Разъяснивший Python

collections.defaultdict

В Python класс collections.defaultdict автоматически создаёт значения для отсутствующих ключей. Это удобно для работы со словарями, где нужно избегать ошибок при доступе к несуществующим ключам.

Разъяснивший Python

Станьте BI-аналитиком с нуля, обучаясь на кейсах из реального бизнеса. Получите первый оффер уже через 5 месяцев 🐈

Основная проблема обучений в IT — оторванность от практики. На курсе учат складывать 2+2, а на работе — сразу отправляют считать интегралы.

Курс-симулятор «BI-аналитик» от Simulative сразу погружает в настоящую работу. Вы сделаете множество заготовок, которые пригодятся и для портфолио, и в практике:

🟡 SQL-скрипты для проведения типовых анализов
🟡 Чекап-дашборды для руководителя
🟡 Финансовый отчет с разбивкой по месяцам и кварталам
🟡 Дашборды и скрипты из e-com, банкинга, офлайн-торговли, телекома, доставки и других сфер

За 5 месяцев вы разберетесь в продуктовых метриках, научитесь строить понятные и красивые дашборды в Power BI и Superset, работать с PostgreSQL и Clickhouse. А также подготовитесь к любому собеседованию: в курс включены тестовые задания и пробные интервью — обычные и технические.

С трудоустройством помогут: 87% студентов находят работу в течение 2-х месяцев с момента начала поиска. А на VIP-тарифе преподаватели и HR спроектируют вам персональный трек обучения и за руку доведут до оффера: часть стоимости курса вы оплачиваете только когда найдете работу.

Успейте записаться на курс до 30 ноября по специальным условиям 🛍

🔗 Оставляйте заявку на сайте Simulative.

Использование пакетной обработки запросов (batch processing) для ускорения вставки данных в базу

При работе с базами данных, когда нужно вставить много данных, использование циклов с выполнением одиночных запросов может сильно замедлить процесс. Вместо этого можно воспользоваться функцией пакетной вставки данных с помощью метода executemany.

Использование пакетной обработки помогает существенно повысить производительность работы с базой данных, экономя время и ресурсы.

Разъяснивший Python

reversed()

В Python встроенная функция reversed() возвращает итератор, который перебирает элементы последовательности в обратном порядке. Это удобно для работы с последовательностями, когда нужен обратный порядок.

Разъяснивший Python

Использование контекстного менеджера для автоматического управления соединением с базой данных

Часто при работе с базами данных требуется правильно открывать и закрывать соединения. Использование контекстного менеджера с конструкцией with позволяет автоматически закрывать соединение после завершения операций, даже если произошла ошибка.

Этот лайфхак помогает гарантировать, что соединение всегда корректно закрывается, улучшая безопасность и надежность кода.

Разъяснивший Python

Год назад в это же время автор каналa На волнах профита дал сигнал на 4 фундаментальные монеты своим подписчикам и вложил вместе с ними по 1000$ в каждую, а теперь пришло время подводить итоги. Максим ведет свою публичную деятельность уже больше 10 лет.

Apex 1000$ - 14.000$
SUI 1000$ - 4.200$
PEPE 1000$ - 12.828$
BONK 1000$ - 100.560$

И это всего лишь 4 монеты из огромного количества, которые автор разбирал у себя в канале. Пруфы

В октябре на крипторынке появится ДЕСЯТКИ монет, которые через месяц вырастут в 15-20 раз. Ваши $1000 за пару месяцев могут превратиться в в солидный капитал.

Завтра он выложит новый список монет на 2024 год. Поспеши узнать и закупиться пока монеты не дали иксы! Максим планирует публично увеличить торговый капитал в несколько раз.

Пора посмотреть на рынок крипты под другим углом и зафиксировать неприличные иксы: На волнах профита

Полезные библиотеки Python

Supervision — крутой Python инструмент компьютерного зрения для трекинга объектов.

Установка:

$ pip install supervision[desktop]

Пример определения объектов:

import supervision as sv
model = YOLO('yolov8s.pt')
result = model(IMAGE)[0]
detections = sv.Detections.from_ultralytics(result)
len(detections)
5

Документация:
https://roboflow.github.io/supervision/

GitHub/Инструкция

Разъяснивший Python

Логирование

Модуль logging в Python — это набор функций и классов, которые позволяют регистрировать события, происходящие во время работы кода. Модуль входит в стандартную библиотеку.

Пример использования:

import logging

logging.basicConfig(filename='app.log', level=logging.INFO)

Для модуля используем стандартные методы логирования сообщений:

debug() — отображается подробная информация, обычно представляющая интерес только при диагностике проблем в приложении.
info() — отображается общая информация о приложении.
warning() — отображается информация, указывающая на то, что произошло нечто непредвиденное или существует вероятность возникновения проблем в будущем.
error() — показывает ошибку или невозможность выполнения некоторой задачи или функций (регистрация ошибок для отслеживания ошибок базы данных или сбоев HTTP-запросов).
critical() — ошибки, которые являются очень серьезными и требуют срочного решения.

Разъяснивший Python

Использование executemany для массовых вставок данных

При работе с базами данных часто возникает необходимость вставить большое количество данных за один раз. Вместо того чтобы вызывать execute для каждой строки, можно использовать метод executemany, который позволит вставить несколько записей в одну операцию, что значительно ускорит процесс.

Использование executemany — это простой, но мощный способ ускорить взаимодействие с базой данных при работе с множеством записей!

Разъяснивший Python

Использование контекстного менеджера для безопасного выполнения операций с базой данных

Когда вы работаете с базой данных напрямую через модули, такие как sqlite3, важно правильно закрывать соединения и обрабатывать ошибки. Использование контекстного менеджера для работы с базой данных гарантирует, что соединение закроется корректно, даже если возникнет ошибка.м

Этот лайфхак особенно полезен при написании небольших приложений или скриптов, которые работают с базами данных!

Разъяснивший Python

Использование SQLAlchemy для упрощенного взаимодействия с базами данных

SQLAlchemy — это популярная библиотека для работы с базами данных в Python. Она обеспечивает удобный интерфейс для выполнения операций с базами данных, используя как SQL-запросы, так и ORM (Object-Relational Mapping).

Таким образом, использование SQLAlchemy может значительно упростить вашу работу с базами данных в Python!

Разъяснивший Python

Pandas: Введение

pandas — это библиотека для обработки и анализа данных в Python. Она часто используется для работы с табличными данными, такими как таблицы в электронных таблицах или базы данных. Основные структуры данных в pandas — это Series и DataFrame.

Series — это одномерный массив данных, похожий на список, но с возможностью индексирования, что делает его более гибким. Series можно создать из списка, словаря или массива. Индексы могут быть заданы вручную или автоматически созданы. Здесь мы создали Series с данными [10, 20, 30, 40] и индексами ['a', 'b', 'c', 'd']. Индексы позволяют легко обращаться к элементам по меткам.

DataFrame — это двумерная структура, представляющая собой таблицу, где строки и столбцы имеют метки (индексы). DataFrame можно создать из словаря списков или массивов, а также из другой структуры данных. В данном примере мы создали DataFrame с тремя столбцами: Name, Age и Salary. pandas автоматически добавил индекс для строк.

Разъяснивший Python

Использование контекстных менеджеров для работы с ресурсами

Контекстные менеджеры позволяют управлять ресурсами (например, файлами, соединениями с базами данных и т.д.) более безопасным и удобным способом, гарантируя, что ресурсы будут правильно закрыты после использования.

Использование контекстных менеджеров — это простой и эффективный способ повысить надежность и читаемость вашего кода.

Разъяснивший Python

string.Template

В Python класс string.Template из модуля string позволяет подставлять значения в строки с использованием плейсхолдеров. Это удобный способ работы с шаблонами текста.

Разъяснивший Python

Использование virtualenv для изолированных окружений

Использование изолированных виртуальных окружений с помощью virtualenv позволяет вам создавать отдельные пространства для каждого вашего проекта. Это помогает избежать конфликтов между зависимостями разных проектов и поддерживать чистоту системы.

Этот лайхак будет полезен всем разработчикам Python, особенно тем, кто работает над несколькими проектами одновременно или разрабатывает приложения с различными зависимостями. Использование virtualenv позволяет поддерживать порядок и избежать неожиданных проблем с совместимостью.

Разъяснивший Python

heapq.nlargest() и heapq.nsmallest()

В Python функции heapq.nlargest() и heapq.nsmallest() позволяют получить n наибольших или наименьших элементов из коллекции. Это удобно для задач, связанных с выборкой экстремальных значений.

Разъяснивший Python

itertools.accumulate()

В Python функция itertools.accumulate() вычисляет накопительные суммы или результаты других операций (например, произведение) над итерируемым объектом. Полезна для анализа последовательностей.

Разъяснивший Python

Полезные библиотеки Python

SongsDownloaderTgBot — код готового телеграм бота с функционалом по скачиванию аудио дорожки из YouTube видео в телегу.

GitHub/Инструкция

Разъяснивший Python

Использование requirements.txt для управления зависимостями

Файл requirements.txt позволяет вам указать все зависимости вашего проекта, что делает его проще для установки на других машинах или серверах. Это особенно полезно, если вы работаете в команде или развертываете приложение на новом сервере.

Этот лайхак будет полезен всем разработчикам Python, особенно тем, кто работает над проектами в команде или развертывает приложения на сервере. Он значительно упрощает процесс настройки окружения и помогает избежать проблем с несовместимостью библиотек.

Разъяснивший Python

Преобразование видео в Gif с помощью Python

MoviePy — Python библиотека для редактирования видео с открытым исходным кодом. Библиотека обеспечивает поддержку чтения и записи для нескольких важных форматов видео и аудиофайлов.

$ pip install moviepy

Разъяснивший Python