Python 🇺🇦наживо

Відкрити в Telegram · @pythonuk

Останні пости

Python 🇺🇦

Шпаргалка по Python While Loop: While Loop — цикл для повторення дій, поки задана умова залишається істинною, Syntax — while condition: для запуску циклу, Counter — змінна для підрахунку ітерацій, Increment — збільшення значення змінної за допомогою += 1, Iteration — кожне повторення циклу, Loop Exit — завершення циклу, коли умова стає False, Print — виведення результатів за допомогою print() Python

Python 🇺🇦

🎓 Працюєте в IT, але не маєте диплома бакалавра? Можливо, ви вже можете вступити до міжнародної магістратури. Багато IT-фахівців роками розвиваються в професії: працюють над складними проєктами, опановують нові технології, переходять на Senior та Lead-позиції. ❓Але коли постає питання міжнародної освіти, часто зупиняє одна думка: «У мене немає профільного диплома, отже, магістратура не для мене». Насправді для досвідчених IT-фахівців можуть існувати альтернативні шляхи вступу, де враховується не лише попередня освіта, а й професійний досвід. ⚡️ Neoversity пропонує перевірити свої можливості вступу до міжнародної IT-магістратури. Серед напрямів навчання — AI, Machine Learning, Software Engineering та інші сучасні IT-спеціалізації. 🎓 Міжнародний диплом магістра 🌍 Онлайн-навчання українською мовою 💻 Можливість поєднувати навчання з роботою А головне — ви можете вже зараз дізнатися, чи відповідаєте умовам вступу. Для цього створили короткий квіз із 14 запитань, який допоможе визначити: ➡️ Чи можете ви претендувати на вступ із вашим досвідом ➡️ Який напрям магістратури вам підходить ➡️ Які умови та наступні кроки вступу ⏱️ Лише 2 хвилини, щоб перевірити можливість отримати міжнародний диплом магістра. 👉 Перевірити, чи можу я вступити: https://cutt.ly/oySrYb9X

Python 🇺🇦

Атомарні групи в Python re — як уникнути зайвого перебору під час пошуку У регулярних виразах Python можна керувати механізмом повернення до попередніх збігів (backtracking) Починаючи з Python 3.11, для цього доступні атомарні групи та посесивні квантифікатори Звичайний квантифікатор + Він дозволяє механізму регулярних виразів повертатися до раніше захоплених символів, якщо наступна частина шаблону не збігається import re text = "aaaa" print(re.fullmatch(r"a+a", text)) # <re.Match object ...> Посесивний квантифікатор ++ На відміну від звичайного +, він забороняє повертати вже захоплені символи для подальшого зіставлення print(re.fullmatch(r"a++a", text)) # None Захист від надмірного backtracking Вкладені повторення можуть спричиняти значне сповільнення регулярних виразів на певних вхідних даних pattern = re.compile(r"(a+)+$") text = "a" * 30 + "!" У такому випадку механізм пошуку може витратити багато часу на перебір можливих варіантів Для оптимізації можна використовувати атомарні групи (?>...) safe_pattern = re.compile(r"(?>a+)+$") print(safe_pattern.fullmatch(text)) # None Атомарна група фіксує результат внутрішнього зіставлення та не дозволяє повертатися до нього для повторного перебору Важливо Атомарність змінює поведінку регулярного виразу — деякі рядки, які відповідали звичайному шаблону, можуть більше не збігатися Тому використовувати ці конструкції варто лише тоді, коли повернення до попередніх збігів справді не потрібне Підсумок Атомарні групи (?>...) та посесивні квантифікатори ++ допомагають уникати зайвого backtracking, зменшувати кількість непотрібних перевірок і запобігати значному сповільненню регулярних виразів Python

Python 🇺🇦

Чи можна декорувати класи в Python? Так, у Python можна використовувати декоратори для класів. Вони дозволяють змінювати поведінку класу, додавати додаткову логіку або повертати новий клас із розширеним функціоналом Python

Python 🇺🇦

Шпаргалка по NumPy: NumPy — бібліотека Python для роботи з багатовимірними масивами та математичними обчисленнями, Importing/Exporting — імпорт і збереження даних у текстових і CSV-файлах, Creating Arrays — створення масивів, матриць, нульових, одиничних і випадкових значень, Inspecting Properties — перегляд розміру, форми та типу даних масиву, Copying/Sorting/Reshaping — копіювання, сортування та зміна форми масивів, Adding/Removing Elements — додавання, вставлення та видалення елементів, Combining/Splitting — об’єднання та розділення масивів, Indexing/Slicing — доступ до елементів і вибір частин масиву, Scalar Math — математичні операції з усіма елементами, Vector Math — поелементні операції між масивами, Statistics — обчислення середнього значення, суми, мінімуму, максимуму, дисперсії та стандартного відхилення Python

Python 🇺🇦

Відправлення електронних листів за допомогою Python Для надсилання електронних листів у Python можна використовувати бібліотеку smtplib, яка дозволяє взаємодіяти із SMTP-серверами У наведеному прикладі скрипт отримує дані відправника й одержувача, тему та текст листа, після чого підключається до SMTP-сервера Gmail Далі повідомлення форматується та надсилається за допомогою методу sendmail(), а після завершення роботи скрипт відключається від сервера Детальніше про бібліотеку smtplib — у статті Python

Python 🇺🇦

У Python 3.14 є повноцінні операції з max-heap Раніше модуль heapq надавав публічні функції лише для мінімальної купи, де першим витягується найменший елемент. Щоб отримати максимальний, розробникам доводилося використовувати обхідний прийом із від’ємними значеннями from heapq import heappush, heappop heap = [] heappush(heap, -42) heappush(heap, -100) print(-heappop(heap)) # 100 Починаючи з Python 3.14, у heapq з’явився публічний API для максимальної купи. Тепер можна працювати з початковими значеннями без зміни знака from heapq import heappush_max, heappop_max heap = [] heappush_max(heap, 42) heappush_max(heap, 100) print(heappop_max(heap)) # 100 Для перетворення наявного списку передбачена heapify_max(). Вона будує максимальну купу за лінійний час from heapq import heapify_max, heappop_max scores = [45, 92, 18, 76] heapify_max(scores) print(heappop_max(scores)) # 92 print(heappop_max(scores)) # 76 Також додано: - heappushpop_max() — додає елемент і повертає максимальний - heapreplace_max() — витягує поточний максимум і додає новий елемент. Купа має бути непорожньою from heapq import heapify_max, heappushpop_max scores = [10, 30, 20] heapify_max(scores) result = heappushpop_max(scores, 25) print(result) # 30 print(scores[0]) # 25 Складність додавання та вилучення елементів — O(log n), а побудови купи через heapify_max() — O(n) Важливо: максимальна купа не є повністю відсортованим списком. Гарантується лише те, що найбільший елемент знаходиться на позиції heap[0] Нові функції доступні лише в Python 3.14 і новіших версіях. У попередніх версіях їх імпорт призведе до ImportError Новий API спрощує реалізацію черг із пріоритетами, планувальників та алгоритмів пошуку максимальних значень Python

Python 🇺🇦

Алгоритм Фішера — Єйтса Алгоритм Фішера — Єйтса дозволяє випадково перемішати масив за час \(O(n)\) Принцип роботи простий: проходимо масив із кінця до початку, на кожному кроці вибираємо випадковий індекс і міняємо місцями відповідні елементи Якщо індекси обираються рівноймовірно, кожна можлива перестановка масиву має однакову ймовірність Python

Python 🇺🇦

Як обробляються колізії в хеш-таблицях? Колізії обробляються за допомогою спеціальних алгоритмів, наприклад відкритої адресації або методу ланцюжків. У Python використовуються внутрішні механізми розв’язання колізій, які допомагають зберігати ефективність роботи хеш-таблиць Python

Python 🇺🇦

Voluptuous — перевірка даних у Python Voluptuous — бібліотека Python для валідації даних за допомогою схем. Вона дозволяє визначати допустимі значення для полів і перевіряти дані, отримані від користувачів, API чи інших джерел Для початку імпортуйте бібліотеку: import voluptuous as v Python

Python 🇺🇦

functools.cache — прискорюйте повторні обчислення в Python без ручного кешування Якщо функція часто викликається з однаковими аргументами, Python може зберігати результати та повертати їх без повторного виконання коду Для цього є декоратор @cache зі стандартної бібліотеки Python (3.9+) Як це працює: - Під час першого виклику результат обчислюється та зберігається - Повторні виклики з тими самими аргументами беруть значення з кешу - cache_clear() очищає кеш - cache_info() показує статистику використання from functools import cache @cache def calculate(n): print("Обчислення...") return n * n print(calculate(10)) print(calculate(10)) calculate.cache_info() calculate.cache_clear() Важливо: аргументи мають бути хешованими, а @cache не обмежує розмір кешу. Якщо потрібно контролювати його обсяг, використовуйте @lru_cache(maxsize=...) Особливо корисно для рекурсивних алгоритмів і функцій, які щоразу повертають однаковий результат для однакових аргументів Python

Python 🇺🇦

Життя цінне тим, що Ctrl+Z в ньому не працює Python

Python 🇺🇦

Шпаргалка по Python Pandas: DataFrames — створення таблиць і робота з індексами, Summarize Data — підрахунок, статистика та аналіз даних, Handling Missing Data — пошук, видалення та заповнення пропущених значень, Group Data — групування та агрегування даних через groupby(), Make New Columns — створення нових стовпців і застосування функцій, Combine Data Sets — об'єднання таблиць через merge() та concat(), Reshaping Data — зміна структури таблиць через melt() і pivot(), Data Filtering — вибірка рядків і стовпців за умовами, Sorting — сортування, перейменування та видалення стовпців, Windows — ковзні та накопичувальні обчислення, Plotting — візуалізація даних за допомогою графіків і гістограм Python

Python 🇺🇦

Перевірити, чи є число простим, можна всього за 10 рядків Python-коду Ідеться про детермінований алгоритм, який працює за поліноміальний час. Його ще близько 50 років тому запропонував математик Гері Міллер Цікаво, що для доведення його коректності потрібен нещодавній результат OpenAI, пов’язаний із квазігіпотезою Рімана (quasi-GRH) Раніше величезним проривом вважався тест простоти AKS, який у 2006 році отримав премії Геделя та Фалкерсона. Але тепер і він поступається новішим підходам Математика, алгоритми та ШІ розвиваються з неймовірною швидкістю. Просто неймовірні часи Python

Python 🇺🇦

Як створити абстрактний клас у Python? Для цього потрібно імпортувати ABC та abstractmethod із модуля abc, успадкувати свій клас від ABC і позначити обов’язкові для реалізації методи декоратором @abstractmethod. Дочірні класи мають реалізувати всі такі методи Python

  1. 1🎓 Працюєте в IT, але не маєте диплома бакалавра? Можливо, ви вже можете вступити до міжнародної магістратури. Багато IT-фахівців роками розвиваються в професії: працюють над складними проєктами, опановують нові технології, переходять на Senior та Lead-позиції. ❓Але коли постає питання міжнародної освіти, часто зупиняє одна думка: «У мене немає профільного диплома, отже, магістратура не для мене». Насправді для досвідчених IT-фахівців можуть існувати альтернативні шляхи вступу, де враховується не лише попередня освіта, а й професійний досвід. ⚡️ Neoversity пропонує перевірити свої можливості вступу до міжнародної IT-магістратури. Серед напрямів навчання — AI, Machine Learning, Software Engineering та інші сучасні IT-спеціалізації. 🎓 Міжнародний диплом магістра 🌍 Онлайн-навчання українською мовою 💻 Можливість поєднувати навчання з роботою А головне — ви можете вже зараз дізнатися, чи відповідаєте умовам вступу. Для цього створили короткий квіз із 14 запитань, який допоможе визначити: ➡️ Чи можете ви претендувати на вступ із вашим досвідом ➡️ Який напрям магістратури вам підходить ➡️ Які умови та наступні кроки вступу ⏱️ Лише 2 хвилини, щоб перевірити можливість отримати міжнародний диплом магістра. 👉 Перевірити, чи можу я вступити: https://cutt.ly/oySrYb9X1 175

Поки порожньо

Відкрити канал у Telegram

Хочете бачити більше?

Безкоштовно доступні 7 днів динаміки та 10 останніх постів. Історія за 3 місяці й за рік, уся реклама та вивантаження будуть у підписці.

Спробувати TelepostUA
Python 🇺🇦 (@pythonuk): останні, рекламні та видалені пости | TelepostUA