Для чего нужен декоратор property?

В Python для доступа к «приватным» свойствам используются специальные методы класса — геттеры и сеттеры (get_name, set_name, например). Их нужно прописывать для каждого «приватного» свойства отдельно, что может сделать код громоздким. Зато сеттеры, например, позволяют проверять тип данных перед изменением значения какого-либо свойства.

Property выполняет ту же задачу, а также улучшает инкапсуляцию. Если прописать его как декоратор @property перед каким-то методом, то он станет геттером, то есть будет возвращать значение атрибута. Помимо этого, можно использовать декораторы @property.setter для превращения метода в сеттер и @property.deleter для превращения метода в метод, который удаляет свойство.

▶️Пример кода:

class Circle:
    def __init__(self, radius):
        self._radius = radius

    @property
    def radius(self):
        """Возвращает радиус круга."""
        return self._radius

    @radius.setter
    def radius(self, value):
        """Устанавливает радиус круга, предварительно проверив, что значение положительное."""
        if value >= 0:
            self._radius = value
        else:
            raise ValueError("Радиус не может быть отрицательным")

    @radius.deleter
    def radius(self):
        """Удаляет радиус круга, заменяя его нулевым значением."""
        self._radius = 0

#вопросы_с_собеседований

⚙️ Туториал по классу deque() модуля collections в Python

Deque позволяет работать с очередями — структурой данных, которая устроена именно так, как называется. Добавление и удаление элементов в очереди происходит так, что первым из очереди удаляется элемент, который был и помещён туда первым.

✔️ Вот некоторые примеры использования deque:

1️⃣Получение последних 5 строк файла

from collections import deque

with open(filepath, "r") as file:
    last_5_lines = deque(file, maxlen=5)

print(last_5_lines)

2️⃣ Вычисление скользящего среднего

from collections import deque

def moving_averages(data, window_size):
    values = []
    window = deque(maxlen=window_size)
    for element in data:
        window.append(element)
        values.append(sum(window) / len(window))
    return values

🔗 Остальные примеры использования и другие подробности о deque можно прочесть в этой статье

🐍 С основной веткой Python слили выключатель GIL

GIL (Global Interpreter Lock) — это механизм, используемый в CPython, который ограничивает выполнение кода только одним потоком за раз. Это мешает задействовать многозадачность и использовать полностью потенциал многоядерных процессоров.

Смёрдженный пулл-реквест добавляет возможность отключить GIL для free-threaded сборок. Сделать это можно двумя способами:
▫️ PYTHON_GIL=0
▫️ -X gil=0

Предусмотрена также возможность повторного включения GIL.

Ранее разработчики Python предупреждали, что отключение GIL сломает некоторые части текущего кода.

«Мы ожидаем, что отключение GIL поначалу будет довольно глючным. Поэтому, даже если мы собираемся отключить GIL по умолчанию в версии 3.13, мы, вероятно, захотим, чтобы GIL оставался включённым по умолчанию какое-то время».

💬 Аннотации типов в Python: нужны ли?

Автор нового поста на «Хабре» рассуждает о том, зачем использовать аннотации типов и даёт ли это преимущество.

❓Справка:
Аннотации типов были введены в Python в версии 3.5. Они помогают обозначать типы для переменных и функций. При этом они не обеспечивают проверку типов на уровне интерпретатора.

Вот так код на Python выглядит без аннотации типов:

def add(a, b):
    return a + b

А вот так с аннотацией:

def add(a: int, b: int) -> int:
    return a + b

📌 Автор считает, что аннотации наиболее полезны в больших проектах, а вот для небольших скриптов их использование может быть избыточным.

🔗 Прочесть его мнение целиком можно здесь

А что вы думаете по этому поводу? Используете аннотацию типов в работе?

⚠️ Как работать с предупреждениями (warnings) в Python

Наверняка вы сталкивались с предупреждениями при исполнении программы. Чаще всего они говорят о том, что какие-то функции устарели. Но что если вам самим нужно создать такое предупреждение для потенциальных пользователей вашей программы?

☑️ Для этого в стандартной библиотеке Python есть модуль warnings. Создать предупреждение с его помощью очень легко:

import warnings
warnings.warn("Something wrong!")

Этот код выведет следующее: <ipython-input-2-f9c3380a9245>:2: UserWarning: Something wrong!
warnings.warn("Something wrong!")

Вы можете самостоятельно выбрать тип предупреждения вместо типа по умолчанию UserWarning:

warnings.warn("Oops!", category=RuntimeWarning)

✍️ Также в warnings есть контекстный менеджер для временного подавления предупреждений:

with warnings.catch_warnings():
    warnings.simplefilter("ignore")
    warnings.warn("Something wrong!")

В менеджере контекста все предупреждения просто игнорируются, что может пригодиться в некоторых случаях.

🇺🇸 Белый дом призвал переходить на языки, обеспечивающие безопасную работу с памятью (как Python)

Такой призыв в конце февраля выпустил Office of the National Cyber Director (ONCD). Утверждается, что использование определённых языков программирования устраняет целый класс уязвимостей.

В самом пресс-релизе ONCD нет прямого указания на Python, однако ранее Cybersecurity and Infrastructure Security Agency (CISA) опубликовал список языков, обеспечивающих безопасную работу с памятью, и в него был включён Python. Помимо него в перечне есть C#, Go, Java, Rust и Swift.

🐍 Итоги недели в мире Python и обзоры новых инструментов

У нас есть еженедельная рассылка о последних открытиях и тенденциях в мире Python. Мы опубликовали новый выпуск на 📰.

Ниже — небольшая часть выпуска, а целиком читайте здесь 👈

😏 Мнение: пора переключаться с бэкенда на ИИ

Общемировой тренд — увеличение спроса на ИИ-разработчиков. И у Python-специалистов есть огромное преимущество — они без особых усилий могут переключиться с бэкенда на машинное обучение. Автор этой публикации рассказал, с чего проще всего начать — с изучения супервостребованной RAG-технологии.

🎩 Hatchet — эффективная альтернатива Celery

Hatchet — это новая система распределения задач для управления сложными процессами. Она позволяет создавать отказоустойчивые процессы, решающие проблемы параллелизма, справедливости распределения задач и ограничения скорости обработки. Обо всех преимуществах Hatchet читайте в рассылке.

🌐 Niquests — продвинутая альтернатива Requests

Новая библиотека лишена некоторых недостатков старой, а также имеет дополнительные фичи. Какие — подробно рассказываем в статье на vc.

➡ Вы можете подписаться на email-рассылку здесь