🔁 Как перевернуть последовательность в Python: срезы, .reverse() и reversed()

Иногда нужно пройтись по списку в обратном порядке. Python предлагает как минимум три способа сделать это. Разберём, чем они отличаются и когда что использовать.

1️⃣ Срез с шагом -1

Срезы в Python поддерживают формат [start:stop:step]. Если шаг отрицательный, список читается справа налево:

colors = ["purple", "blue", "green", "pink", "red"]
print(colors[::-1])
# ['red', 'pink', 'green', 'blue', 'purple']

Можно использовать это прямо в цикле:

for color in colors[::-1]:
    print("I like", color)

✅ Но есть нюанс: этот трюк работает только с последовательностями, то есть объектами, у которых есть индексация (списки, строки, кортежи).

2️⃣ Метод .reverse()

Метод .reverse() переворачивает список на месте, изменяя оригинальный объект:

colors = ["purple", "blue", "green", "pink", "red"]
colors.reverse()
print(colors)
# ['red', 'pink', 'green', 'blue', 'purple']

✅ Важно:
— Метод не возвращает новый список, а изменяет оригинал.
— Работает только с типом list. Строки, кортежи и другие объекты не поддерживают .reverse().

3️⃣ Функция reversed()

Наиболее универсальный и «питоничный» способ — использовать встроенную функцию reversed():

colors = ["purple", "blue", "green", "pink", "red"]
for color in reversed(colors):
    print("I like", color)

✅ Плюсы reversed():
— Работает на любых обратимых итерируемых объектах, не только на списках.
— Не копирует список — возвращает итератор, который идёт с конца.
— Оригинальный объект не изменяется.

Можно использовать next() для получения элементов по одному:

r = reversed(colors)
next(r)  # 'red'
next(r)  # 'pink'

✅ Даже со словарями

Словари в Python 3.7+ сохраняют порядок добавления. Значит, их можно тоже «перевернуть»:

capitals = {
    "New South Wales": "Sydney",
    "Victoria": "Melbourne",
    "Western Australia": "Perth",
}

for state, capital in reversed(capitals.items()):
    print(f"The capital of {state} is {capital}")

✅ Как reversed() похож на другие помощники циклов:
• enumerate() — добавляет индексацию
• zip() — объединяет несколько последовательностей
• reversed() — переворачивает порядок обхода

for i, color in enumerate(colors, 1):
    print(f"{i}. {color}")

✅ Что нельзя «перевернуть»

Не все объекты в Python можно перевернуть. Например, файлы и генераторы не поддерживают reversed(), потому что у них нет фиксированной длины и индексов.

✅ Вывод

• Если нужно просто получить копию списка в обратном порядке — используйте colors[::-1].
• Если хотите перевернуть список на месте — метод .reverse().
• Если важно не трогать оригинал, сэкономить память и работать с любыми итерируемыми объектами — используйте reversed().


💬 Поделитесь в комментариях, каким способом чаще пользуетесь вы.
🔁 Репостните коллеге, который до сих пор пишет for i in range(len(...)).

Библиотека питониста #буст

👉 Промт дня: профилируем Python-код и ускоряем вычисления

Работает, но медленно? У вас есть скрипт или функция, и вы хотите понять, где узкие места.

Попросите ChatGPT:

Вот мой Python-код.

Проанализируй и предложи:

– Где происходят самые затратные вычисления (CPU / память)
– Как переписать медленные части: циклы → векторизацию (NumPy / pandas), генераторы и lazy loading
– Как использовать multiprocessing или asyncio, если подходит
– Какие библиотеки (например, numba, joblib, polars, dask) можно подключить
– Как минимизировать работу с диском / сетью
– Как встроить cProfile, line_profiler, memory_profiler и интерпретировать отчёты

✅ Хорошо работает на дата-скриптах, ETL, API, парсерах, ML-пайплайнах.

Библиотека питониста #буст

💬 Истории подписчиков: какую версию Python вы используете на работе

Недавно один из читателей поделился своей историей — возможно, она откликнется и вам:

Я много лет работал в команде, где строго использовали Python 3.9. Так решили когда-то ради совместимости и стабильности — и с тех пор не обновлялись. Всё работало: сбор данных, ETL, анализ, отчёты — в основном на pandas и duckdb.

Сейчас я перехожу на новую работу, где буду с нуля строить Python-инфраструктуру. Фактически — full-stack аналитика: от загрузки данных до дешбордов. И вот я задумался — какую версию Python выбрать как основную?

С одной стороны, хочется использовать самую свежую (например, 3.12) — ради скорости, typing improvements и async-фишек. С другой — важно, чтобы всё было стабильно, библиотеки поддерживались, и команда не путалась.

Да, можно ставить разные версии в виртуальные окружения. Но хочется стандарта по умолчанию — и отходить от него только если есть причина.

🤔 А вы как делаете в своих проектах:
— На какой версии Python сидите сейчас?
— Как часто обновляетесь?
— Когда обновление оправдано, а когда лучше не трогать?

Поделитесь опытом в комментариях — обсудим!

P.S. Если хотите задать вопрос, заполните нашу гугл-форму. Это займет 5 минут.

Библиотека питониста #междусобойчик

🧹 Skylos — ваш новый помощник в борьбе с мёртвым кодом

Когда проект разрастается, в нём неизбежно накапливается мёртвый код: неиспользуемые функции, классы, импорты…

✅ Skylos помогает навести порядок.

Что умеет:
— Находит неиспользуемые функции и методы
— Определяет классы, которые нигде не используются
— Показывает импорты, которые можно удалить
— Работает по всей кодовой базе, даже кросс-модульно
— Быстрее и точнее, чем Vulture, Flake8, Pylint и Ruff
— Можно использовать в интерактивном режиме или экспортировать в JSON

✅ Skylos показал лучшие результаты по качеству детекции:

Precision: 64.7% | Recall: 75.8% | F1 Score: 69.8%
Время анализа: 0.013 сек

Для сравнения:
— Vulture: F1 = 36.6%
— Flake8 и Ruff: \~24%
— Pylint: 0% (да, серьёзно)

✅ Быстрый старт:

pip install skylos
skylos /путь/к/проекту

✅ Полезные флаги:
— --interactive — интерактивный выбор кода на удаление
— --dry-run — «что будет удалено», без фактического удаления
— --json — отчёт в JSON

✅ Skylos написан на Python и распространяется по лицензии Apache 2.0. Всё работает локально, без отправки кода куда-либо.

📂 GitHub: https://clc.to/y7p3ZQ
📥 pip: pip install skylos

Библиотека питониста #буст

🏃‍♀️ 1 день до конца спец предложения

Успей впрыгнуть на курс «AI-агенты для DS» до завтрашнего повышения цены: 59.000 р. вместо 69.000 р.

🎙 Наш спикер — Никита Зелинский, Chief Data Scientist МТС, в своем канале рассказывает о RAG:

Про RAG слышали все — это уже два года самый массовый способ применения LLM в проде для бизнеса.

Это значит, что точность и надёжность такого решения достаточно предсказуемы для того, чтобы исключить человека из процесса аппрува выдачи LLM,
а связка «локально развернутая LLM + RAG над корпоративными документами» обеспечивает достаточную конфиденциальность, чтобы снять тревожность
«что наши данные попадут в OpenAI».

Эта история настолько популярна, что на рынке есть готовые RAG-решения,
а даже «маленькие» опенсорс-модели (до 5B) уже обзавелись своей RAG-ареной:
👉 https://huggingface.co/spaces/aizip-dev/SLM-RAG-Arena

Во время обучения на курсе «AI-агенты для DS» научим собирать автономные системы под реальные бизнес-задачи. На прошлой неделе мы рассказали о первом занятии.

➡️ вот что ждет слушателей курса на втором:

— Собираем свой RAG-пайплайн на своих данных
— Обсуждаем, почему качество такой системы нельзя измерять «на глаз»
— Разбираем схему LLM as a Judge и как подготовить для неё датасет
— Что такое guardrails и как они спасают от бреда
— Что делать, когда LLM не знает ответа
— Смотрим на агентский RAG и обсуждаем, можно ли использовать RAG как память агента

Если пропустили первое занятие, то вот ссылочка

❗️До повышения цены остался последний день — бронируйте место сейчас