⚙️ weakref.ref()

weakref.ref() из модуля weakref создаёт слабую ссылку на объект. Слабая ссылка не увеличивает счётчик ссылок объекта, позволяя ему быть удалённым сборщиком мусора, если больше нет сильных ссылок на него.

Python Learning 👩‍💻

⚙️ memoryview()

memoryview() — это встроенный метод Python, который позволяет работать с буфером данных без их копирования. Это полезно для работы с большими массивами данных, таких как байты или массивы, где важна производительность.

Python Learning 👩‍💻

⌛ Что будет выведено при выполнении кода?

Пояснение ⬇️

Counter из collections подсчитывает количество повторений каждого элемента в data. Значение для 'apple' равно 3. Для отсутствующего ключа ('grape') возвращается 0, а не KeyError.

Python Learning 👩‍💻

#Вопросы_с_собеседования
Как проверить файл .py на синтаксические ошибки, не запуская его?

Утилита py_compile, позволит проверить файл .py на наличие синтаксических ошибок без его запуска.

Используется py_compile очевидно:
1. открываем командную строку/терминал.
2. переходим в каталог, содержащий файл .py, который вы хотите проверить
3. выполняем: python -m py_compile yourfile.py где yourfile.py - это имя файла, который вы хотите проверить.

Эта команда выполнит проверку файла и выведет описание любых синтаксических ошибок, которые были найдены, или пустой вывод, если ошибок нет.

Когда это может быть полезно? Например, если код большой и в процессе задействует много ресурсов, а нужно всего лишь удостовериться в его валидности.

Python Learning 👩‍💻

🤔 Как это работает? — Рекурсия на примере факториала

Рекурсия — это техника, при которой функция вызывает саму себя. Функция факториала — классический пример использования рекурсии. Давайте разберём, как это работает.

➡️ Как это работает:

• Если n == 0, функция возвращает 1 (базовый случай).
• В остальных случаях функция вызывает саму себя с аргументом n - 1.
• Результаты этих вызовов умножаются на текущее значение n.

Развернутый аналог:

def factorial_iterative(n):
    result = 1
    for i in range(1, n + 1):
        result *= i
    return result

Python Learning 👩‍💻

⚙️ tempfile.NamedTemporaryFile()

Метод tempfile.NamedTemporaryFile() из модуля tempfile создаёт временный файл, который автоматически удаляется при закрытии. Это удобно для временного хранения данных.

Python Learning 👩‍💻

⚙️ abc.ABCMeta

Класс abc.ABCMeta из модуля abc используется для создания абстрактных базовых классов (Abstract Base Classes). Это позволяет определить методы, которые должны быть реализованы в подклассах, и предотвращает создание экземпляров базового класса.

Python Learning 👩‍💻

Любимые подписчики, поздравляю вас с наступающим новым годом! Пусть в 2025 году исполнятся все ваши самые заветные желания🎄🎄🎄🎄

🚫 Антипаттерн недели: Использование вложенных циклов для обработки больших данных

Вложенные циклы при обработке больших объёмов данных значительно снижают производительность, особенно если внутри вложенного цикла выполняются сложные операции. Это приводит к избыточному времени выполнения программы.

✔️ Используйте встроенные функции и методы, такие как zip, enumerate или библиотеку numpy, чтобы сократить количество циклов.

Python Learning 👩‍💻

🚫 Антипаттерн недели: Неоптимальная фильтрация данных через циклы

Использование обычных циклов для фильтрации данных в списках или других коллекциях может быть неэффективным и затрудняет читаемость кода. Это особенно актуально, когда в Python уже есть встроенные средства для таких задач.

✔️ Используйте встроенные функции, такие как filter() или list comprehension, чтобы сделать код более читаемым и производительным.

Python Learning 👩‍💻

⌛ Что будет выведено при выполнении кода?

Пояснение ⬇️

Аргумент message имеет значение по умолчанию "Hello". При вызове greet("Alice") используется значение по умолчанию, результат: Hello, Alice!. Во втором вызове передаётся ключевой аргумент message="Hi", поэтому результат: Hi, Bob!. Код выполняется корректно.

Python Learning 👩‍💻

⚙️ sys.getrefcount()

Метод sys.getrefcount() позволяет получить количество ссылок на объект. Это полезно для анализа работы сборщика мусора и управления памятью в Python.

Python Learning 👩‍💻

⌛ Что будет выведено при выполнении кода?

Пояснение ⬇️

Метод @property превращает radius в геттер, а метод @radius.setter добавляет проверку значения. Сначала radius возвращает 5, затем успешно устанавливается в 10. Код выполняется корректно.

Python Learning 👩‍💻

⚙️ asyncio.gather()

Метод asyncio.gather() из модуля asyncio позволяет запускать несколько асинхронных задач одновременно и ожидать их завершения. Это удобный инструмент для работы с конкурентным выполнением задач.

Python Learning 👩‍💻

⚙️ inspect.getclosurevars()

Метод inspect.getclosurevars() из модуля inspect позволяет извлечь значения замыканий из функции. Это полезно для анализа внутреннего состояния функций с замыканиями.

Python Learning 👩‍💻

❓ Вопрос на собеседовании

Что такое метаклассы в Python, как они работают, и зачем их использовать?

Ответ ⬇️
Метакласс в Python — это класс, который управляет созданием других классов. Обычно метаклассы используются, если нужно модифицировать или дополнить поведение классов во время их создания. Метакласс контролирует процесс создания класса и может добавлять новые методы, изменять существующие атрибуты или проверять корректность структуры класса.

Метаклассы задаются через ключевое слово metaclass в определении класса. Например, можно создать метакласс, чтобы автоматически добавлять новые методы или атрибуты.

Пример использования ⚙️

# Создаем метакласс
class MyMeta(type):
def __new__(cls, name, bases, dct):
dct['greet'] = lambda self: f"Hello from {name}!"
return super().__new__(cls, name, bases, dct)

# Используем метакласс
class MyClass(metaclass=MyMeta):
pass

obj = MyClass()
print(obj.greet()) # Вывод: Hello from MyClass!

Python Learning 👩‍💻

❓ Вопрос на собеседовании

Как работает __getattr__ и __getattribute__ в Python, и в чём между ними разница?

Ответ ⬇️
__getattr__ и __getattribute__ — это специальные методы для управления доступом к атрибутам объекта.

__getattribute__ вызывается для любого обращения к атрибуту объекта.
__getattr__ вызывается только в случае, если атрибут не найден стандартным способом.

Разница: __getattribute__ перехватывает все обращения, а __getattr__ только пропущенные. Это делает __getattr__ безопаснее для использования, так как он не нарушает стандартный процесс получения атрибутов.

Пример использования ⚙️

class MyClass:
def __getattr__(self, name):
return f"Атрибут {name} отсутствует!"

def __getattribute__(self, name):
if name == "special":
return "Это особый атрибут"
return super().__getattribute__(name)

obj = MyClass()
print(obj.special) # Это особый атрибут
print(obj.undefined) # Атрибут undefined отсутствует!

Python Learning 👩‍💻