💡 Свежие новости и полезные материалы по Python

🎉 Новости
▪️ Вышел релиз Django 5.2 alpha 1.
▪️ Выпущены обновления безопасности Django.

📚 Туториалы
▪️ Узнайте, как создавать словарные включения в Python.
▪️ Подробное руководство по созданию приложения для фитнеса с использованием Reflex.
▪️ Как быстро визуализировать SBOM (Software Bill-Of-Materials).

🛠️ Инструменты и советы
▪️ PyViz: обзор библиотек визуализации данных в экосистеме Python.
▪️ Использование pytest fixtures для обнаружения утечек памяти.
▪️ Советы по тестированию релизов Python-пакетов.

📂 10 Способов работы с большими файлами в Python

💡 Зачем учиться работать с большими файлами
1. Анализ данных: Обработка серверных логов, записей транзакций или данных с датчиков.
2. Веб-скрейпинг: Работа с большими наборами данных из интернета.
3. Машинное обучение: Подготовка тренировочных данных, которые не помещаются в память.

✨ Преимущества
1. Избежание ошибок памяти: Полная загрузка файлов может привести к ошибкам (например, MemoryError).
2. Ускорение работы: Чтение файлов по частям значительно повышает производительность.
3. Оптимизация ресурсов: Выполнение задач даже на машинах с ограниченной памятью.

Читать туториал

#БольшиеФайлы

Ускоряем установку pip: кеширование, компиляция байткода и uv

Установка зависимостей может быть удивительно медленной. Как ускорить установку с помощью pip?

В статье рассматриваются:
📍 Способы избежать медленной установки из исходников.
📍 Использование кеша для ускорения работы pip.
📍 Влияние компиляции байткода на скорость установки и запуска.
📍 Преимущества uv — более быстрого аналога pip, и причины, почему он не всегда оказывается быстрее.

Статья

🧠 Git-квест: 10 испытаний для повелителя репозиториев

От простого push до таинственного cherry-pick — пройдите все уровни нашего Git-квеста и докажите, что достойны звания Git-мастера.

👉 Git-квест

🛡️ Presidio — SDK для защиты данных и де-идентификации

Presidio Analyzer — это сервис на Python, предназначенный для обнаружения конфиденциальной информации (PII) в тексте.

✨ Как это работает
Во время анализа запускается набор различных PII-распознавателей, каждый из которых отвечает за обнаружение одного или нескольких типов конфиденциальных данных с использованием различных методов.

Проект
Демо

📚Напоминаем про наш полный курс «Самоучитель по Python для начинающих»

Мы написали и собрали для вас в одну подборку все 25 глав и 230 практических заданий!

🐍 Часть 1: Особенности, сферы применения, установка, онлайн IDE
🐍 Часть 2: Все, что нужно для изучения Python с нуля – книги, сайты, каналы и курсы
🐍 Часть 3: Типы данных: преобразование и базовые операции
🐍 Часть 4: Методы работы со строками
🐍 Часть 5: Методы работы со списками и списковыми включениями
🐍 Часть 6: Методы работы со словарями и генераторами словарей
🐍 Часть 7: Методы работы с кортежами
🐍 Часть 8: Методы работы со множествами
🐍 Часть 9: Особенности цикла for
🐍 Часть 10: Условный цикл while
🐍 Часть 11: Функции с позиционными и именованными аргументами
🐍 Часть 12: Анонимные функции
🐍 Часть 13: Рекурсивные функции
🐍 Часть 14: Функции высшего порядка, замыкания и декораторы
🐍 Часть 15: Методы работы с файлами и файловой системой
🐍 Часть 16: Регулярные выражения
🐍 Часть 17: Основы скрапинга и парсинга
🐍 Часть 18: Основы ООП – инкапсуляция и наследование
🐍 Часть 19: Основы ООП – абстракция и полиморфизм
🐍 Часть 20: Графический интерфейс на Tkinter
🐍 Часть 21: Основы разработки игр на Pygame
🐍 Часть 22: Основы работы с SQLite
🐍 Часть 23: Основы веб-разработки на Flask
🐍 Часть 24: Основы работы с NumPy
🐍 Часть 25: Основы анализа данных с Pandas

💡 Как получить от нейросети код, работающий в 100 раз быстрее

Интересный эксперимент провели с Claude 3.5 Sonnet: попытались улучшить простой алгоритм на Python, раз за разом прося ИИ «написать код лучше». Задача была несложная — найти разницу между максимальным и минимальным числами в массиве, сумма цифр которых равна 30.

Казалось бы, что тут можно улучшать?
👉 Подробнее в нашей статье

#CodeOptimization

🚀 Открыт набор в Djangonaut Space 2025

До 29 января 2025 года открыт прием заявок на участие в Djangonaut Space — бесплатной 8-недельной менторской программе. Участники получат возможность прокачать навыки и внести вклад в развитие Django.

Старт программы: 17 февраля 2025 года.
Подробности и регистрация — на официальном сайте.

Как визуализировать граф зависимостей вашего Python проекта

С помощью Tach вы можете легко визуализировать набор зависимостей, существующих в вашем Python проекте.

Понимание графа зависимостей проекта важно по нескольким причинам:

🧑‍🏫 Обучение
Визуализация помогает новым разработчикам легко понять, как должна быть структурирована система, и где можно добавить новую функциональность.
🔄 Рефакторинг
Понимание того, как используется определённый модуль и какие у него зависимости, позволяет чётко определить путь для его модификации или удаления.
🧑‍🔧 Качество кода
Легко выявляются циклические зависимости между модулями, плохие архитектурные решения и слабые места, такие как слишком сильно связанные модули.

Github

🔝 Чистый код на Python

Отличный материал для тех, кто стремится писать понятный, поддерживаемый и эффективный код.

В статье раскрываются преимущества чистого кода, ключевые принципы и стандарты, а также приводятся практические рекомендации, полезные для разработчиков любого уровня.

👉 Статья