​ItsDangerous: защита данных

При передаче данных между различными веб-запросами существует риск инъекции вредоносного кода. ItsDangerous добавляет к данным уникальную подпись, которая позволяет убедиться в том, что данные не были подделаны.

pip install -U itsdangerous

>>> from itsdangerous import URLSafeSerializer
>>> auth_s = URLSafeSerializer("secret key", "auth")
>>> token = auth_s.dumps({"id": 5, "name": "itsdangerous"})
>>>
>>> print(token)

...eyJpZCI6NSwibmFtZSI6Iml0c2Rhbmdlcm91cyJ9.6YP6T0B

​Основные принципы ООП: полиморфизм

Рассказали в статье о восьми преимуществах полиморфизма в ООП, в каких случаях он используется, а также привели наглядный пример.

#ООП

​Генерируем HTML с Python

Библиотека yattag позволяет создавать HTML-страницы прямо внутри Python-кода:

from yattag import Doc

doc, tag, text = Doc().tagtext()

with tag('div', id='photo-container'):
doc.stag('img', src='/salmon-plays-piano.jpg', klass="photo")

print(doc.getvalue())

В результате мы получаем самозакрывающиеся теги:

<div id="photo-container"><img src="/salmon-plays-piano.jpg" class="photo" /></div>

Профиль на PyPi

#html

​math.fsum: получаем сумму float без «осложнений»

Тип float печально известен своей неточностью. Когда вы складываете два числа, результат может содержать небольшую ошибку. И чем больше чисел, тем выше ошибка:

sum([0.8] * 1_000)
# 799.9999999999887 вместо 800

Если вы хотите устранить это недоразумение, используйте math.fsum():

import math

math.fsum([.8] * 1_000)
# 800.0

#math

​InstaAPI — low-code конструктор API

С помощью InstaAPI вы сможете легко создавать собственные API.

Вы получите доступ к библиотеке блоков кода, которые помогут создать логические компоненты и воплотить ваши идеи в реальность. Одним из преимуществ InstaAPI является встроенная SQL-база данных.

#API

Шпаргалка состояний HTTP-запросов для тех, кто любит requests, и не только.

#http

​Асинхронное варение MongoDB в Python

Уютный доклад старшего разработчика компании Элитриум Даниила Неслуховского c недавней яндексовской конференции Pytup.

За эти 50 минут можно вспомнить типы БД, узнать про Object Mapping, Beanie и прочие компоненты.

Запись трансляции (доклад на 04:32)

#mongodb

​NaN – число с плавающей запятой

И это довольно нелогично:

import math

>>> sorted([5.0, math.nan, 10.0, 0.0])
... [5.0, nan, 0.0, 10.0]

>>> 3 < math.nan
... False
>>> 3 > math.nan
... False

>>> min(3, math.nan)
... 3
>>> min(math.nan, 3)
... nan

Будьте осторожны и используйте math.isnan() для проверки на равенство NaN.

#факты

​Вышел Python 3.11.5

Новая версия:
— точнее указывает на причину ошибки в трейсбеке;
— позволяет использовать файлы.toml для конфигов;
— позволяет группировать задачи с asyncio и многое другое.

Ссылка на дистрибутив

#факты

​Бессмертие объектов

В Python 3.12 в рамках CPython некоторые объекты, такие как None, True и False действуют как глобальные синглтоны (паттерны, ограничивающие возможность создания объектов данного класса одним экземпляром). Они совместно используются интерпретатором вместо того, чтобы каждый раз создавать их новые копии.

Каждая новая ссылка на такой синглтон побуждала интерпретатор инкрементировать счетчик ссылок, как с обычными объектами. Это приводило к проблемам с производительностью.

Что означает "бессмертие" (immortality) и как оно решает эту проблему, читайте в англоязычной статье на mail.python.org.

#факты

Всем привет! Сегодня мы запускаем новую версию нашего сайта tproger.ru, поэтому могут наблюдаться сбои и ошибки

Мы постараемся всё сделать аккуратно, но если столкнётесь с багами или проблемами, дайте нам знать.

Спасибо за понимание.

​​В Excel появился Python

Стала доступна публичная предварительная надстройка, позволяющая пользователям Excel манипулировать данными и анализировать их.

«Вы можете исследовать данные в Excel, используя библиотеки Python, а затем подводить формулы, диаграммы и сводные таблицы Excel для дальнейшего развития своих идей», — объясняет Стефан Киннестранд, генеральный менеджер по современным работам в Microsoft. «Теперь вы можете выполнять расширенный анализ данных в знакомой среде Excel, обращаясь к Python непосредственно в MS Excel».

Установка дополнительных модулей не требуется.

#excel

​Dara для Decision-Making-приложений

Адаптированный для нужд дата-сайентистов, фреймворк предлагает создавать приложения на чистом Python с помощью библиотеки готовых компонентов. Инструмент позволяет гибко настраивать и создавать собственные компоненты на CSS и JavaScript.

Ссылка на репозиторий

#dataviz

​PlotAI для вёрстки графиков на Matplotlib

Возможно, вы уже знаете, что LLM-модели вроде GPT неплохо справляются с построением различных диаграмм. Теперь можно упростить создание графиков на Python с помощью PlotAI:

— пользователь предоставляет датафрейм;
— PlotAI создаёт промт для LLM, который содержит первые пять записей и запрашивает код Python;
— возвращенный код Python выполняется, и отображается график.

Ссылка на репозиторий GitHub

#dataviz

​Субботний Win Share

Что хорошего получилось у вас в сфере Python и IT в целом за неделю?

Поделитесь в комментариях.

​Модуль warnings для кастомных предупреждений

Встроенная утилита позволяет тонко настраивать всевозможные ворнинги под ваш код:

def deprecation(message):
warnings.warn(message, DeprecationWarning, stacklevel=2)

Документация

#факты

​Упрощённый оператор if

Порой вместо множественных сравнений с использованием or:

m = 3

if m == 1 or m == 2 or m == 3 or m == 4:
print("m равен 1 / 2 / 3 / 4")

Эффективнее использовать in:

if m in [1, 2, 3, 4]:
print("m входит в диапазон [1, 4]")

#лучшиепрактики

​Перенос GPT-проекта на Python

На связи админ канала. Из тех, кто прикручивал к GPT API собственный датасет, как вы решали эту задачу?

Нашел решение на JavaScript (БД Pinecone, коэффициент Отиаи, связка нескольких API на Pipedream), но теперь нужно переписать проект на Python. Fine-Tuning модели, то есть подгрузка по документации OpenAI, обходится значительно дороже, чем своя БД.

На каком фреймворке лучше развернуть аналогичный проект? Подскажите в комментариях.

#GPT

​Задача о заменах хвостов

Уровень: средний

Список A состоит из четырех элементов, каждый из которых содержит ровно одно двоеточие (не в начале и не в конце). Длина подстрок до и после двоеточия является случайной:

A = ["abc:123", "cde:456", "a:12345", "777:xyz"]

Ваша задача — преобразовать список таким образом, чтобы поменять местами подстроки после каждого двоеточия.

Результат:
B = ["abc:456", "cde:123", "a:xyz", "777:12345"]

Напишите решение задачи в комментариях.

#задача

​faulthandler: запись логов в файл

К примеру, для записи логов каждые 5 секунд к основной программе потребуется добавить следующий код:

import faulthandler
from time import sleep

faulthandler.dump_traceback_later(
timeout=2,
repeat=True,
)
for i in range(5):
print(f"iteration {i}")
sleep(5)

Документация

#лучшиепрактики