В Format Mini-Language есть еще фокусы:

memory = 1.5e9  # 1.5 GB в байтах

# Выравнивание и заполнение
print(f"Memory (right aligned): {memory / 1e9:>10.2f} GB")  # выравнивание по правому краю
print(f"Memory (left aligned): {memory / 1e9:<10.2f} GB")  # выравнивание по левому краю
print(f"Memory (centered): {memory / 1e9:^10.2f} GB")  # центрирование
print(f"Память: {memory / 1e9:010.2f} GB")  # заполнение нулями

# Группировка цифр
print(f"Память: {memory:,.0f} байт(-ов)")  # разделение запятыми

LRUcache (от англ. Least Recently Used cache) — это механизм кэширования, который хранит ограниченное количество результатов вычислений или обращений к данным, и при переполнении освобождает место, удаляя из кэша самый долго неиспользуемый элемент.

Декоратор @cache применяется к функциям и автоматически запоминает результаты их вызовов с конкретными аргументами. Если функция с такими же аргументами вызывается повторно, результат берется из кэша, что значительно ускоряет работу, особенно при дорогих в вычислении функциях.

Интерпретатор «замрет», потому что попадет в состояние бесконечного ожидания (deadlock).

future = Future() # создаем Future-объект в состоянии pending

print(future.result()) # Просим показать result(), БЛОКИРУЯ

future.set_result("Hello from the future!") # Задаем result

result() будет ждать, пока результат не будет установлен, но set_result() никогда не будет вызван, так как выполнение программы остановилось на предыдущей строке.

С такой ситуацией можно справиться, если добавить аргумент-таймаут:

future.result(timeout=1)

Cоздаем объект Future из модуля asyncio (это не то же самое, что concurrent.futures.Future:

future = asyncio.Future()

Cоздаем новую задачу, которая будет выполняться асинхронно

asyncio.create_task(set_after_delay(future))

Она:
- Принимает future как параметр
- Ждет 1 секунду
- Устанавливает результат в future

Ждем, пока future получит результат. Это не блокирует весь интерпретатор, а только текущую корутину:

result = await future

Это еще называют «Неблокирующим ожиданием».

Атрибут is_monotonic_increasing возвращает True, если каждое значение объекта pd.Series больше предыдущего или равно ему. Приращение значений при этом не обязано быть одинаковым:

print(pd.Series(data = [1, 3, 3, 6]).is_monotonic_increasing) # True

Метакласс MyMetaclass в момент создания MyClass добавляет в пространство имён метод greeting. Этот метод становится доступен экземплярам класса MyClass, как если бы был определён обычным способом.

В Python значения по умолчанию для аргументов функции вычисляются один раз при определении функции. В данном случае список lst создаётся один раз и используется при каждом вызове функции func, если не передан другой список. Поэтому элементы добавляются в один и тот же список, и результат накапливается.