🖥 Быстрый совет Python

Используйте спецификатор `=` в f-строках, чтобы включить как имя переменной, так и ее значение в форматированную строку.✨

@python_job_interview

❓ Как механизм interning влияет на сравнение строк в Python? Приведите пример, когда использование оператора == и оператора is для строк дает разные результаты. В каких случаях это знание может быть полезно?

❗️ В Python существует механизм interning, который используется для оптимизации хранения и сравнения строк. Interning автоматически применяет к коротким строкам, строкам с символами только из алфавита или строкам, которые часто используются в программе. Это означает, что такие строки могут быть закэшированы, и вместо создания нового объекта Python будет использовать уже существующий.

💡 Когда строка подвергается интернированию, все переменные, которые ссылаются на одну и ту же строку, фактически указывают на один и тот же объект в памяти. В этом случае операторы == (сравнение по значению) и is (сравнение по идентификатору объекта) будут возвращать одинаковый результат. Но если строки не закэшированы или были созданы динамически, то is может вернуть False, даже если строки равны по значению (==).

Пример:

# Строки, созданные вручную (будут интернированы)
a = "hello"
b = "hello"

print(a == b)  # True, так как значения строк одинаковы
print(a is b)  # True, так как строки интернированы и ссылаются на один объект

# Строки, созданные динамически (не всегда интернированы)
x = "".join(["hel", "lo"])
y = "hello"

print(x == y)  # True, значения одинаковы
print(x is y)  # False, так как x и y — это разные объекты в памяти

Когда это знание полезно:

🌟 Оптимизация памяти: Понимание работы интернирования позволяет эффективнее использовать память, особенно при работе с большим количеством однотипных строк.
🌟 Оптимизация скорости: Оператор is работает быстрее, чем == для строк, но его можно безопасно использовать только тогда, когда гарантированно известно, что строки интернированы (например, ключи в словарях или имена атрибутов).
🌟 Избегание ошибок: Если случайно использовать is вместо == для сравнения строк, особенно созданных динамически, это может привести к неожиданному поведению программы.

@python_job_interview

🖥 Python полный курс для начинающих Урок3 : работа с операторами и Math

🔥Смотреть
▪Урок2
▪Урок 1
▪Лучшие бесплатные курсы и книги по Python в 2024 год

@python_job_interview

❓ Как реализовать менеджер контекста в Python с помощью класса? В каких случаях его стоит использовать? Приведите пример его реализации и покажите, как он работает


❗️Менеджеры контекста позволяют правильно управлять ресурсами, например, открытием и закрытием файлов, установлением и завершением соединений с базами данных или блокировкой и освобождением ресурсов в многопоточном программировании. Классический способ создания менеджера контекста — использование конструкции with. Менеджеры контекста помогают упрощать код и предотвращают утечки ресурсов, так как гарантируют выполнение завершающих действий даже при возникновении исключений.

Для создания менеджера контекста с помощью класса необходимо определить два метода:

enter() — код, выполняемый при входе в контекст (with).

exit(self, exc_type, exc_val, exc_tb) — код, выполняемый при выходе из контекста, даже если внутри возникло исключение.

💡Пример:

Допустим, у нас есть класс DatabaseConnection, который имитирует подключение к базе данных. Менеджер контекста будет обеспечивать автоматическое подключение и отключение от базы данных:

class DatabaseConnection:
    def __init__(self, db_name):
        self.db_name = db_name

    def __enter__(self):
        # Действия при входе в контекст
        print(f"Connecting to database '{self.db_name}'...")
        self.connection = f"Connection to {self.db_name}"
        return self.connection  # Возвращаем объект соединения

    def __exit__(self, exc_type, exc_val, exc_tb):
        # Действия при выходе из контекста (закрытие соединения)
        print(f"Closing connection to '{self.db_name}'...")
        self.connection = None
        return False  # Если возникло исключение, не подавлять его

# Использование менеджера контекста
with DatabaseConnection('test_db') as conn:
    print(f"Using {conn} to execute queries...")

Результат выполнения:

Connecting to database 'test_db'...
Using Connection to test_db to execute queries...
Closing connection to 'test_db'...

💡Объяснение

🌟Метод enter() открывает соединение и возвращает его.

🌟Метод exit() автоматически вызывается при выходе из блока with и закрывает соединение.

🌟Если в блоке with возникнет исключение, оно будет передано в exit(), но не будет подавлено (return False).

@python_job_interview

🌟 Awesome-list советов по поступлению в аспирантуру и научной работе.

Репозиторий GitHub "advice", в котором содержится обширная коллекция ссылок на ресурсы, предлагающие советы по различным аспектам поступления в аспирантуру, проведения исследований и жизни в аспирантуре, в основном в области информатики, NLP и ML.

Автор репозитория - Shaily Bhatt, аспирант первого года обучения в Институте языковых технологий CMU и бывший сотрудник NLU Group в Google Research (Индия).

Содержание:

Заявки в аспирантуру:

🟢общие советы по заявкам;
🟢советы, специфичные для программ MS;
🟢советы по заявкам на предварительные докторские программы;
🟢советы о том, стоит ли получать докторскую степень;
🟢советы по выбору учебных заведений и научных руководителей.

Исследования:

🟠общие советы по исследованиям;
🟠советы для аспирантов;
🟠идеи для исследований;
🟠советы по написанию работ;
🟠советы по рецензированию;
🟠советы по чтению;
🟠советы по публикации и конференциям;
🟠советы по динамике отношений между научным руководителем и аспирантом;
🟠советы по научно-исследовательским стажировкам;
🟠советы по нетворкингу;
🟠советы по выступлениям и презентациям;
🟠советы по продуктивности;
🟠советы по борьбе с синдромом самозванца;
🟠советы по инструментам для исследований.

В репозитории также есть раздел "Список списков", в котором собраны ссылки на другие полезные ресурсы.


🖥GitHub


@ai_machinelearning_big_data

#AI #ML #Resources #Github #Awesome

👩‍💻 Пет-проект на Python за 50 минут. Курс по FastAPI для начинающих (2024)

💡 В видео рассматривается создание простого проекта на Python с использованием FastAPI. Обсуждаются основные концепции, такие как маршрутизация, обработка запросов и использование зависимости. Программа охватывает создание RESTful API, работу с параметрами, развертывание приложения через Docker а также интеграцию с базой данных. Также приведены советы по развертыванию приложения и тестированию. Это видео подходит для начинающих, желающих быстро освоить FastAPI

🕞 Продолжительность: 50:00
🇷🇺 Видео на русском языке!

🔗 Ссылка: *клик*

#курс #python #docker #fastapi

@python_job_interview

👩‍💻 Ускорь Pandas в 20 раз, изменив всего одну строчку кода! 🔥

💡 Pandas часто бывает медленным из-за ограничений, таких как одноядерные вычисления и громоздкие DataFrame-ы. Но есть простое решение: FireDucks — библиотека с таким же API, как у Pandas, которая решает эти проблемы и значительно ускоряет обработку данных.

❓ Как ускорить Pandas?

🌟 Просто замените импорт библиотеки:

❌ Было:

import pandas as pd

✅ Стало:

import fireducks.pandas as pd

🌟 Теперь ваш код работает быстрее без изменений логики! Попробуйте сами и убедитесь, как легко ускорить работу с большими данными! 🚀

@python_job_interview

🖥 Визуализация частот слов с помощью Python

@python_job_interview

❓ Как вы можете использовать asyncio для написания асинхронного кода в Python, и какие преимущества и недостатки вы видите в использовании асинхронного программирования по сравнению с многопоточностью? Приведите примеры.

❗️ asyncio — это стандартная библиотека Python для написания асинхронного кода. Она позволяет использовать синтаксис async и await, чтобы писать неблокирующий код. Вот простой пример использования asyncio:

import asyncio

async def fetch_data(url):
    print(f"Fetching data from {url}...")
    await asyncio.sleep(2)  # Имитация сетевого запроса
    print(f"Data from {url} fetched.")
    return f"Data from {url}"

async def main():
    urls = ["https://example.com/1", "https://example.com/2", "https://example.com/3"]
    tasks = [fetch_data(url) for url in urls]
    results = await asyncio.gather(*tasks)
    print(results)

asyncio.run(main())

В этом примере несколько задач выполняются одновременно, хотя каждая из них вызывает асинхронное ожидание (с использованием `await asyncio.sleep(2)`), что позволяет другим задачам продолжать выполнение.

💡 Почему асинхронное программирование?

🌟 Легковесность: Асинхронные задачи используют меньше ресурсов по сравнению с потоками, так как все они работают в одном потоке и управляются одним циклом событий.

🌟 Производительность: Асинхронное программирование позволяет лучше справляться с задачами ввода-вывода (I/O), такими как сетевые запросы и операции с файлами, так как они могут выполняться без блокировки основного потока.

🌟 Упрощение кода: Асинхронные функции легче понимать и поддерживать, так как они работают с синтаксисом `async`/`await`, который более декларативен.

💡 Почему НЕ асинхронное программирование?

🌟 Сложность отладки: Асинхронный код может быть труднее отлаживать, так как ошибки могут возникать в различных частях кода и не всегда очевидны.

🌟 Не для всех задач: Не все задачи требуют асинхронного подхода. Для вычислительно интенсивных задач многопоточность или multiprocessing может быть более подходящим выбором

@python_job_interview

🖥 Полезный репозиторий на Github, в котором собраны вопросы с собеседований по всевозможным IT сферам!

🔍 Что есть?

🌟 Фронтенд
🌟 Бэкенд
🌟 DevOps
🌟 Android - разработка
🌟 Fullstack
🔥 И многое другое!

🔗 Смотрим здесь: *клик*

@python_job_interview

👩‍💻 Создание QR кодов с использованием библиотеки Pyqrcode

@python_job_interview

🖥 Большая шпаргалка по SQL — внутри ждёт всё, от основных команд до продвинутых фишек, вроде оконных функций.

— Основные команды SQL;
— SOL Joins;
— SQL Unions, Intersect, Except;
— Временные таблицы SQL, таблицы просмотра, CTE;
— Ранги SQL.

Сохраняйте себе, чтобы не потерять.

@python_job_interview

👩‍💻 Курс по Python от университета Гарварда!

🌟 Большой плейлист с крутым объяснением языка, пожалуй один из лучших курсов по Python!

🔗 Ссылка: *клик*

@python_job_interview

🖥 Разбор 70 задач Leetcode

Этот ролик охватывает следующие темы:

▫️Временную и пространственную сложность алгоритмов.
▫️Все основные структуры данных.
▫️Советы по подготовке к интервью.

Решения представлены на языке программирования Python 🐍.

Сохраните этот материал для подготовки к собеседованиям 👇

Полное 5.5-часовое видео: https://youtu.be/lvO88XxNAzs?si=EX7_LAu3y8g7WETG

@python_job_interview

👩‍💻 Python совет: используйте функцию map для обработки элементов списка без использования циклов!

@python_job_interview

❓ Какие преимущества предлагают массивы NumPy по сравнению с (вложенными) списками Python?

❗️ Ответ :

💡 Списки Python — эффективные контейнеры общего назначения. Они поддерживают (достаточно) эффективную вставку, удаление, добавление и конкатенацию

🌟 Они имеют определенные ограничения: они не поддерживают «векторизованные» операции, такие как поэлементное сложение и умножение, а тот факт, что они могут содержать объекты разных типов, означает, что Python должен хранить информацию о типе для каждого элемента и выполнять код диспетчеризации типов при работе с каждым элементом

🌟 NumPy не просто эффективнее, он еще и удобнее. Вы получаете множество векторных и матричных операций, что иногда позволяет избежать ненужной работы.
Массив NumPy работает быстрее и вы получаете множество встроенных функций: свертки, быстрый поиск, базовую статистику, линейную алгебру, гистограммы и т. д.

@python_job_interview

🖥 Python: Большой бесплатный курс 2024 года. Цикл: while в Python!

💡 Смотреть
⚡️Весь плейлист

@python_job_interview

👩‍💻 TheAlgorithms/Python — коллекция алгоритмов, написанных на языке Python. Он представляет собой открытый проект, куда разработчики со всего мира вносят свой вклад, добавляя различные алгоритмы, используемые в информатике, математике и науке о данных.

🔍 Репозиторий включает в себя сотни реализаций алгоритмов в различных категориях, таких как:

🌟 Сортировка и поиск (например, быстрая сортировка, бинарный поиск).
🌟 Структуры данных (например, деревья, графы, очереди).
🌟 Алгоритмы на графах (например, поиск в глубину, поиск в ширину).
🌟 Криптография (например, шифрование, хеширование).
🌟 Алгоритмы машинного обучения и многие другие!

💡 Цель проекта — предложить обучающий ресурс, где разработчики могут изучать и понимать, как работают различные алгоритмы. Каждый алгоритм сопровождается примерами кода, а многие из них имеют детальные объяснения

🔐 Лицензия: MIT

▪️Github

@python_job_interview

👩‍💻 Пример работы пузырьковой сортировки в Python!

@python_job_interview