📌 Методы строк, о которых надо знать

• ljust, rjust, center — используются для позиционирования строки. Заполняет её пробелами, слева/справа/сдвухсторон пока её длинна не станет width.

• strip — удаляет лишние символы (r, t, n, пробел) с краёв строки. rstrip и lstrip делают тоже самое, только в конце и начале строки.

• splitlines — разделяет текст на строки. Намного лучше, чем split('n'), поскольку проводит некоторые проверки.

Документация

#урок

📌 Абстрактные классы

Python, несмотря на динамическую типизацию, не лишена абстрактных классов. Это объекты, которые можно только унаследовать и реализовать какие-то функции.

Создаются они с помощью предустановленного модуля abc. Абстрактные классы наследуются от ABC. А абстрактные методы помечаются @abstractmethod.

Зачем они нужны? Они позволяют решить проблемы с динамической типизацией и добавляют подсказки при написании кода. Также они часто используются с паттернами.

📕 Документация

#урок

📌 Дзен Python

У Python есть свод правил, которые должен придерживаться каждый разработчик, чтобы его код был стабильным, гибким и читаемым. Прочитать его можно, выполнив import this.

Тим Петерс решил составить свод из 20 правил, но их всего лишь 19. Почему? 20-е правило должен был написать Гвидо Ван Россум — разработчик Python, но это место до сих пор пустует.

Автор языка хотел таким образом сказать, что у каждого правила есть исключения.

P.S. Если вы с помощью inspect посмотрите код, то увидите явное нарушение этих правил :)

#урок

📌 Аннотация типов. Часть 1

Все мы знаем, что Python — язык с динамической типизацией, то есть язык всю работу касаемо типов объект берёт на себя.

Но у такого подхода есть проблема — редактор кода не знает, что может быть на месте какой-то переменной, из-за чего хуже работает автодополнение.

Также можно передать неправильный тип функции. Ей нужен список, а вы передали множество. Функция отработает и ни Python, ни IDE вам ничего не скажут.

Проблему решили с помощью аннотации, они позволяют редактору узнать, какой тип используется, но никак не меняют поведение программы.

#урок

Совет на 2026 год — переходите в ML.

Пока обычные разрабы конкурируют с ИИ-копилотами, ML-инженеры эти самые нейронки создают.

В эпоху нейростей это самые востребованые люди в мире программирования. Зарплаты мидлов начинаются от 250 000 ₽, а у сеньоров в BigTech доходят до 700 000 ₽.

А чтобы освоить его всего за 4 месяца без лишней суеты — изучите канал Артема Алехина.

Его бэкграунд: Руководитель команды в Сбере, валютная удаленка. К 22 годам вышел на доход 1 000 000+ ₽ в месяц.

На канале вы найдёте:

— Всё про самые востребованные стеки(Python, ИИ-агенты, NLP) и почему математика — это не страшно, если учить только нужное.

— Как оформить резюме, чтобы оно пролетало через любые LLM-фильтры и ATS-системы прямо к тимлидам.

— Скрипты переговоров, которые помогли его ученикам прыгнуть с 0 до 360к всего за 8 месяцев.

Во времена острой нехватки ML-разработчиков, это лучшее время, чтобы перекатиться. Переходи и изучай: https://xn--r1a.website/+4VMrjA4vN_dmN2Ey

📌 Генераторные списки

Это выражения, которые позволяют нам быстро фильтровать или менять списки. Оно напоминает работу map и filter, только читается чуть проще.

Выглядит оно примерно так: {expression} for i in {iterale} if {expression2}. if используется для фильтрации и его добавление не обязательно.

Записываются эти выражения внутри квадратных скобок ([]), таким образом создаётся список. Если нам нужно множество, записываем в {}, если генератор, в ().

#урок

📓 Байесовский анализ на Python.

Эта книга, посвященная методике вероятностного программирования, научит вас создавать гибкие байесовские статистические модели в программном коде.

Сочетание гибкого определения модели и механизма автоматического логического вывода предоставляет исследователю мощный инструмент для быстрого создания, анализа и постепенного усовершенствования новых статистических моделей. Вероятностное программирование делает статистическое моделирование доступным практически для всех, значительно снижая требования к уровню математической подготовки, позволяя создавать новые модели более простым методом и тратить на это меньше времени.

Издание будет полезно всем специалистам по анализу данных, решающим нетривиальные задачи, связанные с вероятностными распределениями.

#RU

📌 Особые методы класса

У класса есть функции (или методы), отвечающие за жизненно важные элементы класса. Но самое интересное то, что вы можете спокойно менять поведение этих методов.

__init__ — конструктор класса. Он вызывается каждый раз, когда создаётся экземпляр класса. Здесь задаются все самые важные значения.

__str__, __repr__ — методы для перевода класса в строку. Один вызывается с помощью str() и предназначен для пользователей, второй вызывается с помощью repr() и предназначен для программистов.

__eq__ — метод, который вызывается при проверки классов на равенство, то есть при использовании оператора ==.

#урок

📌 Красивый вывод

Небольшие списки/словари ещё можно спокойно читать, но когда появляются вложенные коллекции или словари достигают огромных размеров, их восприятие усложняется в разы.

Поэтому мы можем красиво оформить их вывод с помощью pprint. Модуль добавляет отступы, переносит значения на новую строку, если они не умещаются в одну.

Также библиотека показывает, где может быть рекурсия и скрывает вложенные элементы, в зависимости от параметра depth.

📕 Документация

#урок