🚀 Путешествие в неизведанные уголки Python: Магия или Наука?

Сегодня мы отправляемся в небольшое, но увлекательное путешествие по некоторым из самых необычных и малоизвестных функций этого языка.

1. import(): Функция, которую вы не искали, но которая нашла вас

Вы когда-либо задумывались о том, как Python загружает модули во время выполнения? Именно здесь и приходит на помощь функция import(). Она позволяет динамически импортировать модули, основываясь на данных, полученных во время выполнения программы.

Это может быть очень полезно в определенных ситуациях, например, при создании универсальных скриптов, которые должны работать с различными модулями.

2. Декораторы: Скрытые возможности для изменения поведения функций (вдруг они плохо себя ведут?)

Декораторы - это одна из самых уникальных особенностей Python. Они позволяют добавить дополнительный функционал к существующим функциям без изменения их исходного кода.

Это идеальный инструмент для повторного использования кода, управления доступом, логирования и многого другого.

3. *args и **kwarg: Секрет небывалой гибкости ваших функций

Вы когда-нибудь сталкивались с ситуацией, когда не знали заранее, сколько аргументов будет передано в вашу функцию?

Здесь на помощь приходят *args и **kwargs. Эти специальные синтаксические конструкции позволяют вашим функциям принимать произвольное количество позиционных и именованных аргументов соответственно.

«Python полон удивительных возможностей, которые делают его таким особенным» — вечная фраза.

💬 Поделитесь своими любимыми нестандартными функциями Python в комментариях ниже!


#Полезно | #теория #путешествие_Python #нестандартные_функции

📜 СУБД SQLite

Является одной из самых популярных систем управления базами данных в Python, идеально подходит для относительно небольших проектов. Она достаточно проста, а также кроссплатформенна.

Важная (и удобная) особенность — SQLite хранит БД на диске в виде файла. Это означает, что вам не обязательно устанавливать СУБД на сервер и общаться с ней через клиента (как это делают большинство других СУБД).

Взаимодействие с SQLite происходит в Python через специальную встроенную библиотеку:

import sqlite3

👌 В ближайшее время мы рассмотрим возможность использования всех функций этой СУБД в канале под хештегом #SQLite.

💬 Если у вас есть какие-то конкретные пожелания по изучению, то напишите их в комментариях под этим постом. Обязательно обсудим!

🪢 SQLite: Формальности

Формальности это лишь потому, что в обычном SQL подобных действий не требуется.

Для начала импортируем встроенную библиотеку Python для взаимодействия с СУБД SQLite:

import sqlite3

Затем нам нужно указать, с каким файлом мы работаем (файл с нашей базой данных):

import sqlite3

conn = sqlite3.connect("database.db")

Если файла не существует, он будет создан. Расширение файлов - ".db".

Затем создадим специальный объект курсора, который впоследствии нам поможет отправлять запросы в нашу СУБД:

import sqlite3

conn = sqlite3.connect("database.db")
cur = conn.cursor()

Для того, чтобы непосредственно отправить любой SQL-запрос в нашу СУБД мы можем использовать метод execute() из объекта курсора:

import sqlite3

conn = sqlite3.connect("database.db")
cur = conn.cursor()

cur.execute("SQL-запрос в СУБД")

Также рекомендуется обновлять БД после записей в неё:

import sqlite3

conn = sqlite3.connect("database.db")
cur = conn.cursor()

cur.execute("SQL-запрос в СУБД")
conn.commit()

По завершении работы закрываем соединение и курсор:

import sqlite3

conn = sqlite3.connect("database.db")
cur = conn.cursor()

cur.execute("SQL-запрос в СУБД")
conn.commit()

cur.close()
conn.close()

На этом «формальности» заканчиваются, в следующих уроках уже коснёмся темы непосредственно самого SQL (structured query language).


#Обучение #SQLite

😌 Отойдём от Python: Реляционные БД

Реляционная модель базы данных - это наиболее популярный и широко используемый тип баз данных, который был разработан в 1970-х годах Эдгаром Коддом из университета Калифорнии. Основное отличие реляционной модели от других типов баз данных заключается в том, что она использует таблицы для хранения и управления данными.

В реляционной модели данные представляют собой отношения между записями (строками) в таблице и полями (столбцами), которые описывают эти отношения. Каждая таблица имеет уникальное имя, а каждое поле имеет уникальное имя и тип данных.

1. Основные понятия реляционной модели базы данных:

• Таблица - это набор записей, хранящихся в виде строк.
• Поле (столбец) - это отдельный компонент таблицы, содержит конкретную информацию о каждой записи.
• Стояние (ячейка) - это индивидуальное значение поля для конкретной записи.
• Отношение (ассоциация) - это связь между таблицами, которая устанавливается с помощью ключа.

2. Ключевые понятия реляционной модели:

• Ключ (primary key) - уникальный идентификатор для каждой записи в таблице, который отличает её от других записей.
• Внешний ключ (foreign key) - ссылка на конкретную таблицу, которая связывает две таблицы.
• Конкатенация (join) - операция, которая объединяет несколько таблиц по общему полю.

3. Реляционные базы данных также используют понятия:

• VIEW (представление) - виртуальная таблица, которая генерирует результат из запросов к основным таблицам.
• INDEX (индекс) - структура данных, которая ускоряет доступ к определенным полевым значениям.

На этом заканчивается теория реляционных баз данных (SQLite относится к ним). Далее только Structured Query Language.


#Обучение #SQLite

📂 SQL: Создание таблиц

Советуем перечитать этот пост, если не помните систему реляционных БД.

Все данные в реляционных базах данных хранятся в виде таблиц. В одной БД нет ограничений на кол-во таблиц (в SQLite).

Давайте научимся составлять SQL-запросы, которые позволят нам создавать таблицы:

1. Т.к. мы хотим создать таблицу, давайте так и напишем:

CREATE TABLE

2. Далее мы должны указать имя таблицы и в скобках множество её столбцов:

CREATE TABLE ChannelParticipant (
    participant_id,
    time_joining
)

Мы создали таблицу с названием ChannelParticipant и двумя столбцами: participant_id и time_joining.


3. Сейчас наш запрос не совсем корректный, т.к. у столбов мы не указали тип данных, который они могут содержать. Давайте исправим это:

CREATE TABLE ChannelParticipant (
    participant_id INTEGER,
    time_joining DATETIME
)

• INTEGER - тип данных для хранения целых чисел
• DATETIME - тип данных для хранения даты и времени
Теперь всё будет работать корректно.

Также обращаем внимание, что для SQL регистр не важен (за исключением названий баз данных, таблиц и столбцов в них). Но принято ключевые слова SQL писать в верхнем регистре.

Также не забывайте, что всё происходит в рамках Python. Саму базу данных мы научились создавать здесь.


#Обучение #SQLite

Что такое Непрерывная интеграция (Continuous Integration, CI)?

Непрерывная интеграция – это процесс разработки программного обеспечения, при котором разработчики часто объединяют свои изменения в общий репозиторий, автоматически собирают и тестируют код после каждого коммита. Это позволяет быстро обнаруживать и исправлять ошибки, а также поддерживать высокий уровень качества кода.

Основные принципы непрерывной интеграции включают:

1. Частые коммиты: разработчики должны регулярно коммитить свой код в общий репозиторий. Это помогает избежать накопления большого количества изменений, которые могут привести к конфликтам при слиянии.

2. Автоматическое сборка и тестирование: после каждого коммита система CI должна автоматически собирать и тестировать код. Это позволяет быстро выявить ошибки и предотвратить их распространение на другие части системы.

3. Обнаружение ошибок: система CI должна предоставлять информацию о том, какие тесты прошли успешно, а какие нет. Это помогает разработчикам быстро определить причину проблемы и исправить её.

4. Регулярный выпуск: система CI должна позволять выпускать новые версии продукта на регулярной основе. Это помогает быстрее реагировать на изменения требований условного заказчика и улучшать качество продукта.

5. Командная работа: непрерывная интеграция требует от команды разработчиков работать вместе, чтобы достичь общей цели. Каждый член команды должен понимать свою роль (капибара или супергерой) и ответственность в процессе разработки.

6. Использование инструментов: для реализации непрерывной интеграции используются различные инструменты, такие как Jenkins, TeamCity, Travis CI и др. Они помогают автоматизировать процесс сборки и тестирования, а также предоставляют удобный интерфейс для управления процессом.

Непрерывная интеграция является важным элементом гибкой методологии разработки ПО, такой как Scrum или Kanban. Она помогает ускорить процесс разработки, улучшить качество кода и повысить эффективность работы команды.

💬 Также можете написать в комментариях, разбор каких терминов (связанных с Python) вы хотите услышать, что так и будет.


#ЧтоТакое | #непрерывная_интеграция #ci
@X_Python

Что такое Генераторы в Python?

Генераторы в Python — специальные функции, которые позволяют эффективно обрабатывать последовательности данных. Они похожи на обычные функции, но имеют некоторые особенности.

Одна из главных особенностей генераторов заключается в том, что они могут быть использованы для создания итераторов. Итератор — это объект, который позволяет перебирать элементы последовательности без необходимости хранить все элементы в памяти одновременно. Это особенно полезно при работе с большими объемами данных.

Вот пример синтаксиса генератора в Python:

def generator_function():
    for i in range(10):
        yield i  *  2

# Вывод значений, возвращаемых генератором
for value in generator_function():
    print(value)

В этом примере generator_function является генератором, который создает последовательность чисел, удваивая каждое число от 0 до 9. Каждый раз, когда вызывается функция next() или используется в цикле for, генератор возвращает следующее значение в последовательности.

Когда мы вызываем generator_function(), мы получаем генераторный объект, который может быть использован для получения значений. В данном случае, мы используем цикл for для перебора всех значений, возвращаемых генератором.

Важно отметить, что генераторы в Python являются ленивыми, то есть они не вычисляют значения заранее, а создают их по мере необходимости. Это делает их очень эффективными для работы с большими объемами данных или для ситуаций, где данные не могут быть полностью загружены в память.


#ЧтоТакое | #генераторы #итераторы
@X_Python

Что такое Итераторы в Python?

Итераторы в Python — это объекты, которые позволяют последовательно перебирать элементы коллекции, такие как список, множество или словарь. Они предоставляют интерфейс для итерирования, который состоит из метода __iter__, который возвращает сам итератор, и метода __next__, который возвращает следующий элемент коллекции.

Пример использования итератора для списка:

# Создаем список
numbers = [1, 2, 3, 4, 5]

# Создаем итератор
iterator = iter(numbers)

# Перебираем элементы списка с помощью итератора
for number in iterator:
    print(number)

Этот код выведет числа от 1 до 5. Важно отметить, что после того, как все элементы будут перебраны, следующиnext__next__ вернет исключение StopIteration.

Пример использования итератора для словаря:

# Создаем словарь
people = {'John': 30, 'Mary': 25, 'Peter': 40}

# Создаем итератор
iterator = iter(people)

# Перебираем ключи словаря с помощью итератора
for key in iterator:
    print(key)

Этот код выведет имена людей из словаря. Обратите внимание, что итератор для словаря перебирает только ключи, а не пары ключ-значение.


#ЧтоТакое | #итераторы
@X_Python

📗 Logging в Python - это механизм, который позволяет записывать информацию о работе программы во время её выполнения. Для использования logging в Python необходимо импортировать встроенный модуль logging.

Прежде всего, нужно настроить логгер с помощью команды logging.basicConfig(), где можно указать уровень логирования, формат сообщений и другие параметры.

Далее, для записи логов в различные уровни (например, отладочные сообщения или ошибки), используются соответствующие методы debug(), info(), warning(), error() и critical() объекта логгера.

Пример использования:

import logging

# Настройка логгера
logging.basicConfig(level=logging.DEBUG, format='%(asctime)s - %(levelname)s - %(message)s')

# Создание объекта логгера
logger = logging.getLogger(__name__)

# Примеры записи логов
logger.debug('Это отладочное сообщение')
logger.info('Это информационное сообщение')
logger.warning('Это предупреждение')
logger.error('Это сообщение об ошибке')
logger.critical('Это критическое сообщение')

После выполнения кода, вы сможете увидеть логи в консоли или сохранить их в файл для последующего анализа.

Это был самый базовый разбор модуля. Ставьте реакцию, если хотите более глубокое изучение.

P.S. Из «боевых» версий кода обязательно убирайте лигирование, оно применяется только при разработке/тестировании.


#Обучение #Библиотека | #logging

⌛ Модуль time в Python: Полезные функции для работы со временем

Модуль time в Python предоставляет функциональные возможности для работы с системным временем. В отличие от модуля datetime, который больше ориентирован на работу с датами и временем в высокоуровневом контексте, time предлагает более низкоуровневые операции, часто взаимодействующие напрямую с системными функциями.


Основные функции

1. time()
Функция time() возвращает текущее время в секундах с начала эпохи (обычно это 1 января 1970 года). Результат — это число с плавающей точкой.

Пример использования:

import time

current_time = time.time()
print(f"Текущее время в секундах: {current_time}")

2. sleep()
Функция sleep(seconds) приостанавливает выполнение программы на заданное количество секунд. Очень полезна для создания задержек, например, в циклах или для симуляции ожидания ответа. Функция синхронна.

Пример:

print("Ожидание 5 секунд...")
time.sleep(5)
print("Продолжение работы")

3. ctime()
Функция ctime() преобразует время в формате секунд с начала эпохи в более удобочитаемую строку.

Пример:

formatted_time = time.ctime(time.time())
print(f"Текущее время: {formatted_time}")

4. gmtime() и localtime()
Эти функции преобразуют время в формате секунд с начала эпохи в структурированное время (struct_time).gmtime() возвращает время в формате UTC, а localtime() — локальное время.

Пример:

gmt = time.gmtime()
local = time.localtime()

print(f"UTC время: {gmt}")
print(f"Локальное время: {local}")

5. strftime()
Эта функция форматирует объекты времени в строку по заданному шаблону.

Пример:

formatted_time = time.strftime("%Y-%m-%d %H:%M:%S", time.localtime())
print(f"Форматированное локальное время: {formatted_time}")

Здесь %Y, %m, %d и прочие — это специальные форматные символы для вывода года, месяца, дня и времени.

6. strptime()
Обратная функция к strftime(), которая парсит строку времени в объект struct_time по заданному формату.

Пример:

parsed_time = time.strptime("2024-08-24 15:30:00", "%Y-%m-%d %H:%M:%S")
print(parsed_time)

7. time.perf_counter() и time.process_time()
Эти функции используются для измерения времени выполнения кода. perf_counter() возвращает время с начала запуска программы, а process_time() — процессорное время.

Пример использования:

start = time.perf_counter()
# Симуляция работы программы
time.sleep(2)
end = time.perf_counter()

print(f"Время выполнения: {end - start} секунд")


Особенности и ограничения

• Работа с часовыми поясами ограничена. Для более сложных операций лучше использовать модуль datetime или сторонние библиотеки, такие как pytz.

• Некоторые функции зависят от операционной системы. Например, разрешение времени, которое может поддерживать sleep(), может варьироваться в зависимости от платформы.


#Обучение #Библиотека | #time

🔗 Основы дескрипторов в Python — Часть 1

▎Введение

Дескрипторы (descriptors) в Python — это механизм управления доступом к атрибутам объекта. Дескрипторы позволяют контролировать, что происходит при чтении, записи и удалении атрибутов класса. Если объект класса содержит один или несколько специальных методов: __get__, __set__ и __delete__, он считается дескриптором.

Дескрипторы часто применяются в ORM, управлении доступом к свойствам и оптимизации работы с памятью.

▎Механизм работы дескрипторов

В Python существуют два типа дескрипторов:

1. Дескрипторы данных (data descriptors) — реализуют методы __get__ и __set__.
2. Недельные дескрипторы (non-data descriptors) — реализуют только метод __get__.

Дескрипторы управляют доступом к атрибутам, и их методы вызываются автоматически при попытке чтения, изменения или удаления атрибута.

▎Методы дескрипторов

1. __get__(self, instance, owner) — вызывается при чтении атрибута.
2. __set__(self, instance, value) — вызывается при присвоении значения атрибуту.
3. __delete__(self, instance) — вызывается при удалении атрибута.

▎Как подставляются аргументы в методы дескриптора

Когда вы обращаетесь к атрибуту объекта, который является дескриптором, Python автоматически подставляет необходимые аргументы:

1. self — это сам объект-дескриптор.
2. instance — это объект, из которого был вызван атрибут. Если атрибут вызван через класс, instance будет None.
3. owner — это класс, из которого был вызван атрибут.

▎Пример дескриптора данных

class Celsius:
    def __get__(self, instance, owner):
        return instance._celsius
    
    def __set__(self, instance, value):
        if value < -273.15:
            raise ValueError("Температура ниже абсолютного нуля невозможна!")
        instance._celsius = value

class Temperature:
    celsius = Celsius()
    
    def __init__(self, celsius):
        self.celsius = celsius

# Пример использования
t = Temperature(25)
print(t.celsius)  # 25
t.celsius = -300  # Ошибка: Температура ниже абсолютного нуля невозможна!

В этом примере класс Celsius является дескриптором данных, который управляет доступом к атрибуту celsius в классе Temperature.

▎Заключение

Дескрипторы — это (ещё раз) инструмент для управления атрибутами классов. Понимание их принципов позволяет глубже контролировать поведение объектов в Python.


#Обучение #ООП | #дескрипторы
@X_Python

🔗 Продвинутые возможности дескрипторов в Python — Часть 2

▎Пример недельного дескриптора

Недельные дескрипторы, в отличие от дескрипторов данных, реализуют только метод __get__. Они используются, когда нужно только контролировать доступ на чтение атрибута.

class Square:
    def __get__(self, instance, owner):
        return instance._side ** 2

class Rectangle:
    side = Square()
    
    def __init__(self, side):
        self._side = side

# Пример использования
r = Rectangle(4)
print(r.side)  # 16

В этом примере класс Square — недельный дескриптор, который вычисляет площадь квадрата. Аргументы instance и owner автоматически подставляются при вызове метода дескриптора: instance — это объект r, а owner — класс Rectangle.

▎Порядок разрешения атрибутов

При доступе к атрибуту Python определяет порядок разрешения следующим образом:

1. Если атрибут является дескриптором данных, он имеет приоритет над атрибутом экземпляра класса.

2. Если атрибут является недельным дескриптором, то приоритет отдается атрибуту экземпляра, и если он не найден, то вызывается дескриптор.

▎Применение дескрипторов

1. Свойства: Механизм дескрипторов лежит в основе встроенного механизма свойств через декоратор @property. Вот пример:

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

@property использует дескрипторы для управления доступом к атрибутам объекта.

2. ORM: В ORM дескрипторы могут использоваться для управления полями базы данных. Например, доступ к данным может быть реализован через дескриптор, который автоматически выполняет SQL-запросы для получения или обновления данных.

3. Кеширование: Дескрипторы полезны для реализации ленивых вычислений и кеширования результатов. Можно использовать дескриптор для вычисления значения только при первом доступе и сохранения результата для последующих обращений.

▎Заключение

Продвинутые возможности дескрипторов позволяют управлять доступом к атрибутам более гибко и эффективно. Их использование может значительно упростить работу с кодом, особенно в сложных проектах, таких как ORM или кеширование данных. Это «вывод» из поста.


#Обучение #ООП | #дескрипторы
@X_Python

Приглашаем beta-тестировщиков AI-платформы для изучения английского 🔥

Привет, сообщество! 👋
Мы возвращаемся с новым проектом — инновационным сервисом для изучения английского. И нам нужна ваша помощь!

Что предлагаем:
🔴 Бесплатный доступ навсегда (обычная цена — 500₽/мес) за фидбек и идеи (как от beta-тестировщика).
🔴 Уникальный метод обучения с AI.
🔴 Шанс повлиять на стартап — ваше мнение определит развитие проекта!

Для кого это актуально?
✔️ Хотите подтянуть английский для работы в IT или переговоров с заказчиками.
✔️ Мечтаете читать документацию и статьи в оригинале.

Как присоединиться?
Напишите мне (@VokabooCEO) в личные сообщения 🖐