​​Самый питонический фон для созвона, для тех, кто только что в чем-то преуспел.

#кек
@zen_of_python

На случай, если вы все еще бухаете морально не готовы вернуться к работе, на GitHub бесплатно дают кодить с целым букетом LLM:
— ChatGPT
— DeepSeek
— Mistral
— MIcrosoft Phi и проч.

Выставил такого ИИ-работника вместо себя в начале недели — и никто не поймет подмены.

#инструмент
@zen_of_python

​​Держите питонический амулет. Он защитит вас завтра от груженых понедельников, и коллег с «домайскими» отложенными задачами.

#кек
@zen_of_python

​​Солидный апдейт pip

Среди новшеств версии 25.1:
— Группы зависимостей: Теперь можно устанавливать «пачками», определёнными в pyproject.toml. Это позволяет устанавливать, например, только зависимости для тестирования или разработки:

pip install --group test

— Возобновляемые загрузки: прерванные из-за нестабильного интернета загрузки все же выполнятся;

— Индикатор прогресса установки;

— Ускорение pip show, pip freeze на 15–30%;

— Улучшенные сообщения об ошибках: Сообщения об ошибках при удалении пакетов стали более информативными.

Release Note
#инструмент
@zen_of_python

​​GlyphX | Старший брат Matplotlib

Альтернатива общепринятому инструменту визуализации, glyphx предлагает:

— SVG-рендеринг;
— интерактивность по умолчанию (как у plotly);
— палитры с темными темами и для людей с особенностями зрения.

Таргетировано на научные работы, где важна глубокая кастомизация и редкие типы диаграмм.

#инструмент
@zen_of_python

Тестирование на Python для продвинутых: кейсы, инструменты, ошибки

22 мая в 20:00 — вебинар для тех, кто хочет вывести тестирование на новый уровень.

На вебинаре вы узнаете:
— как тестировать async-код, базы данных и работу с файлами
— частые ошибки: избыточные моки, хрупкие тесты и антипаттерны
— инструменты pro-уровня: pytest, tox, coverage и др.
— как ускорить прогон без потери качества
— реальные кейсы и подходы из продакшена

Подходит для опытных Python-разработчиков, лидов, архитекторов и всех, кто пишет тесты, но хочет делать это лучше, быстрее и стабильнее. Вебинар проходит в преддверии старта курса «Python Developer. Professional». Участникам — скидка на обучение!

Участие бесплатное

Реклама. ООО «Отус онлайн-образование», ОГРН 1177746618576

Апгрейд Win-установочника Python

Разработчики языка оптимизируют процесс установки Python на Windows с помощью т.н. PyManager. Вот его ключевые обновления:

— Единый инструмент установки: Ранее существовало несколько способов установки Python на Windows: традиционный установщик .exe, пакет в Microsoft Store и NuGet-пакеты. PyManager объединяет их в один инструмент, упрощая процесс установки и управления версиями Python.

— Управление несколькими версиями: PyManager позволяет устанавливать и управлять несколькими версиями Python одновременно, включая возможность установки конкретных версий и архитектур (например, py install 3.11.4 --arch=arm64). Это особенно полезно для тестировщиков.

PEP-773
#факт
@zen_of_python

Бывает, просыпаешься утром и понимаешь — хочется перемен. Сменить город, страну, климат. Поработать с видом на океан или встретить закат в кофейне где-нибудь в центре Европы. Только вот отпуска на всё не хватает.

А может, и не нужен отпуск? Есть компании, где работать можно откуда угодно — хоть с берега, хоть с балкона, хоть из уютного офиса, если так больше нравится.

Точка — как раз из таких. Здесь главное — результат, а не география. Ты сам выбираешь, где тебе комфортно: дома, в классном офисе или в другом часовом поясе.

В финтех-компании Точка работает 1300 IT-специалистов — разработчиков, продактов, дата-сайентистов и дизайнеров. Они создают IT-продукты, которым доверяют 700 000 предпринимателей. Здесь ценят инициативу, самостоятельность и продуманность решений.

Хочешь жить по своим правилам и при этом делать классные вещи вместе с командой?

Переходи по ссылке — там подробно расписано, как в Точке работают и кого сейчас ищут. Возможно, это именно твой путь.

Это #партнёрский пост

Почему все реже встречается __init__

В питоническом комьюнити некоторые призывают отказаться от пользовательских методов __init__ в контексте dataclasses.

До Python 3.7 разработчикам приходилось вручную определять этот метод для инициализации атрибутов экземпляра класса. Например, чтобы создать объект 2DCoordinate(x=1, y=2), необходимо было явно прописать метод init с параметрами x и y. Альтернативы — фабричные функции и абстрактные классы, были менее удобны и приводили к усложнению кода.

С появлением «структур данных» необходимость в ручном определении __init__ для простых структур данных отпала:

from dataclasses import dataclass

@dataclass
class Person:
    name: str
    age: int

person = Person(name="Alice", age=30)
print(person)

Это не единственное решение: Создание объектов через фабричные методы позволяет (@classmethod) отделить логику инициализации от конструкции объекта.

Вот еще пример проблемы, вызванной пользовательским методом инициализации:

class FooBarWidget(FooWidget):
    def __init__(self):
        self.publisher = zmq.Context.instance().socket(zmq.PUSH)
        self._init()

    def _init(self):
        def worker_thread_start():
            FooWidget.__init__(self)
            self.run()

        worker_thread = Thread(target=worker_thread_start, daemon=True)
        worker_thread.start()

Атрибуты, инициализируемые в FooWidget.__init__, могут быть недоступны в основном потоке до завершения инициализации в дочернем потоке, что вызывает ошибки при обращении к ним.

#основы
@zen_of_python

​​Качество кода в эпоху LLM

Один из сеньоров сказал на одной конференции:

«Если разработчик не использует LLM для автоматизации рутины, то он просто тратит ресурсы своей компании»

Вот на таком прокрустовом ложе мы с вами оказались: c LLM база мгновенно забывается, без нее — пишешь / отлаживаешь медленнее.

ИИ-ассистенты:
— генерируют код по промту;
— предлагают автодополнение на основе контекста;
— подсказывают, как улучшить код.

Но они реактивные — не анализируют весь проект автоматически. ИИ не гарантирует соответствие стандартам проекта, превращая код в кашу.

Если вы уже не готовы отказаться от копайлотов вроде ChatGPT или Cursor, с качеством кода помогут несправедливо забытые:
— линтеры (pylint, flake8);
— тайпчекеры (mypy);
— security-сканеры (bandit);
— «покрыватели тестами» (coverage, pytest-cov);
— профилировщики (cProfile).

Вышеописанные инструменты:
— формализуют согласно стандарту PEP8;
— находят ошибки, неиспользуемые импорты, — «мертвый код», несоответствия типов (mypy);
— работают без контекста задачи — поэтому «беспристрастны»;

#инструмент #основы
@zen_of_python

pipask | pip, который не пропустит зловред

Дожили: через pypi.org можно слить свои креды / логопассы и дать возможность майнить крипту мошенникам. Пока админ плачет в сторонке вас еще миновала участь установить нечто злое, попробуйте вместо привычных менеджеров зависимостей pipask: он использует метаданные, чтобы оценить вероятность угрозы и подтягивает базу osv.dev (про уязвимости).

Ждем, когда PSF сшерлочат эту фичу.

Репозиторий проекта
#инструмент
@zen_of_python