Ghostly Python

💯 Одна из самых полезных библиотек Python - hybridmethod. Hybridmethod — это легкий декоратор, который упрощает использование синхронных и асинхронных методов в одном классе. Он позволяет объявлять метод, который может быть вызван как в обычном, так и в asyns-контексте, исключая дублирование кода. ➕ Плюсы использования: 🔹Поддерживает Python 3.x (версия 1.0.1). 🔹Имеет минимум зависимостей. 🔹 Идеально подходит для проектов, где требуется единый API для синхронного и асинхронного кода. 🔗Ссылка 🐍 Ghostly Python | #статья

Открыли регистрацию на E-CUP 2026 Students 🎓 В этом сезоне — только для студентов. Будет интересно тем, кто изучает ML / DS / big data / аналитику данных. Сможете ускорить модель по поиску дубликатов на 20%? Получится создать классификатор для модерации товаров? Сумеете предсказать поведение покупателя? Как минимум — попробуете и получите фидбэк от тех, кто делает это в Ozon Tech каждый день. Как максимум — разделите призовой фонд в 7 200 000 ₽ в торжественной атмосфере конференции E-CODE. Нетривиальные задачи, нетворк с ведущими специалистами индустрии, кастомный мерч и шанс масштабно усилить портфолио — это про E-CUP 2026 Students. Больше подробностей и регистрация ↩️

ㅤ Страх. Гнев. Стыд. Вина. Тревога. Апатия. Уныние. Изоляция. Бессилие. Контакт. Тепло. Чувство. Живость. Ясность. Точность. Присутствие. Тишина. Покой. Если выбор сделан, твоё место здесь: мэверик Входи осторожно. Кислород зашкаливает. ㅤ

📱 Фишка: collections.deque — двусторонняя очередь с быстрой вставкой и удалением deque (двусторонняя очередь) из модуля collections — это более эффективная альтернатива спискам, когда часто требуется вставка или удаление с начала и конца. from collections import deque # Создаём deque queue = deque(["Алиса", "Боб", "Чарли"]) # Добавляем в конец и в начало queue.append("Дэвид") queue.appendleft("Эва") print(queue) # ➔ deque(['Эва', 'Алиса', 'Боб', 'Чарли', 'Дэвид']) # Удаляем с конца и начала queue.pop() # ➔ 'Дэвид' queue.popleft() # ➔ 'Эва' print(queue) # ➔ deque(['Алиса', 'Боб', 'Чарли']) 📌 Как это работает? 🟢 deque оптимизирован для операций .append(), .appendleft(), .pop() и .popleft() — все выполняются за O(1), в отличие от обычного списка. 🟢 Можно ограничить длину (maxlen=N) — полезно для реализации кольцевых буферов. 🐍 Ghostly Python | #фишки

🔲 Захватывающая драма 21 века На всякий случай: yt-dlp --download-sections "*start_time-end_time" <video_url> 🐍 Ghostly Python | #мем

📱 Фишка: asyncio.TaskGroup — надёжное управление группами задач TaskGroup автоматически следит за всеми запущенными в нём задачами. Если любая задача падает с ошибкой — отменяются все остальные, и вы точно ничего не пропустите. Удобнее и безопаснее, чем ручной gather/wait. import asyncio async def worker(name, delay): print(f"Задача {name} стартует") await asyncio.sleep(delay) if name == "fail": raise ValueError("Ошибка в задаче!") print(f"Задача {name} завершена") return f"Результат {name}" async def main(): try: async with asyncio.TaskGroup() as tg: task1 = tg.create_task(worker("A", 1)) task2 = tg.create_task(worker("B", 2)) task3 = tg.create_task(worker("fail", 0.5)) task4 = tg.create_task(worker("C", 1.5)) # сюда мы попадём, только если все задачи успешны print("Все задачи завершены без ошибок") except Exception as e: print(f"Перехвачено исключение: {e}") # все незавершённые задачи уже отменены автоматически asyncio.run(main()) 📌 Как это работает? — При входе в async with создаётся группа задач. — Как только одна задача вызывает исключение — группа немедленно отменяет все остальные. — После выхода из блока можно быть уверенным: либо все задачи выполнились успешно, либо ни одна «незакрытая» ошибка не осталась незамеченной. 🐍 Ghostly Python | #фишки

👩‍💻 Автоматизация отдела продаж в Bitrix24 Автор статьи максимально рассказал об автоматизации продаж и квалифицировании лидов в битрикс. ➡️ Ссылка на статью 🐍 Ghostly Python | #статьи

🖼️ Библиотека tenacity — умные повторные попытки для ненадёжного кода Tenacity — это библиотека, которая автоматически перезапускает функцию при ошибке. Идеально для работы с сетевыми запросами, API, базами данных — везде, где код может временно упасть, но потом отработать. ⚙️ Пример использования: from tenacity import retry, stop_after_attempt import requests # Повторить 3 раза при любой ошибке @retry(stop=stop_after_attempt(3)) def get_data(): return requests.get("https://api.example.com/data").json() # Использование data = get_data() # если упадёт — автоматически повторит до 3 раз ✔️ Установка: pip install tenacity 🐍 Ghostly Python | #библиотеки

«Вайб-кодинг» — слово года по версии словаря Collins (на сленге - безработный 🙂) 🐍 Ghostly Python | #мем

📱 Фишка: asyncio.Semaphore — контроль одновременных корутин Semaphore ограничивает количество корутин, которые могут выполнять определённый блок кода одновременно. Полезно для защиты API от превышения лимитов или для ограничения нагрузки на базу данных. import asyncio class ApiClient: def __init__(self, max_concurrent=3): self._semaphore = asyncio.Semaphore(max_concurrent) async def fetch(self, url): async with self._semaphore: print(f"Начало запроса к {url}") await asyncio.sleep(1) # имитация сетевого вызова print(f"Завершён: {url}") return {"data": url} async def main(): client = ApiClient(max_concurrent=2) # максимум 2 запроса одновременно urls = ["/api/1", "/api/2", "/api/3", "/api/4"] tasks = [client.fetch(url) for url in urls] results = await asyncio.gather(*tasks) print(f"Получено {len(results)} результатов") asyncio.run(main()) 📌 Как это работает? — При входе в async with счётчик семафора уменьшается на 1. — Если счётчик 0, корутина ждёт, пока кто-то не выйдет (счётчик не увеличится). — При выходе из блока счётчик снова увеличивается. 🐍 Ghostly Python | #фишки

👩‍💻 Создание MCP‑серверов на FastMCP: 7 ошибок, которых стоит избегать Автор в статье дает конкретные советы по исправлению каждой проблемы и предупреждает о реальных рисках безопасности (включая известные CVE). ➡️ Ссылка на статью 🐍 Ghostly Python | #статьи

🖼️ Библиотека: glom glom — декларативная библиотека для извлечения и трансформации вложенных структур данных (dict/list/tuple). Позволяет описывать «что достать и как преобразовать» короткой спецификацией вместо ручных циклов и if. ℹ️ Основные возможности: 🟢 Доступ к глубоко вложенным полям без try/except 🟢 Маппинг и агрегирование списков одной строкой 🟢 Значения по умолчанию и безопасные обходы отсутствующих ключей 🟢 Композиция спецификаций для сложных преобразований ⚙️ Пример использования: from glom import glom, T data = { "user": {"name": "Alice", "age": 30, "emails": ["a@x.io", "b@y.io"]}, "orders": [{"id": 1, "total": 99.9}, {"id": 2, "total": 15.0}] } spec = { "username": T["user"]["name"], "primary_email": T["user"]["emails"][0], "order_ids": (T["orders"], [T["id"]]), "sum_total": (T["orders"], sum, [T["total"]]), # суммируем totals } print(glom(data, spec)) # ➔ {'username': 'Alice', 'primary_email': 'a@x.io', 'order_ids': [1, 2], 'sum_total': 114.9} # Безопасный доступ с дефолтом: print(glom(data, "user.phone", default="no phone")) # ➔ 'no phone' ✔️ Установка: pip install glom ➡️ Ссылка на документацию 🐍 Ghostly Python | #библиотеки

Не репутация, а мечта 🐍 Ghostly Python | #мем

📱 Фишка: __slots__ — отключаем_slots__ —для экономии памяти По умолчанию каждый экземпляр Python хранит атрибуты в словаре dict. Это удобно, но съедает много памяти.__ —для экофиксирует набор атрибутов, убираяlots__ —дли� Фишка: __sl class Report: — отключае= ('user_id', 'stats') # только эти атрибуты def __init__(self, user_id): self.user_id = user_id self.stats = {} # теперь stats не динамический r = Report(123) r.new_attr = 42 # ❌ AttributeError! 📌 Как это работает? — Вместо dict создаются дескрипторы для каждого атрибута из slots. — Экземпляр хранит значения в компактном массиве, не в хэш-таблице. 🐍 Ghostly Python | #фишки

👩‍💻 Викторина: что выведет код? def make_counter(): count = [0] def increment(): count[0] += 1 return count[0] def get(): return count[0] return increment, get inc1, get1 = make_counter() inc2, get2 = make_counter() inc1() inc1() inc2() inc1() print(get1(), get2()) print(inc2()) print(get1(), get2()) 🐍 Ghostly Python | #викторина

Что выведет код?

🖼️ Легковесная и мощная платформа для многоагентных рабочих процессов OpenAI Agents SDK — это легковесная, но мощная платформа для создания рабочих процессов с участием нескольких агентов. Она не зависит от конкретного поставщика услуг и поддерживает API OpenAI Responses и Chat Completions, а также более 100 других LLM-модулей. ➡️ Ссылка на платформу 🐍 Ghostly Python | #ресурс

🐍 Ghostly Python | #мем

📱 Фишка: functools.cached_property — ленивое свойство с кэшированием cached_property превращает метод в свойство, которое вычисляется один раз при первом доступе и кэшируется в экземпляре. Полезно для дорогих вычислений и ленивой инициализации from functools import cached_property import time class Report: def init(self, user_id): self.user_id = user_id @cached_property def stats(self): print("Вычисляю...") # выполнится только при первом доступе time.sleep(1) return {"orders": 42, "spent": 199.99} r = Report(123) print(r.stats) # первый доступ — расчёт и кэширование print(r.stats) # последующие — мгновенно из кэша del r.dict["stats"] # инвалидация кэша print(r.stats) # пересчёт после инвалидации 📌 Как это работает? 🟢 @cached_property сохраняет результат в instance.__dict__ под именем свойства. 🟢 Для обновления данных удалите кэш: del obj.__dict__["attr"] — значение пересчитается при следующем доступе. 🟢 Идеально для «ленивых» параметров: конфигов, аггрегатов из БД/API, тяжёлых вычислений 🐍 Ghostly Python | #фишки