2619
🐍 Канал о программировании на языке Python. Тематические уроки и лайфхаки. 👽 Админ - @it_dashka 🔊 Купить рекламу: https://telega.in/c/byteofpython 👉 Чат: @abyteofpython 👉 Поделиться с друзьями: @byteofpython
⚡️ Как работает @staticmethod в Python?
Декоратор @staticmethod превращает метод класса в обычную функцию внутри класса, которая не получает ссылку на экземпляр (self) или класс (cls).
✅ Пример:
class MathUtils:
@staticmethod
def add(x, y):
return x + y
print(MathUtils.add(3, 5)) # 8
• Используется, когда метод не зависит от состояния экземпляра или класса. • Делает код логичнее, если метод просто выполняет действие, связанное с классом. • Упрощает структуру, так как не требует создания объекта для вызова.@staticmethod, если метод не работает с self или cls, но логически относится к классу!
Читать полностью…
Как работает getitem в Python?
Метод getitem позволяет обращаться к объектам класса по индексу или ключу, как к спискам или словарям.
✅ Пример:
class CustomList:
def init(self, data):
self.data = data
def getitem(self, index):
return self.data[index] # Позволяет использовать obj[index]
nums = CustomList([10, 20, 30])
print(nums[1]) # 20
• Позволяет настроить доступ к элементам объекта. • Делает объекты итерируемыми (например, в for-циклах). • Помогает создавать свои структуры данных, работающие как списки или словари.getitem делает объекты гибкими и удобными в использовании, улучшая читаемость кода!
Читать полностью…
⚙️ Сборщик мусора в Python: как он работает?
В Python управление памятью происходит автоматически с помощью сборщика мусора (Garbage Collector, GC). Он следит за объектами, которые больше не используются, и освобождает занимаемую ими память.
🔹 Подсчет ссылок
Каждый объект хранит количество ссылок на себя. Когда это число становится нулем, объект автоматически удаляется. Однако если два объекта ссылаются друг на друга, но больше нигде не используются, Python не сможет их удалить.
🔹 Алгоритм поколений
Чтобы эффективно управлять памятью, Python разделяет объекты на три группы:• Gen 0 — новые объекты, проверяются чаще всего.• Gen 1 — пережившие одну проверку, удаляются реже.• Gen 2 — долгоживущие объекты, проверяются редко.
Новые объекты проверяются чаще, а старые — реже, что ускоряет работу сборщика мусора.
🔹 Управление GC
Python справляется сам, но можно управлять GC вручную:• gc.collect() — запустить сборку мусора вручную.• gc.disable() — отключить GC (не рекомендуется).
GC в Python делает управление памятью удобным, но понимание его работы помогает писать более эффективный код и избегать утечек памяти.
🐍 Что делает enumerate() в Python?enumerate() добавляет индекс при итерации по списку.
✅ Пример:
fruits = ["🍎", "🍌", "🍇"]
for i, fruit in enumerate(fruits, start=1):
print(i, fruit)
1 🍎
2 🍌
3 🍇
• Упрощает работу с индексами в циклах• Делает код читаемым без range(len())enumerate() вместо range(len()) для чистого и Pythonic-кода!
Читать полностью…
🔥 Что такое slots в Python и зачем он нужен?slots ограничивает список атрибутов у экземпляров класса, экономя память за счет отказа от dict.
✅ Обычный класс без slots:
class Person:
def init(self, name, age):
self.name = name
self.age = age
p = Person("Alice", 25)
p.city = "New York" # Можно добавить новый атрибут
slots:class Person:
slots = ("name", "age") # Разрешены только эти атрибуты
def init(self, name, age):
self.name = name
self.age = age
p = Person("Alice", 25)
p.city = "New York" # ❌ AttributeError: 'Person' object has no attribute 'city'
slots • Экономит память (не создается dict) • Ускоряет доступ к атрибутам • Предотвращает создание лишних атрибутовslots, если нужно много однотипных объектов и важна производительность!
Читать полностью…
Немножко о реализации set в Python
Почему set в Python не всегда такой хаотичный, как кажется? Разбираемся, как множества устроены под капотом, как работают хэш-таблицы и почему порядок элементов иногда оказывается предсказуемым.
🔥 *args и **kwargs в Python
🔹 *args — передает позиционные аргументы как кортеж:
def add_numbers(*args):
return sum(args)
print(add_numbers(1, 2, 3)) # 6
**kwargs — передает именованные аргументы как словарь:def greet(**kwargs):
print(kwargs)
greet(name="Alice", age=25) # {'name': 'Alice', 'age': 25}
*args для списка значений и **kwargs для гибких параметров!
Читать полностью…
🔥 Mutable vs Immutable в Python
В Python все данные — это объекты, и они делятся на изменяемые (mutable) и неизменяемые (immutable).
🔹 Неизменяемые (immutable): нельзя изменить после создания
✅ int, float, str, tuple, frozenset
x = "hello"
x += " world" # Создается новый объект, а не изменяется старый
list, dict, set, bytearraylst = [1, 2, 3]
lst.append(4) # Список изменяется в той же области памяти
def modify_list(lst):
lst.append(99) # Изменяет оригинальный список!
my_list = [1, 2, 3]
modify_list(my_list)
print(my_list) # [1, 2, 3, 99]
• Используйте tuple, если данные не должны изменяться.• Будьте осторожны с изменяемыми объектами при передаче в функции.• Если нужно копирование, используйте .copy() или deepcopy().
Читать полностью…
❓ Что делает getattr() в Python и когда его использовать?
Функция getattr() позволяет динамически получать атрибут объекта по его имени в виде строки. Это удобно, когда атрибут неизвестен заранее.
✅ Пример:
class Person:
def init(self, name, age):
self.name = name
self.age = age
p = Person("Alice", 30)
print(getattr(p, "name")) # Alice
print(getattr(p, "city", "Не указано")) # Не указано
getattr() полезен, когда нужно работать с атрибутами гибко, например, при обработке конфигураций, JSON-данных или динамических объектов.
Читать полностью…
⚡️ Как работает super() в Python?super() позволяет вызывать методы родительского класса, обеспечивая правильное наследование и расширение функционала.
✅ Пример:
class Parent:
def greet(self):
return "Hello from Parent"
class Child(Parent):
def greet(self):
return super().greet() + " and Child"
obj = Child()
print(obj.greet()) # "Hello from Parent and Child"
super() особенно полезен при множественном наследовании, так как помогает вызывать методы родительских классов без явного указания их имен.
Читать полностью…
⚙️ Как работает metaclass в Python?
В Python метаклассы управляют созданием классов, так же как классы управляют созданием объектов. Они позволяют автоматизировать и настраивать процесс создания классов.
✅ Пример:
class Meta(type):
def new(cls, name, bases, dct):
dct["custom_attr"] = 42
return super().new(cls, name, bases, dct)
class MyClass(metaclass=Meta):
pass
print(MyClass.custom_attr) # 42
❓ Что делает метод new в Python и когда его использовать?
Метод new отвечает за создание нового экземпляра класса перед его инициализацией в init. Он используется в случаях, когда нужно контролировать процесс создания объекта, например, в синглтонах или при наследовании от неизменяемых типов (int, str, tuple).
✅ Пример использования:
class Singleton:
_instance = None
def new(cls, *args, **kwargs):
if cls._instance is None:
cls._instance = super().new(cls)
return cls._instance
obj1 = Singleton()
obj2 = Singleton()
print(obj1 is obj2) # True (оба объекта — одна и та же ссылка)
init, new контролирует сам процесс создания объекта. Полезен для ограничения числа экземпляров и работы с неизменяемыми классами.
Читать полностью…
🔄 Как работает itertools.chain в Python?itertools.chain позволяет объединять несколько итерируемых объектов в один, не создавая новых списков. Это экономит память и делает код чище.
✅ Пример:
from itertools import chain
list1 = [1, 2, 3]
list2 = [4, 5, 6]
for num in chain(list1, list2):
print(num) # 1 2 3 4 5 6
+, но это создаёт новый список в памяти.
chain позволяет перебирать элементы последовательно, без лишних затрат, что особенно полезно при работе с большими наборами данных или генераторами.
Читать полностью…
🏷 Что такое functools.lru_cache и зачем он нужен?functools.lru_cache — это декоратор для автоматического кэширования результатов функций. Он ускоряет выполнение, избегая повторных вычислений.
✅ Пример:
from functools import lru_cache
@lru_cache(maxsize=100) # Кэшируем до 100 результатов
def fib(n):
if n < 2:
return n
return fib(n - 1) + fib(n - 2)
print(fib(10)) # 55 (значительно быстрее благодаря кэшу)
• Ускоряет повторяющиеся вычисления. • Уменьшает нагрузку на процессор при рекурсивных вызовах. • Экономит память благодаря ограничению maxsize.lru_cache особенно полезен для функций с повторяющимися входными данными!
Читать полностью…
🏗 Как работает call в Python?
Метод call позволяет вызывать экземпляр класса как функцию. Если этот метод определён в классе, объект можно использовать как obj().
✅ Пример:
class Multiplier:
def init(self, factor):
self.factor = factor
def call(self, value):
return value * self.factor
double = Multiplier(2)
print(double(5)) # 10
• Позволяет создавать объекты-функции. • Удобно для конфигурируемых вычислений (например, замыканий). • Улучшает читаемость, убирая лишние .method() вызовы.call, если хотите, чтобы объект вёл себя как функция!
Читать полностью…
🏗 Как работает call в Python?
Метод call позволяет вызывать экземпляр класса как функцию. Если этот метод определён в классе, объект можно использовать как obj().
✅ Пример:
class Multiplier:
def init(self, factor):
self.factor = factor
def call(self, value):
return value * self.factor
double = Multiplier(2)
print(double(5)) # 10
• Позволяет создавать объекты-функции. • Удобно для конфигурируемых вычислений (например, замыканий). • Улучшает читаемость, убирая лишние .method() вызовы.call, если хотите, чтобы объект вёл себя как функция!
Читать полностью…
LLM-модули: как маленькая модель учится у большой
Как передавать знания от большой LLM в маленькую без файн-тюнинга? Разбираем метод через кросс-внимание и LLM-модули, который позволяет обучать модели для узких задач без больших затрат.
Что делает @property в Python?@property превращает метод класса в свойство, позволяя обращаться к нему без скобок.
Пример:
class Person:
def init(self, name):
self._name = name
@property
def name(self):
return self._name
p = Person("Alice")
print(p.name) # Alice (как атрибут, но с логикой)
• Позволяет использовать методы как атрибуты• Защищает данные от прямого изменения• Позволяет добавить логику без изменения интерфейса@property делает код чище и безопаснее, улучшая инкапсуляцию!
Читать полностью…
↔️ Разница между is и == в Python
🔹 == (равенство) проверяет, равны ли значения объектов:
a = [1, 2, 3]
b = [1, 2, 3]
print(a == b) # True (значения одинаковые)
is (идентичность) проверяет, указывают ли переменные на один и тот же объект в памяти:print(a is b) # False (разные объекты)
int, str, tuple) Python кеширует значения:x = 256
y = 256
print(x is y) # True (указывают на один объект)
== для сравнения значений и is для проверки, ссылаются ли переменные на один объект в памяти!
Читать полностью…
🔥 lambda — короткие функции в Pythonlambda — это анонимная функция, которая записывается в одну строку и не требует def. Используется там, где нужна простая операция без имени функции.
✅ Пример (обычная функция vs. lambda):
def square(x):
return x ** 2
square_lambda = lambda x: x ** 2
print(square(5)) # 25
print(square_lambda(5)) # 25
map() — Применение функции к спискуnums = [1, 2, 3, 4]
squared = list(map(lambda x: x ** 2, nums))
print(squared) # [1, 4, 9, 16]
filter() — Фильтрация данныхeven = list(filter(lambda x: x % 2 == 0, nums))
print(even) # [2, 4]
sorted() — Сортировка по ключуpairs = [(1, 'one'), (3, 'three'), (2, 'two')]
pairs.sort(key=lambda x: x[0])
print(pairs) # [(1, 'one'), (2, 'two'), (3, 'three')]
lambda?• Когда функция простая и короткая• Когда она нужна один разlambda, если логика сложная – лучше писать def.
Читать полностью…
🔍 Как работает slots в Python и зачем его использовать?slots — это механизм, который ограничивает атрибуты объекта и уменьшает потребление памяти, исключая хранение dict.
✅ Пример:
class Person:
slots = ("name", "age") # Разрешены только эти атрибуты
def init(self, name, age):
self.name = name
self.age = age
p = Person("Alice", 30)
p.city = "New York" # ❌ AttributeError: 'Person' object has no attribute 'city'
slots делает объекты легче и быстрее, так как Python не создаёт динамический словарь для атрибутов. Это особенно полезно при работе с большим количеством объектов.
Читать полностью…
Зачем нужно ключевое слово yield в Python?yield используется для создания генераторов, которые возвращают данные по мере запроса, вместо хранения всего результата в памяти.
Пример:
def count_up_to(n):
count = 1
while count <= n:
yield count # Возвращает значение и приостанавливает выполнение
count += 1
for num in count_up_to(5):
print(num)
yield позволяет приостанавливать и возобновлять выполнение функции, экономя память и упрощая работу с потоками данных.
Читать полностью…
Что такое дескрипторы в Python и зачем они нужны?
Дескриптор — это объект, который управляет доступом к атрибутам класса через методы get, set и delete. Они позволяют гибко контролировать поведение атрибутов.
✅ Пример:
class Descriptor:
def init(self, value=None):
self.value = value
def get(self, instance, owner):
print("Getting value")
return self.value
def set(self, instance, value):
print("Setting value")
self.value = value
class MyClass:
attr = Descriptor()
obj = MyClass()
obj.attr = 42 # Setting value
print(obj.attr) # Getting value → 42
property), ORM, логировании доступа и валидации данных. Они помогают гибко управлять состоянием объектов и позволяют писать более чистый код.
Читать полностью…
🔍 Как работает staticmethod vs classmethod в Python?
В Python есть два специальных декоратора для методов класса: @staticmethod и @classmethod. Они позволяют работать без создания экземпляра, но имеют ключевые различия.
✅ Пример:
class Example:
class_attr = "Hello"
@staticmethod
def static_method():
return "I'm a static method"
@classmethod
def class_method(cls):
return f"Class method: {cls.class_attr}"
print(Example.static_method()) # I'm a static method
print(Example.class_method()) # Class method: Hello
@staticmethod ведёт себя как обычная функция внутри класса, не имея доступа к атрибутам класса или экземпляра. @classmethod, наоборот, получает ссылку на класс (cls) и может изменять его атрибуты.@staticmethod для независимых функций, а @classmethod, когда нужно работать с самим классом.
Читать полностью…
Автоматизация тестирования desktop приложений с помощью Dogtail
В статье рассмотрим, как Dogtail заменил Appium для тестирования отечественных Linux-приложений. Разберём его работу с GTK и Qt, взаимодействие через ATK и DBus, а также опыт использования.
Как работает itertools.cycle в Python?itertools.cycle создаёт бесконечный итератор, который зацикливает последовательность, перезапуская её с начала после завершения.
✅ Пример:
from itertools import cycle
colors = ["red", "green", "blue"]
color_cycle = cycle(colors)
for _ in range(5):
print(next(color_cycle)) # red → green → blue → red → green
• Повторение элементов списка без переписывания вручную. • Автоматическое зацикливание без индексов. • Полезно в анимациях, смене тем, бесконечных процессах.itertools.cycle — мощный инструмент для циклических операций без лишнего кода.
Читать полностью…
⚡️ Как работает @staticmethod в Python?
Декоратор @staticmethod превращает метод класса в обычную функцию внутри класса, которая не получает ссылку на экземпляр (self) или класс (cls).
✅ Пример:
class MathUtils:
@staticmethod
def add(x, y):
return x + y
print(MathUtils.add(3, 5)) # 8
• Используется, когда метод не зависит от состояния экземпляра или класса. • Делает код логичнее, если метод просто выполняет действие, связанное с классом. • Упрощает структуру, так как не требует создания объекта для вызова.@staticmethod, если метод не работает с self или cls, но логически относится к классу!
Читать полностью…
Как работает getitem в Python?
Метод getitem позволяет обращаться к объектам класса по индексу или ключу, как к спискам или словарям.
✅ Пример:
class CustomList:
def init(self, data):
self.data = data
def getitem(self, index):
return self.data[index] # Позволяет использовать obj[index]
nums = CustomList([10, 20, 30])
print(nums[1]) # 20
• Позволяет настроить доступ к элементам объекта. • Делает объекты итерируемыми (например, в for-циклах). • Помогает создавать свои структуры данных, работающие как списки или словари.getitem делает объекты гибкими и удобными в использовании, улучшая читаемость кода!
Читать полностью…