Библиотека Python разработчика. Страница 34

Это второй вебинар из серии мероприятий от направления программирования Яндекс Практикума. В этом вебинаре расскажем, какие профессии есть в программировании, подробно разберём несколько популярных специальностей и посоветуем, с чего начать путь в разработке. После этого спикеры ответят на вопросы слушателей. 22 апреля 19:00 Зарегистрироваться

Both for and with can be asynchronous. async with uses __aenter__ and __aexit__ magic methods, async for uses __aiter__ and __anext__. All of them are async and you can await within them: import asyncio class Sleep: def __init__(self, t): self._t = t async def __aenter__(self): await asyncio.sleep(self._t / 2) async def __aexit__(self, *args): await asyncio.sleep(self._t / 2) async def main(): async with Sleep(2): print('*') loop = asyncio.get_event_loop() loop.run_until_complete(main()) When you implement __iter__ you often don't write an iterator with __next__ method, you just use yield that makes __iter__ a generator: class Bracketed: def __init__(self, data): self._data = data def __iter__(self): for x in self._data: yield '({})'.format(x) print(list(Bracketed([1, 2, 3]))) # ['(1)', '(2)', '(3)'] PEP 525 allows you do the same with __aiter__. Both yield and await in the function body make it asynchronous generator. While await is used to communicate with the loop, yield deals with for: import asyncio class Slow: def __init__(self, data, t=1): self._data = data self._t = t async def __aiter__(self): for x in self._data: await asyncio.sleep(self._t) yield x async def main(): async for x in Slow([1, 2, 3]): print(x) loop = asyncio.get_event_loop() loop.run_until_complete(main())

🚀 Data Engineering — перспективная сфера на стыке дата-аналитики и дата-сайенс. Эта профессия может стать мощным рывком в карьере для разработчиков, администраторов СУБД и другим техническим специалистам, которые хотят решать интересные задачи в сфере Big Data. Освоить эту специальность поможет онлайн-курс «Data Engineer» от OTUS. ✅ За 4 месяца вы научитесь: ✔️ Работать с Architecture, Data Lake, DWH и MLOps ✔️ Адаптировать датасеты для дальнейшей работы и аналитики ✔️ Работать с компонентами экосистемы Hadoop, распределенными хранилищами и платформам ✔️ Строить и управлять архитектурой данных в компании и многое другое В новом потоке вас ждет актуализированная программа, реальные кейсы, отработка навыков на виртуальных стендов и практика в Yandex.Cloud. 👉 Чтобы оценить подойдет ли вам курс, нужно пройти вступительный тест https://otus.pw/sjAG/ 🎁 Все, кто пройдут тест до 10 мая получит скидку 30%. Промокод: dataEng2022

Сравнение списков в Python В этой статье мы рассмотрим различные способы, позволяющие осуществить сравнение списков в Python. Для сравнения можно использовать следующие функции: reduce() и map(); collection.counter(); sort() вместе с оператором ==; set() вместе с оператором ==; List Comprehension.

Подпишись на Мир технологий 👉 @mir_teh

Что находится «под капотом» у Redis? ⚡️Приглашаем 20 апреля в 20:00 на бесплатный вебинар от OTUS «Redis под микроскопом для разработчиков». Занятие проведет технический директор1С-Старт Дмитрий Кириллов. Вместе с экспертом мы: ✅Изучим базовые команды и структуры данных ✅Заглянем «под капот» Redis и разберём его исходный код на C ✅Посмотрим, как применить эти знания для оптимизации клиентского кода 📚 Открытый урок — это возможность протестировать процесс обучения на обновленном онлайн-курсе «NoSQL». 📌Регистрация на занятие – https://otus.pw/HyGV/

Intro to FastAPI - The Best Way to Create APIs in Python? Get the code: https://prettyprinted.com/l/xW8

Важные методы в Python, которые должен знать каждый python разработчик. abs() - возвращает модуль переданного параметра. all() - функция возвращает значение True, если все элементы в итерируемом объекте - истинны. В противном случае, она возвращает значение False. any() - функция возвращает True, если какой-либо (любой) элемент в итерируемом объекте является истинным True. В противном случае, any() возвращает значение False. ascii() - возвращает строку, содержащую печатное представление объекта, и экранирует символы, отличные от ASCII, в строке с помощью экранирования \ x, \ u или \ U. bin() - функция преобразует целое число в двоичную строку с префиксом 0b. Подписывайтесь на канал 👉@pythonofff

If you want to pass some information down the call chain, you usually use the most straightforward way possible: you pass it as functions arguments. However, in some cases, it may be highly inconvenient to modify all functions in the chain to propagate some new piece of data. Instead, you may want to set up some kind of context to be used by all functions down the chain. How can this context be technically done? The simplest solution is a global variable. In Python, use also may use modules and classes as context holders since they, strictly speaking, are global variables too. You probably do it on a daily basis for things like loggers. If your application is multi-threaded, a bare global variable won't work for you since they are not thread-safe. You may have more than one call chain running at the same time, and each of them needs its own context. The threading module gets you covered, it provides the threading.local() object that is thread-safe. Store there any data by simply accessing attributes: threading.local().symbol = '@'. Still, both of that approaches are concurrency-unsafe meaning they won't work for coroutine call-chain where functions are not only called but can be awaited too. Once a coroutine does await, an event loop may run a completely different coroutine from a completely different chain. That won't work: import asyncio import sys global_symbol = '.' async def indication(timeout): while True: print(global_symbol, end='') sys.stdout.flush() await asyncio.sleep(timeout) async def sleep(t, indication_t, symbol='.'): loop = asyncio.get_event_loop() global global_symbol global_symbol = symbol loop.create_task(indication(indication_t)) await asyncio.sleep(t) loop = asyncio.get_event_loop() loop.run_until_complete(asyncio.gather( sleep(1, 0.1, '0'), sleep(1, 0.1, 'a'), sleep(1, 0.1, 'b'), sleep(1, 0.1, 'c'), )) You can fix that by having the loop set and restore the context every time it resumes some coroutine. The aiotask_context module does exactly this by changing the way how tasks are created with loop.set_task_factory. This works: import asyncio import sys import aiotask_context as context async def indication(timeout): while True: print(context.get('symbol'), end='') sys.stdout.flush() await asyncio.sleep(timeout) async def sleep(t, indication_t, symbol='.'): loop = asyncio.get_event_loop() context.set(key='symbol', value=symbol) loop.create_task(indication(indication_t)) await asyncio.sleep(t) loop = asyncio.get_event_loop() loop.set_task_factory(context.task_factory) loop.run_until_complete(asyncio.gather( sleep(1, 0.1, '0'), sleep(1, 0.1, 'a'), sleep(1, 0.1, 'b'), sleep(1, 0.1, 'c'), ))

Подборка каналов для IT специалистов 🎯 Вакансии 📌 https://t.me/progjob Вакансии для программистов Системное администрирование 📌 https://t.me/i_DevOps Все для DevOps https://t.me/tipsysdmin Типичный Сисадмин (фото железа, было/стало) https://t.me/sysadminof Книги для админов, полезные материалы https://t.me/i_odmin Все для системного администратора https://t.me/i_odmin_book Библиотека Системного Администратора https://t.me/i_odmin_chat Чат системных администраторов Программирование Python 📌 https://t.me/pythonofff Python академия. Учи Python быстро и легко🐍 https://t.me/BookPython Библиотека Python разработчика Мобильная разработка: iOS, Android 📌 https://t.me/developer_mobila Мобильная разработка Фронтенд разработка 📌 https://t.me/frontend_1 Подборки для frontend разработчиков Java разработка 📌 https://t.me/BookJava Библиотека Java разработчика Разработка игр 📌 https://t.me/game_devv GameDev: разработка игр Программирование, Биг дата, книги 📌 https://t.me/bookflow Лекции, видеоуроки, доклады с IT конференций https://t.me/programmist_of Книги по программированию https://t.me/proglb Библиотека программиста https://t.me/bfbook Книги для программистов https://t.me/coddy_academy Академия кода Шутки программистов 📌 https://t.me/itumor ITumor | программисты шутят Защита, взлом, безопасность 📌 https://t.me/thehaking Канал о кибербезопасности Книги, статьи для дизайнеров 📌 https://t.me/ux_web Статьи, книги для дизайнеров Английский 📌 https://t.me/UchuEnglish Английский с нуля Математика 📌 https://t.me/Pomatematike Канал по математике Арбитраж трафика 📌 https://t.me/partnerochkin CPA и арбитраж трафика Крипта 📌 https://t.me/bitkoinoff Новости криптовалют

На вебинаре расскажем, как бэкенд-разработчику выстроить карьерный план, какие скилы стоит развивать, чтобы вырасти в мидл-разработчика, и что делать, если план пошёл по незапланированному пути. 19 апреля 19:00 Зарегистрироваться

Изучаем словари в Python Словари в Python — это фундаментальный тип данных , представленный в виде пары ключ-значение. Они описываются как объект сопоставления, который сопоставляет хэшируемые значения с произвольными объектами. Ключи словаря должны быть неизменными, то есть они не могут изменяться. При добавлении в словарь пары ключ-значение он запоминает, в каком порядке они были добавлены. Подробнее.

Шпаргалка Python For Data Science

scikit-learn.pdf

application/pdf

Native Python float values use your computer hardware directly, so any value is represented internally as a binary fraction. That means that you usually work with approximations, not exact values: In : format(0.1, '.17f') Out: '0.10000000000000001' The decimal module lets you use decimal floating point arithmetic with arbitrary precision: In : Decimal(1) / Decimal(3) Out: Decimal('0.3333333333333333333333333333') That's still can be not enough: In [61]: Decimal(1) / Decimal(3) * Decimal(3) == Decimal(1) Out[61]: False For perfect computations, you can use fractions, that stores any number as a rational one: In : Fraction(1) / Fraction(3) * Fraction(3) == Fraction(1) Out: True The obvious limitation is you still have to use approximations to irrational numbers (such as π).

Unit-tests you write may require some temporary files or directories. The tempfile module can help you to achieve that. Since temporary stuff usually should be removed after use, tempfile provides context manager as well as plain functions: with tempfile.TemporaryDirectory() as dir_path: open(os.path.join(dir_path, 'a'), 'w').close() open(os.path.join(dir_path, 'b'), 'w').close() open(os.path.join(dir_path, 'c'), 'w').close() assert files_of(dir_path) == ['a', 'b', 'c']

infinity Самая типичная проблема при написании некоторых сортировок — назначение самой большой переменной. Часто она решается простым вводом большого числа или возведением в степень. Это, конечно, не стареющая классика, но метод максимально не надежный, а главное есть более удачные способы float('infinity') или float('inf') для получения максимально возможного числа float('-infinity') или float('-inf') для получения минимально возможного числа. Не работает с int, требуется использовать именно float. Подписывайтесь на канал 👉@pythonofff

Что такое *args и **kwargs в Python? Функции — это жизнь. Правда? Если вы только начали осваивать Python, неважно — первый ли это ваш язык программирования, или вы пришли в Python из другого языка, то вы уже знаете о том, что количество параметров в объявлении функции соответствует количеству аргументов, которые передают функции при вызове. Подробнее

Python For Data Science Cheat Sheet

python_basics.pdf

application/pdf