Разъяснивший Python
6.98K subscribers
3.23K photos
45 videos
30 files
3.28K links
Твой проводник в омут Python'а

Ссылка: @Portal_v_IT

Сотрудничество: @oleginc, @tatiana_inc

Канал на бирже: https://telega.in/c/python_pssss
Download Telegram
cv3 — делаем OpenCV питоничным

В этом материале автор делится написанным им фреймворком на Python, который упрощает работу с OpenCV и делает его более питоничным.

Читать...

Разъяснивший Python
Асинхронная обработка файлов с использованием aiofiles

Cтандартные операции с файлами блокируют выполнение программы. В асинхронном мире это неприемлемо. На помощь приходит библиотека aiofiles, которая предоставляет асинхронный интерфейс для операций ввода-вывода.

Эти базовые функции аналогичны синхронным версиям, но с ключевыми словами async/await. Однако реальная мощь проявляется при параллельной обработке множества файлов (смотри метод process_multiple_files)

При массовой асинхронной записи я столкнулся с проблемой перегрузки диска. Решение - добавить семафор для ограничения количества одновременных операций (смотри метод controlled_file_processing)

Разъяснивший Python
Можно ли собрать полезный рабочий инструмент с ИИ за один вечер?
Проверим на первой бесплатной лаборатории вайб-кодинга от Зерокодера

Не будем тратить эфир на теорию и бесконечные промпты. Возьмем 100 реальных отзывов клиентов и прямо на глазах соберем приложение, которое само их проанализирует.

Но главное – формат самой лаборатории.

Это не запись заранее подготовленного кейса и не лекция, где эксперт показывает идеальный результат. Задачу собираем прямо в Zoom: от постановки до готового инструмента. Во время занятия можно задавать вопросы ведущему и разбираться с процессом вместе.

В итоге получается реальный продукт, который можно использовать для конкурентного анализа, поиска идей и улучшения своих продуктов или адаптировать под задачи клиентов и продавать как готовое решение.

И это только первая задача. Каждую неделю – новый кейс и новый инструмент: приложения, дашборды, автоматизации и AI-помощники.

Забрать первое участие в лаборатории бесплатнопо ссылке
Обработка JSON данных

JSON стал стандартом для API и конфигурационных файлов.

pathlib превращает обычные текстовые пути в «умные» объектно-ориентированные структуры, позволяя складывать папки через лаконичный слэш /, одной командой проверять существование директорий и на лету собирать файлы по маске с помощью метода glob.

Обратите внимание на параметр ensure_ascii=False - он позволяет корректно сохранять Unicode символы, включая кириллицу, без экранирования.

Разъяснивший Python
Забрать подписки на сервисы можно на ggsel ⚾️

На сайте собраны подписки на YT Premium, Spotify, нейронки и другой софт ☕️

Иностранные карты для оплаты не потребуются — на ggsel все безопасно оплачивается с обычных карт российских банков 🫰
Please open Telegram to view this post
VIEW IN TELEGRAM
Базовое использование multiprocessing

Python из-за GIL (Global Interpreter Lock) не может эффективно использовать многопоточность для CPU-интенсивных задач. Но это не значит, что мы лишены возможности распараллеливать вычисления. Для таких случаев у нас есть модули multiprocessing и concurrent.futures, позволяющие задействовать все ядра процессора.

Pool создает группу рабочих процессов и распределяет задачи между ними. Параметр processes определяет количество процессов - если не указан, используется количество, равное числу ядер CPU

Разъяснивший Python
⚡️ Все берут деньги вперёд. Этот трейдер не берёт ничего — пока ты не заработал

Не курс. Не услуги. Только выгодное партнёрство и реальная прибыль.

ИИ-алгоритм Astra делает 90% работы — тщательно анализирует рынок и выдает сделки с 93% успешности.

Твоя задача: 30 минут в день и желание зарабатывать от 150 тыс. сверху з/п.

❗️За последние 5 месяцев 119 партнёров вышли на первый 1 млн. Средний доход остальных — 297 000 ₽ в месяц.

Оплата — 10% только с реальной прибыли.

Получайте доступ после диагностики вашего финансового потенциала

Подать заявку 👉 https://telegram.me/+cDHlJ3YAn7BjY2Iy
Продвинутый подход с concurrent.futures

Модуль concurrent.futures, появившийся в Python 3.2, предоставляет более высокоуровневый интерфейс

Этот подход дает три ключевых преимущества:
1. Обработка результатов по мере готовности через as_completed().
2. Более удобная обработка исключений.
3. Простое переключение между процессами и потоками (для IO-bound задач достаточно заменить .ProcessPoolExecutor на ThreadPoolExecutor)

Разъяснивший Python
⚡️1 МЛН $ ЗА СОВЕТ

Когда PepsiCo выходила на рынок, его главным конкурентом была The Coca-Cola Company

Со временем стало ясно, что PepsiCo не выдержит конкуренцию с этим гигантом.

Но, однажды в компанию пришел человек, который сказал, что за 1 млн $ и место генерального директора расскажет секрет как увеличить прибыль компании в сотни раз.

Конечно, никто платить не стал, вызвали лучших умов и поручили им найти этот секрет.

Однако, когда у них ничего не вышло, акционеры PepsiCo скрепя сердце выполнили условия того странного человека

🤯 В ответ они получили листок бумаги, на котором были написаны 3 слова:
Передача дополнительных аргументов

Часто функции обработки нужны дополнительные параметры.

Ловушка: передача негпикличных объектов между процессами. Python использует сериализацию для передачи данных между процессами, но не все объекты можно сериализовать стандартными средствами. Для сложных случаев стоит использовать библиотеки вроде dill или cloudpickle.

Эти инструменты параллельных вычислений стали неотъемлемой частью моего арсенала при работе с большими объемами данных. Конечно, добавление параллелизма усложняет код и отладку, но производительность часто стоит этих усилий, особенно когда речь идет о сокращении времени выполнения с часов до минут.

Разъяснивший Python