Pythoner

✈️PySimpleGUI — это популярный фреймворк для создания простых графических интерфейсов пользователя. Он позволяет быстро создавать интерфейсы при помощи Python, без необходимости изучать сложные GUI библиотеки, такие как Tkinter, Qt или wxPython. ➡️PySimpleGUI широко используется для создания небольших утилит и инструментов с GUI, например: — Простые GUI для скриптов автоматизации. — Инструменты для обработки и визуализации данных. — Маленькие вспомогательные приложения для повседневных задач. 💡Основные преимущества PySimpleGUI: - Простой и интуитивно понятный синтаксис. - Кроссплатформенность: работает на Windows, MacOS, Linux. - Встроенная поддержка многих виджетов и тем оформления. - Автоматическое размещение элементов GUI. 🖥GitHub 🐍 Pythoner

✈️Pandera — это удобный инструмент для проверки структуры и содержимого данных в Python. Он работает как дополнительный слой валидации поверх pandas DataFrame и других структур данных, помогая выявлять ошибки на ранних этапах обработки. ➡️Основные применения: - Определение схемы. Например, схема, которая проверяет, что столбец 1 должен быть целым числом, большим 0, а столбец 2 — строкой с более чем 5 символами. - Проверка данных с помощью схемы. Например, если создать фрейм данных с отрицательным значением в столбце 1, проверка завершится ошибкой, так как это не соответствует требованиям схемы. - Проверка нескольких фреймов данных. Pandera позволяет определять схемы с проверками по нескольким столбцам. Например, схема, которая проверяет, что сумма столбцов 1 и 2 больше 0. 🖥 GitHub 💡Основная задача Pandera — гарантировать соответствие данных ожидаемой схеме: типам, диапазонам значений и бизнес-правилам. 🐍 Pythoner

✈️keyboard - Эта библиотека позволяет полностью контролировать клавиатуру в Python - перехватывать нажатия, эмулировать ввод и создавать "горячие клавиши". ➡️ Главная функция: перехват и эмуляция любых клавиатурных событий на низком уровне. 🖥 GitHub 💡Преимущества: - Поддержка глобальных хоткеев (работают даже когда окно не в фокусе) - Простая эмуляция нажатий клавиш - Кроссплатформенность (Windows/Linu). 🐍 Pythoner

✈️Пространство имён в Python гарантирует, что имена объектов в программе остаются уникальными и могут использоваться без конфликтов. ➡️Рассмотрим основные типы пространств имён: - Локальное пространство имён содержит имена, определённые внутри функции. Оно создаётся временно при вызове функции и удаляется после её завершения. - Глобальное пространство имён включает имена из импортированных модулей и пакетов, используемых в проекте. Оно формируется при импорте модуля и существует до завершения работы скрипта. - Встроенное пространство имён содержит встроенные функции Python и зарезервированные имена для различных типов исключений. ➡️Пример: x = 10 # Глобальное def foo(): x = 5 # Локальное print(x) # Выведет 5 (локальное) foo() print(x) # Выведет 10 (глобальное) 💡В Python пространства имён реализованы как словари, где «имя» выступает ключом, а «объект» — соответствующим значением. 🐍 Pythoner

✈️Иногда нужно пропустить определённые исключения, не оборачивая код в громоздкий try/except. Для этого есть suppress() из модуля contextlib. ➡️Пример: from contextlib import suppress data = {"a": 1} with suppress(KeyError): print(data["b"]) # Ошибка будет проигнорирована print("Код продолжает работать") Код продолжает работать 💡Удобно, когда ошибка допустима и не требует обработки — например, при удалении файла, который может отсутствовать. 🐍 Pythoner

✈️Функция isinstance() проверяет, относится ли объект к указанному типу (или кортежу типов). Полезно для валидации данных и написания универсальных функций. ➡️Пример: x = 3.14 if isinstance(x, (int, float)): print("Это число") Это число 💡isinstance() в отдельных случаях удобнее и безопаснее, чем привычное сравнение через type(). 🐍 Pythoner

✈️frozenset — это множество, элементы которого нельзя изменять после создания. Оно поддерживает те же операции, что и обычный set: объединение, пересечение, разность. ➡️Пример: a = frozenset([1, 2, 3]) b = frozenset([3, 4, 5]) print(a & b) # пересечение → frozenset({3}) 💡Удобно, когда нужно использовать множество как ключ в словаре или элемент другого множества 🐍 Pythoner

✈️Sidecar — это архитектурный паттерн, когда рядом с основным сервисом запускается отдельный контейнер, который выполняет вспомогательные задачи. ➡️Что обычно выносят в sidecar: — логирование и сбор метрик — прокси для сетевых запросов — сервис Mesh (например, Istio Envoy) — мониторинг и безопасность 💡Преимущества: — основной сервис остаётся «чистым» и сосредоточенным только на бизнес-логике — независимое обновление и масштабирование sidecar — одинаковый подход к инфраструктуре (единые логеры, агенты метрик и т.д.) 🐍 Pythoner

✈️Функция globals() возвращает словарь всех глобальных переменных текущего модуля. Можно использовать для динамического доступа к переменным по имени. ➡️Пример: x = 42 name = "Python" print(globals()["x"]) # 42 print(globals()["name"]) # Python 💡Заключение: Полезно для отладки, метапрограммирования и работы с динамическими именами, но в обычном коде лучше использовать напрямую 🐍 Pythoner

✈️Казалось бы, куда еще проще, но есть один интересный пакет JMESpath, который позволяет декларативно указать, как извлекать элементы из документа JSON. ➡️Основные примеры использования: import jmespath jmespath.search('foo.bar', {'foo': {'bar': 'baz'}}) # output: 'baz' jmespath.search('foo.*.name', {'foo': {'bar': {'name': 'one'}, 'baz': {'name': 'two'}}}) # output: ['one', 'two'] ⬆️Тут нет ничего сложного. Метод search принимает паттерн, по которому требуется извлечь данные, а также словарь (который в общем-то похож на JSON). ➡️Возможностей у пакета достаточно, поэтому он достоен изучения и применения в проектах. Подробнее можно почитать в документации. 🐍Pythoner

✈️В Python целые числа имеют "бесконечную" точность. Это означает, что вы можете работать с целыми числами любого размера, не беспокоясь о переполнении. ➡️Например, давайте возьмем число 2 и возведем его в степень 1000: print(2**1000) ➡️Результат: 10715086071862673209484250490600018105614048117055336074437503883703510511249361224931983788156958581275946729175531468251871452856923140435984577574698574803934567774824230985421074605062371141877954182153046474983581941267398767559165543946077062914571196477686542167660429831652624386837205668069376 ⬆️Это число содержит 302 цифры! ➡️В других языках программирования, таких как C или Java, вы бы столкнулись с ограничениями при работе с такими большими числами. Но в Python вы можете спокойно работать с числами практически любого размера. Это очень удобно для таких областей, как криптография или научные вычисления, где часто требуется работа с очень большими числами. Однако важно помнить, что хотя Python может обрабатывать такие большие числа, это может повлиять на производительность при выполнении операций с ними. Поэтому, если вам не нужна такая высокая точность, лучше использовать стандартные типы данных. В целом, эта особенность Python делает его очень мощным инструментом для работы с целыми числами любого размера. 🐍Pythoner

✈️При вызове скрипта Python можно указать различные параметры/флаги для большей гибкости. Вот наиболее часто используемые варианты: * -h или --help: Выводит справку по доступным флагам. * -V или --version: Выводит номер версии Python. * -m <module>: Запускает модуль как скрипт (например, python -m venv venv). * -c <command>: Выполняет указанную команду Python (например, python -c "print('Hello, World!')"). * -i: Включает интерактивный режим REPL после выполнения скрипта. * -O: Включает оптимизацию байт-кода (удаляет операторы assert и любой код, зависящий от значения __debug__). * -OO: Более агрессивная оптимизация, удаляющая docstrings. * -B: Отключает создание файлов .pyc (с компилированным байт-кодом). * -W: Контролировать частоту вывода предупреждений. 💡Это лишь некоторые из наиболее распространенных флагов. 🔗 подробнее 🐍Pythoner

✈️Модуль string в Python предоставляет ряд полезных констант, которые помогают работать со строками более эффективно и удобно. ➡️Основной список: 1. string.ascii_letters: Содержит все буквы английского алфавита (как заглавные, так и строчные). 2. string.digits: Включает все десятичные цифры от 0 до 9. 3. string.hexdigits: Содержит шестнадцатеричные цифры (0-9 и a-f, A-F). 4. string.octdigits: Включает восьмеричные цифры (0-7). 5. string.punctuation: Содержит все знаки пунктуации. 6. string.whitespace: Включает все пробельные символы (пробелы, табуляции и переносы строк). ➡️Пример использования: import string # Функция проверяет, состоит ли строка только из букв def is_alpha(s): return all(char in string.ascii_letters for char in s) # Тестируем функцию print(is_alpha("HelloWorld")) # Вывод: True print(is_alpha("Hello World!")) # Вывод: False 💡Заключение Константы из модуля string значительно упрощают обработку строк и могут быть использованы в различных алгоритмах, таких как валидация ввода, фильтрация символов и т.д. 🐍Pythoner

✈️Одним из основных преимуществ Pendulum является возможность легко создавать и форматировать даты. Давайте рассмотрим пример: import pendulum # Создание даты date = pendulum.datetime(2023, 10, 5) # Форматирование даты formatted_date = date.format('YYYY-MM-DD') print(formatted_date) # Вывод: 2023-10-05 ⬆️С помощью Pendulum вы можете легко создавать даты и форматировать их в нужный формат с помощью метода format. ➡️Работа с временными зонами Pendulum значительно упрощает работу с временными зонами. Пример создания даты в одной временной зоне и её преобразования в другую: # Создание даты в временной зоне 'Europe/Moscow' moscow_time = pendulum.datetime(2023, 10, 5, tz='Europe/Moscow') print(moscow_time) # Вывод: 2023-10-05T00:00:00+03:00 # Преобразование в другую временную зону ny_time = moscow_time.in_timezone('America/New_York') print(ny_time) # Вывод: 2023-10-04T17:00:00-04:00 ⬆️С Pendulum работа с временными зонами становится интуитивно понятной и простой! ➡️Различные операции с датами Pendulum предоставляет широкий набор методов для выполнения различных операций с датами. Пример добавления и вычитания временных интервалов: # Создание даты date = pendulum.datetime(2023, 10, 5) # Добавление 5 дней new_date = date.add(days=5) print(new_date) # Вывод: 2023-10-10T00:00:00+00:00 # Вычитание 2 часов new_date = date.subtract(hours=2) print(new_date) # Вывод: 2023-10-04T22:00:00+00:00 ⬆️С методами add и subtract вы можете легко выполнять арифметические операции с датами, что делает работу с временными интервалами очень удобной. 🐍Pythoner

✈️git merge объединяет две ветки, создавая новый коммит, который объединяет изменения из обеих веток. Это означает, что вся история обеих веток сохраняется, и создается так называемый "слияние" (merge commit). ✈️git rebase позволяет переназначить (переписать) коммиты из одной ветки на другую. Это создаёт новое основание для вашей ветки и делает историю более линейной, очищая её от избыточных merge-коммитов. 🐍Pythoner

✈️Байтовые объекты представляют собой последовательность байтов, которая хранит информацию в двоичном формате. ➡️В Python байтовые объекты представлены типами данных bytes и bytearray. Различие заключается в том, что bytes является неизменяемым типом данных, в то время как bytearray - изменяемым. Также в Python имеется тип данных memoryview, предоставляющий доступ к внутренним данным объекта, который поддерживает буферный протокол, без копирования. Для создания байтовых объектов можно использовать байтовые литералы (синтаксис схож со строковыми литералами, за исключением того, что добавляется префикс "b"). ➡️В Python также существует модуль struct, который позволяет работать с байтовыми данными на низком уровне, осуществляя их упаковку и распаковку. 💡Эти объекты часто используются для работы с бинарными файлами, сетевыми пакетами и другими данными, которые нужно представить в виде последовательности байтов. 🐍Pythoner

✈️Распаковка значений в Python - это способ присвоения значений из итерируемых объектов переменным. Это позволяет извлечь значения из списка, кортежа, строки или других итерируемых объектов и присвоить их отдельным переменным. ➡️Комбинации с примерами и краткими описаниями: 1. Распаковка в несколько переменных: a, b, c = 1, 2, 3 # a = 1, b = 2, c = 3 ➡️Присваивание значений из кортежа переменным. 2. Распаковка посимвольно в строки: a, b = "12" # a = '1', b = '2' ➡️Разделение строки на отдельные символы и присваивание их переменным. 3. Распаковка с использованием звёздочки (*): a, *b = 1, 2, 3 # a = 1, b = [2, 3] ➡️Сбор оставшихся значений в список с использованием звёздочки. 4. Распаковка в переменную со звёздочкой (*): a, *b, c = 1, 2, 3, 4 # a = 1, b = [2, 3], c = 4 ➡️Присваивание первого и последнего значения, а остаток помещается в список. 5. Игнорирование значений при распаковке: a, _, b = 7, 8, 9 # a = 7, b = 9 (значение 8 игнорируется) Пропуск значений, которые не нужны при присвоении. ➡️Различные итерируемые объекты: Можно использовать любые итерируемые объекты, такие как списки, кортежи, строки, объекты, поддерживающие итерацию и даже функция range(): - Список: a, b, c = [4, 5, 6] # a = 4, b = 5, c = 6 - Кортеж: x, y = (10, 20) # x = 10, y = 20 - Строка: char1, char2, char3 = "xyz" # char1 = 'x', char2 = 'y', char3 = 'z' - Использование range(): a, b, c = range(1, 4) # a = 1, b = 2, c = 3 💡Заключение: Распаковка значений в Python - удобный и эффективный способ присваивания значений переменным из итерируемых объектов, делая код более читаемым и компактным. Это дает гибкость при работе с данными различных типов и структур. 🐍Pythoner

✈️OnnxOCR — это проект для распознавания текста с использованием ONNX Runtime, предлагающий эффективную модель без тяжелых фреймворков. ✈️Его главные плюсы — это портативность и скорость работы благодаря оптимизированным нейросетевым весам. 💡Отличное решение для встраивания в ваши Python-скрипты для обработки изображений там, где не нужны монструозные библиотеки. ⛓ Документация 🐍Pythoner

✈️В asyncio есть два способа запустить корутину: - await — ждёт, пока задача завершится. - loop.create_task() — запускает задачу в фоне, не блокируя выполнение остального кода. ➡️Если ты используешь await, выполнение кода останавливается, пока корутина не закончится. А вот create_task() добавляет её в event loop — и она работает параллельно с другими задачами. ➡️Пример: import asyncio async def task(name): print(f"Начал {name}") await asyncio.sleep(2) print(f"Закончил {name}") async def main(): t1 = asyncio.create_task(task("Задача 1")) t2 = asyncio.create_task(task("Задача 2")) print("Обе задачи запущены!") await t1 await t2 asyncio.run(main()) обе задачи выполняются одновременно, а не по очереди. 💡Это важно, если ты пишешь сетевые приложения, обрабатываешь запросы или работаешь с I/O — именно create_task() делает Python по-настоящему асинхронным. 🐍Pythoner

✈️Aiopandas — это легковесный патч для Pandas, который добавляет асинхронную поддержку для популярных методов обработки данных. ➡️Библиотека не блокирует event loop при операциях ввода-вывода и позволяет параллельно обрабатывать несколько DataFrame, что особенно полезно для веб-приложений на FastAPI или aiohttp. 💡Идеально для проектов, где нужно совмещать анализ данных с асинхронными операциями: работа с LLM-моделями, веб-скрапинг или асинхронное взаимодействие с базами данных. ⛓ Документация 🐍Pythoner

➡️Основные возможности GeoPandas GeoPandas расширяет функциональность pandas, добавляя поддержку геометрических типов данных. Это позволяет эффективно работать с пространственными данными, выполнять геометрические операции и визуализировать результаты. ➡️Ключевые особенности: 💬Поддержка различных форматов геоданных (Shapefile, GeoJSON и др.) 💬Геометрические операции (пересечение, объединение, буферизация) 💬Пространственные соединения и агрегации 💬Интеграция с matplotlib для визуализации ➡️Простой пример: import geopandas as gpd # Чтение геоданных gdf = gpd.read_file('path/to/your/geodata.shp') # Базовые операции print(gdf.head()) print(gdf.crs) # Система координат ➡️Практические примеры использования Визуализация данных import matplotlib.pyplot as plt gdf.plot() plt.title('Визуализация геоданных') plt.show() ➡️Пространственные операции Выполнение геометрических операций, таких как буферизация: buffered = gdf.geometry.buffer(1) # Создание буфера в 1 единицу ➡️Пространственные соединения Объединение двух наборов геоданных на основе их пространственных отношений: cities = gpd.read_file('cities.shp') countries = gpd.read_file('countries.shp') cities_with_countries = gpd.sjoin(cities, countries, how="inner", predicate="within") ➡️Преимущества использования GeoPandas: 💬Эффективная обработка больших объемов геоданных 💬Интеграция с экосистемой Python для анализа данных 💬Упрощение сложных геопространственных операций 💬Возможность создания высококачественных картографических визуализаций 🐍Pythoner

✈️PyMuPDF — это мощная и невероятно быстрая библиотека для работы с PDF-документами прямо из Python. ➡️Она позволяет с легкостью извлекать текст, изображения и метаданные, конвертировать страницы в изображения и даже работать с аннотациями, обеспечивая при этом одну из самых высоких скоростей обработки в своем классе благодаря низкоуровневой оптимизации. 💡Идеально для автоматизации массовой обработки сканированных документов или отчетов — быстро извлекайте нужные данные без рутинных операций. ⛓ Документация 🐍Pythoner