robyn | Ваш API будет самым быстрым

Если правильно организовать эксперимент, то и на вершину рейтинга производительности взобраться несложно. Фреймворк предлагает беспрецедентную производительность вашего будущего API засчет рантайма на Rust.

Среди фичей все самое «вкусное»:

— Поддерживает (а)синхронные функции;
— Самодокументирует ваш API;
— Позволяет создавать приложения с двусторонней связью (WebSocket);
— Интегрируется напрямую с кодом на Rust;
— Автоматически перезагружает сервер при изменении файлов (Hot Reload);

Цена: бесплатно
Репозиторий проекта
#инструмент
@zen_of_python

enum: где обладает преимуществом

Встроенный модуль enum предоставляет удобный способ создания перечислений — наборов именованных констант, которые облегчают работу с фиксированными наборами значений. Это особенно полезно, когда необходимо ограничить возможные значения переменной определенным списком.

Рассмотрим функцию, которая получает температуру в заданном городе:

def get_temperature(city, unit):
    ...

Значение параметра unit может быть либо "celsius", либо "fahrenheit". Однако использование строковых литералов может привести к ошибкам из-за опечаток или несогласованности в написании. Чтобы избежать этого, можно использовать перечисление:

from enum import Enum

class TempUnit(Enum):
    CELSIUS = "celsius"
    FAHRENHEIT = "fahrenheit"

Теперь функция может быть вызвана так:

get_temperature("Lisbon", TempUnit.CELSIUS)

Это обеспечивает автодополнение в IDE, предотвращает опечатки и делает код более самодокументируемым.

Когда конкретные значения не имеют значения, можно использовать auto для автоматического присвоения значений:

from enum import Enum, auto

class Weekday(Enum):
    MONDAY = auto()
    TUESDAY = auto()
    WEDNESDAY = auto()

В этом случае значения будут автоматически присвоены в порядке определения.

Модуль enum также предоставляет специализированные классы перечислений:

— IntEnum: Подкласс int, позволяющий использовать перечисления в арифметических операциях;
— Flag / IntFlag: Позволяют комбинировать значения с помощью побитовых операций, что полезно для представления множественных состояний.

В нем также представлены дополнительные инструменты для работы с перечислениями:

— EnumCheck: Позволяет проверять уникальность значений в перечислении;
— FlagBoundary: Управляет поведением при работе с недопустимыми значениями в перечислениях Flag;
— EnumDict: Подкласс dict, используемый при создании метаклассов перечислений.

#основы
@zen_of_python

Это оберег от новых задач между майскими. Вы знаете, кому его отправить.

Майские праздники в этом году как генератор в Python — вроде начались, но сейчас только yield, return ещё не было.

#кек
@zen_of_python

​​Самый питонический фон для созвона, для тех, кто только что в чем-то преуспел.

#кек
@zen_of_python

На случай, если вы все еще бухаете морально не готовы вернуться к работе, на GitHub бесплатно дают кодить с целым букетом LLM:
— ChatGPT
— DeepSeek
— Mistral
— MIcrosoft Phi и проч.

Выставил такого ИИ-работника вместо себя в начале недели — и никто не поймет подмены.

#инструмент
@zen_of_python

​​Держите питонический амулет. Он защитит вас завтра от груженых понедельников, и коллег с «домайскими» отложенными задачами.

#кек
@zen_of_python

​​Солидный апдейт pip

Среди новшеств версии 25.1:
— Группы зависимостей: Теперь можно устанавливать «пачками», определёнными в pyproject.toml. Это позволяет устанавливать, например, только зависимости для тестирования или разработки:

pip install --group test

— Возобновляемые загрузки: прерванные из-за нестабильного интернета загрузки все же выполнятся;

— Индикатор прогресса установки;

— Ускорение pip show, pip freeze на 15–30%;

— Улучшенные сообщения об ошибках: Сообщения об ошибках при удалении пакетов стали более информативными.

Release Note
#инструмент
@zen_of_python

​​GlyphX | Старший брат Matplotlib

Альтернатива общепринятому инструменту визуализации, glyphx предлагает:

— SVG-рендеринг;
— интерактивность по умолчанию (как у plotly);
— палитры с темными темами и для людей с особенностями зрения.

Таргетировано на научные работы, где важна глубокая кастомизация и редкие типы диаграмм.

#инструмент
@zen_of_python

Апгрейд Win-установочника Python

Разработчики языка оптимизируют процесс установки Python на Windows с помощью т.н. PyManager. Вот его ключевые обновления:

— Единый инструмент установки: Ранее существовало несколько способов установки Python на Windows: традиционный установщик .exe, пакет в Microsoft Store и NuGet-пакеты. PyManager объединяет их в один инструмент, упрощая процесс установки и управления версиями Python.

— Управление несколькими версиями: PyManager позволяет устанавливать и управлять несколькими версиями Python одновременно, включая возможность установки конкретных версий и архитектур (например, py install 3.11.4 --arch=arm64). Это особенно полезно для тестировщиков.

PEP-773
#факт
@zen_of_python

Почему все реже встречается __init__

В питоническом комьюнити некоторые призывают отказаться от пользовательских методов __init__ в контексте dataclasses.

До Python 3.7 разработчикам приходилось вручную определять этот метод для инициализации атрибутов экземпляра класса. Например, чтобы создать объект 2DCoordinate(x=1, y=2), необходимо было явно прописать метод __init__ с параметрами x и y. Альтернативы — фабричные функции и абстрактные классы, были менее удобны и приводили к усложнению кода.

С появлением «структур данных» необходимость в ручном определении __init__ для простых структур данных отпала:

from dataclasses import dataclass

@dataclass
class Person:
    name: str
    age: int

person = Person(name="Alice", age=30)
print(person)

Это не единственное решение: Создание объектов через фабричные методы позволяет (@classmethod) отделить логику инициализации от конструкции объекта.

Вот еще пример проблемы, вызванной пользовательским методом инициализации:

class FooBarWidget(FooWidget):
    def __init__(self):
        self.publisher = zmq.Context.instance().socket(zmq.PUSH)
        self._init()

    def _init(self):
        def worker_thread_start():
            FooWidget.__init__(self)
            self.run()

        worker_thread = Thread(target=worker_thread_start, daemon=True)
        worker_thread.start()

Атрибуты, инициализируемые в FooWidget.__init__, могут быть недоступны в основном потоке до завершения инициализации в дочернем потоке, что вызывает ошибки при обращении к ним.

#основы
@zen_of_python