память: Мы читаем файл построчно. Если файл весит 10 Гб, этот код не упадет. 3. Скорость: re.findall на уровне C работает быстрее, чем ваш посимвольный фильтр на Python. #код_курильщика