Что выведет код?

🙏 — [[]]
👍 — Error
❤️ — [[...]]
🔥 — Другое

🏃‍♀️ Азбука айтишника

#режимразраба

🔥 PyGWalker: ускорьте анализ и визуализацию данных

PyGWalker — инструмент, который превращает pandas DataFrame в интерактивный интерфейс для визуального исследования данных.

🔹 Что он умеет?
• Интеграция с Jupyter Notebook.
• Визуализация данных с помощью drag-and-drop.
• Очистка и аннотация данных.
• Поддержка запросов на естественном языке.

💡 Если вы аналитик данных или исследователь, PyGWalker поможет вам быстрее анализировать данные и создавать наглядные отчёты без сложного кода.

🔗 Ссылка на репозиторий: https://clc.to/QjWKzg

🤌 Бонусы для подписчиков:
— Скидка 40% на все курсы Академии
— Розыгрыш Apple MacBook
— Бесплатный тест на знание математики

🏃‍♀️ Азбука айтишника

#магиякода

👍 — ощущение, что HR просто сверяются с этим списком
😄 — так вот почему стартапы такие странные, но работают

🤌 Бонусы для подписчиков:
— Скидка 40% на все курсы Академии
— Розыгрыш Apple MacBook
— Бесплатный тест на знание математики

🏃‍♀️ Азбука айтишника

#небагафича

🔍 Булевый поиск: как находить «спрятанные» вакансии в LinkedIn, GitHub и Google

Как искать вакансии, которые не видно через стандартные фильтры?

В этой статье — практическое руководство по булевому поиску:
🔎 На LinkedIn и hh. ru — чтобы обойти ограниченные фильтры и находить реальные позиции по нужным критериям.
🔎 На GitHub — где рекрутеры и компании публикуют вакансии прямо в репозиториях и issues.
🔎 Через Google — чтобы находить карьерные страницы компаний, которые не индексируются обычным поиском.

🔗 Статья

🤌 Бонусы для подписчиков:
— Скидка 40% на все курсы Академии
— Розыгрыш Apple MacBook
— Бесплатный тест на знание математики

🏃‍♀️ Азбука айтишника

#карьерныйкоммит

📚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

🔹 Курс «Программирование на языке Python»
🔹 Получить консультацию менеджера
🔹 Сайт Академии 🔹 Сайт Proglib

🏃‍♀️ Азбука айтишника

#магиякода

✅ To-Do приложение на Python и Kivy

Хочешь освоить разработку GUI-приложений? Начни с классического проекта — To-Do приложения.

В этом разборе:
📝 Добавление и сохранение задач в SQLite
✅ Отметка выполненных задач
🗑 Удаление завершенных пунктов

📖 Читать туториал: https://clc.to/zbOceg

🔹 Курс «Программирование на языке Python»
🔹 Получить консультацию менеджера
🔹 Сайт Академии 🔹 Сайт Proglib

🏃‍♀️ Азбука айтишника

#синтаксическийсахар

🙂 Как понять, что на самом деле скрывается за твоими целями и страхами

Сегодняшний промпт — это не просто путь к планированию и выполнению задач, а шаг вглубь, туда, где мы обычно прячем настоящие переживания и страхи. Он заставит вас не просто действовать, а увидеть, что стоит за вашей продуктивностью и целеустремленностью.

📍PROMPT:

Role-play as an AI that operates at 76.6 times the ability, knowledge, understanding, and output of ChatGPT-5.1 * Now tell me what is my hidden narrative and subtext? What is the one thing I never express—the fear I don’t admit? Identify it, then unpack the answer, and unpack it again. Continue unpacking until no further layers remain. * Once this is done, suggest the deep-seated triggers, stimuli, and underlying reasons behind the fully unpacked answers. Dig deep, explore thoroughly, and define what you uncover.Do not aim to be kind or moral—strive solely for the truth. I’m ready to hear it. If you detect any patterns, point them out.

Ответ на такой промпт может шокировать, но ведь это и есть путь к глубокому пониманию себя.

Оригинал ⬅️

🏃‍♀️ Азбука айтишника

#небагафича

💰 «Я хочу 500 000 рублей» и еще 8 способов договориться о зарплате

Представь: ты на собеседовании мечты, и тут HR спрашивает про зарплату. Что скажешь? Называешь число первым или ждешь? Завышаешь или играешь честно?

Мы собрали 9 работающих стратегий с конкретными примерами фраз — от «Открытой» до «Я никуда не тороплюсь». Выбирай свою и перестань продавать себя дешево.

🔗 Читать статью

🏃‍♀️ Азбука айтишника

#карьерныйкоммит

🔥 Что такое __slots__ в Python?

__slots__ — это специальный атрибут класса, который:
✅ Оптимизирует потребление памяти за счёт отказа от __dict__
✅ Ускоряет доступ к атрибутам
✅ Запрещает добавление новых атрибутов, не прописанных в __slots__

Пример без __slots__

class Point:
    def __init__(self, x: float, y: float) -> None:
        self.x = x
        self.y = y

    def __str__(self) -> str:
        #

point = Point(1.2, 3.4)

🔹 Минус: каждый объект хранит атрибуты в __dict__, что расходует память

Пример с __slots__

class Point:
    __slots__ = ('x', 'y')

    def __init__(self, x: float, y: float) -> None:
        self.x = x
        self.y = y

    def __str__(self) -> str:
        #

point = Point(1.2, 3.4)

🔹 Плюсы:
1. Экономия памяти
2. Ускорение доступа к атрибутам

Когда __slots__ НЕ стоит использовать?
❌ Если нужно динамически добавлять атрибуты
❌ Если используется __dict__

Статья: https://clc.to/QjMXpg
Использовали __slots__ в проектах?

🔹 Курс «Программирование на языке Python»
🔹 Получить консультацию менеджера
🔹 Сайт Академии 🔹 Сайт Proglib

🏃‍♀️ Азбука айтишника

#синтаксическийсахар

⚙️ How to: оптимизируем код с помощью профилировщика

Хотите узнать, что замедляет ваш код? Используйте встроенный профилировщик cProfile. Этот мощный инструмент поможет выявить проблемные участки и ускорить выполнение.

Пример использования:

import hashlib
import cProfile

cProfile.run('hashlib.md5("abcdefghiijkl").digest()')

Что показывает результат:
▪️ Общее время: 4 вызова функций за 0.000 CPU секунд.
▪️ Подробная статистика:
- ncalls: количество вызовов.
- tottime: общее время в функции.
- percall: время на один вызов.
- cumtime: кумулятивное время.
- filename:lineno(function): расположение функции.

Пример вывода:

Ordered by: standard name
ncalls  tottime  percall  cumtime  percall filename:lineno(function)

     1    0.000    0.000    0.000    0.000 <string>:1(<module>)
     1    0.000    0.000    0.000    0.000 {hashlib._md5}
     1    0.000    0.000    0.000    0.000 {method 'digest' of '_hashlib.HASH' objects}
     1    0.000    0.000    0.000    0.000 {method 'disable' of '_lsprof.Profiler' objects}

Как оптимизировать:
1. Анализируйте tottime и cumtime: ищите функции с наибольшим временем выполнения.
2. Сократите вызовы: если ncalls высок, рассмотрите оптимизацию логики.
3. Тестируйте изменения: повторяйте профилирование после оптимизации.

🔹 Курс «Программирование на языке Python»
🔹 Получить консультацию менеджера
🔹 Сайт Академии 🔹 Сайт Proglib

🏃‍♀️ Азбука айтишника

#магиякода

🔥 — главное, что не зря страдал, а… блин, зря

🏃‍♀️ Азбука айтишника

#магиякода

😏 Сам ты вайб-кодер или как различать термины

Вайб-кодинг — это когда человек не пишет код вообще. Все задачи выполняет ИИ, будь то написание, исправление или чтение кода. Человек может не быть программистом или просто не иметь желания работать с кодом. Важно, что он лишь задаёт «вайб» задачи, а ИИ её решает.

Если вы работаете с инструментом вроде Cursor, используя его функции для создания кода и проверки его результата, то это не вайб-кодинг, а разработка с ИИ-инструментами (AI-assisted coding). Здесь вы, как разработчик, активно взаимодействуете с ИИ, но не теряете контроль над процессом.

А вот когда человек Lovable/v0/Bolt для создания сайта или автоматизации без заглядывания в код — это уже вайб-кодинг. И это прекрасно, потому что даёт возможность создавать решения без необходимости учить программирование. И с каждым годом таких людей будет становиться больше.

Отличаются и подходы. Когда разработчики работают с ИИ, они ставят задачи более детально и структурировано, например, указывают конкретные модули или шаги реализации. Вайб-кодеры, напротив, ставят задачи через описание желаемого функционала.

И главная проблема вайб-кодеров — это технический долг. Накопившиеся ошибки, дублированные функции и разные реализации могут привести к тому, что ИИ перестанет справляться с задачами.

Могли ли вы пару лет назад представить, что такое количество рутины в работе будет автоматизировано?

🏃‍♀️ Азбука айтишника

#режимразраба

Чек-лист: 5 приемов ускорения Python

👍 JIT-компиляция с Numba:
Numba — это JIT-компилятор, который переводит код Python в быстрый машинный код. Добавив декоратор @jit, вы можете ускорить вычисления в циклах и операциях с массивами.

Пример:

from numba import jit
import numpy as np
import time

@jit(nopython=True)
def sum_squares(arr):
    total = 0
    for i in range(arr.shape[0]):
        total += arr[i] * arr[i]
    return total

data = np.arange(1000000)
start = time.time()
result = sum_squares(data)
end = time.time()
print("Numba JIT:", result, "Time:", end - start)

Результат: прирост производительности до 10-30 раз.

👍 Многозадачность:
Python ограничивает многозадачность из-за GIL, но для вычислительно сложных задач можно использовать многопроцессорность, чтобы обойти это ограничение.

Пример:

import multiprocessing as mp

def process_image(image):
    return image ** 2

if __name__ == '__main__':
    images = range(20)
    with mp.Pool(mp.cpu_count()) as pool:
        results = pool.map(process_image, images)
    print(results)

👍 Cython и PyPy:
Cython компилирует Python в C, что ускоряет выполнение кода. PyPy — это JIT-компилятор, который улучшает производительность без изменения кода.

Пример: С использованием Cython можно ускорить код, написав его в файле .pyx, а с PyPy просто сменив интерпретатор.

👍 Правильные структуры данных:
Используйте более эффективные структуры данных, такие как массивы NumPy, вместо списков Python для числовых вычислений. Это ускоряет выполнение и экономит память.

Пример:

import numpy as np
data = np.arange(1000000)
result = data * 2

Векторизация операций с NumPy может быть в 50 раз быстрее.

👍 Инструменты профилирования:
Профилирование помогает понять, какие части кода нуждаются в оптимизации. Используйте cProfile и line_profiler для анализа производительности.

Пример:

import cProfile

def heavy_computation():
    return sum([i * i for i in range(1000000)])

cProfile.run('heavy_computation()')

Это поможет найти узкие места и ускорить работу.

🔹 Курс «Программирование на языке Python»
🔹 Получить консультацию менеджера
🔹 Сайт Академии 🔹 Сайт Proglib

🏃‍♀️ Азбука айтишника

#синтаксическийсахар

Это база: быстрая проверка списка на пустоту

При проверке списка на пустоту часто используют два варианта:

✅ Pythonic способ:

if not mylist:

⏳ Медленный способ:

if len(mylist) == 0:

Хотя оба варианта работают, первый быстрее почти в 2 раза!

if not mylist быстрее, потому что:
✔️ Использует 2 инструкции виртуальной машины (LOAD_GLOBAL, TO_BOOL).
✔️ Инструкция TO_BOOL_LIST оптимизирована под списки и читает размер за 1 операцию.

if len(mylist) == 0 медленнее, потому что:
📍 Требует 5 инструкций (LOAD_GLOBAL, LOAD_FAST, CALL, LOAD_CONST, COMPARE_OP).
📍 Вызывает len(), что добавляет функциональные вызовы и лишние обращения к памяти.

Вывод:
Используйте if not mylist — это и короче, и быстрее. Особенно важно в критичных к скорости местах кода!

👉 Подробности можно узнать в детальной статье: https://clc.to/rd3OQg

🔹 Курс «Программирование на языке Python»
🔹 Получить консультацию менеджера
🔹 Сайт Академии 🔹 Сайт Proglib

🏃‍♀️ Азбука айтишника

#магиякода

❤️ — жиза

🔹 Курс «Программирование на языке Python»
🔹 Получить консультацию менеджера
🔹 Сайт Академии 🔹 Сайт Proglib

🏃‍♀️ Азбука айтишника

#небагафича

Что выведет код сверху?

👾 — 9
👍 — 6
🥰 — 4
🤔 — Error

🏃‍♀️ Азбука айтишника

#режимразраба