👩‍💻 Изучение Python OpenCV — нейронные сети и обработка изображений!

Курс посвящен использованию библиотеки OpenCV для обработки изображений и видео с помощью Python. Вы узнаете, как применять нейронные сети для распознавания объектов и других задач компьютерного зрения.

Ссылочка на плейлист: YouTube 🖤

👉 Python Ready | #курс

Логируем функции с помощью паттерна "Декоратор"

Паттерн "Декоратор" — отличный способ добавить функциональность в функцию без изменения её кода. Сегодня научимся создавать декоратор для логирования вызова функций.

Для начала импортируем модуль functools — он поможет сохранить информацию о декорируемой функции:

import functools

Создадим сам декоратор log_call. Он будет оборачивать функцию и печатать её имя при вызове:

def log_call(func):
    @functools.wraps(func)
    def wrapper(*args, **kwargs):
        print(f"Вызов функции: {func.__name__}")
        return func(*args, **kwargs)
    return wrapper

Теперь применим наш декоратор к простой функции, например, которая складывает два числа:

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

Проверим вызов:

result = add(3, 4)
print(f"Результат: {result}")

Результат:

Вызов функции: add
Результат: 7

🔥 Такой подход поможет тебе быстро добавлять логирование в любые функции — удобно для отладки и мониторинга.

👉 Python Ready | #практика

☕️ Очень полезный русскоязычный справочник по Python от metanit — строго, понятно, по делу.

Всё по темам: от базового синтаксиса до ООП. Хорошо структурировано, всегда можно открыть нужную главу и быстро вспомнить ключевые моменты. Особенно удобно для повторения.

📌 Оставляю ссылочку: metanit.com

👉 Python Ready | #ресурс

😎 На Habr вышла статья, которая подойдёт всем, кто хочет написать собственного Telegram-бота на Python.

В этой статье:
• Пошаговое создание бота с пояснениями и примерами;
• Сравнение популярных библиотек — плюсы, минусы и советы по выбору;
• Полезные грабли и лайфхаки из реального опыта автора.

🔊 Продолжай читать на Habr!

👉 Python Ready | #статья