🐍 Укус питона 🐍

Массивы в pattern matching. В качестве шаблонов также могут выступать массивы. Подобным шаблоны также могут содержать либо конкретные значения, либо переменные, которые передаются элементы массивов, либо символ прочерка _, если элемент массива не важен. В данном случае функция print_people принимает массив, который, как предполагается, состоит из трех элементов, рассмотрим их в следующей части. 🐍 Укус питона // 💬 Чат // #теория #pattern_matching #массивы

👩‍💻 Динамическое создание классов — метапрограммирование в чистом виде В Python классы — это тоже объекты, и их можно создавать "на лету" с помощью функции type(). Это открывает путь к динамическому API, автоматическим моделям и DSL. ➡️ Пример: def make_model(name, **fields): return type(name, (object,), fields) User = make_model("User", name="Анна", age=25) print(User.name) # Анна admin = User() admin.role = "admin" print(admin.role) # admin 📌 Здесь type() создаёт новый класс User прямо во время исполнения.

Ответ:

Что выведет код? x = 0 def outer(): x = 1 def inner(): nonlocal x x += 1 return x print("A", inner(), x) x = 5 print("B", inner(), x) outer() print("G", x)

👩‍💻 Контракты через аннотации — не просто подсказки типов Аннотации типов (type hints) — это не только помощь IDE. С их помощью можно внедрять контроль логики исполнения — проверять типы, значения и инварианты прямо во время работы программы. ➡️ Пример: from typing import get_type_hints def enforce_types(func): hints = get_type_hints(func) def wrapper(*args, **kwargs): for name, arg in zip(hints, args): if not isinstance(arg, hints[name]): raise TypeError(f"{name} должен быть {hints[name].__name__}") return func(*args, **kwargs) return wrapper @enforce_types def greet(name: str, age: int): print(f"{name}, {age}") greet("Анна", 25) # ✅ greet("Анна", "25") # ❌ TypeError 📌 Здесь аннотации становятся частью исполняемого контракта, а не просто документацией.

👩‍💻 WeakRef — как избежать утечек памяти в Python Иногда объект больше не нужен, но на него всё ещё ссылаются другие части программы. Обычная ссылка удерживает объект в памяти, а слабая ссылка (weak reference) — нет. Она не мешает сборщику мусора удалить объект, если больше нет сильных ссылок ➡️ Пример: import weakref class Data: def __init__(self, name): self.name = name def __del__(self): print(f"{self.name} удалён") obj = Data("Test") ref = weakref.ref(obj) print(ref()) # <__main__.Data object at ...> del obj print(ref()) # None — объект собран GC 📌 weakref.ref() создаёт слабую ссылку: объект может быть удалён, даже если ссылка ещё существует.

Ответ:

Что выведет код? import itertools lst = [[1, 2], [3]] it = itertools.chain.from_iterable(lst) print(next(it)) lst.append([4, 5]) print(list(it))

👩‍💻 Протокол дескрипторов — скрытый механизм свойств и ORM В Python за @property, staticmethod, classmethod и даже ORM-поля стоит единый механизм — дескрипторы. Это объекты, которые управляют доступом к атрибутам через методы __get__, __set__, __delete__ ➡️ Пример: class LoggedAttribute: def __init__(self, name): self.name = name def __get__(self, instance, owner): value = instance.__dict__.get(self.name) print(f"Получено {self.name} = {value}") return value def __set__(self, instance, value): print(f"Изменено {self.name} = {value}") instance.__dict__[self.name] = value class User: age = LoggedAttribute("age") u = User() u.age = 30 print(u.age) 📌 При обращении к u.age срабатывают методы дескриптора, а не прямой доступ к атрибуту.

👩‍💻 Протокол итерации — как работает цикл for под капотом В Python любой объект можно сделать итерируемым, если он реализует протокол итерации — методы __iter__() и __next__(). Это основа работы for, генераторов, списковых включений и даже файлов ➡️ Пример: class Counter: def __init__(self, limit): self.limit = limit self.value = 0 def __iter__(self): return self def __next__(self): if self.value < self.limit: self.value += 1 return self.value raise StopIteration for i in Counter(3): print(i) # 1 2 3 📌 Цикл for просто вызывает next() до тех пор, пока не появится StopIteration.

Ответ:

Что выведет код? class A: def __eq__(self, o): return isinstance(o, A) class B: def __eq__(self, o): return isinstance(o, B) __hash__ = object.__hash__ s = set() try: s.add(A()) except TypeError: print("A") b = B() s.add(b) print("B", b in s)

❓ Зачем используется метод replace() в Python и когда его применять? Метод replace() возвращает новую строку, в которой все вхождения указанной подстроки заменены на другую. Это удобный способ быстро изменить текст без сложных регулярных выражений. ✅Пример: text = "Python is hard, but Python is fun!" new_text = text.replace("Python", "Coding") print(new_text) # ➜ Coding is hard, but Coding is fun! 📌В этом примере replace() заменяет все вхождения слова "Python" на "Coding" replace() удобно использовать при очистке данных, форматировании строк, замене символов и шаблонов в текстах. Метод не изменяет исходную строку, что делает его безопасным для повторного использования данных

👩‍💻 Мемоизация — ускорение функций без переписывания логики Мемоизация — это техника кэширования результатов функций. Если функция вызывается с теми же аргументами, результат возвращается из памяти, а не вычисляется заново ➡️ Пример: from functools import lru_cache @lru_cache(maxsize=None) def fib(n): if n < 2: return n return fib(n-1) + fib(n-2) print(fib(35)) # быстро! 📌 Здесь @lru_cache запоминает все вызовы fib(). Без него вычисление числа Фибоначчи 35 заняло бы секунды, а с ним — доли миллисекунды.

Ответ:

Что выведет код? import asyncio async def worker(): await asyncio.sleep(0.05) return "ok" async def main(): t = asyncio.create_task(worker()) try: await asyncio.wait_for(asyncio.shield(t), timeout=0.01) except asyncio.TimeoutError: print("timeout") print(t.cancelled(), t.done()) print(await t) asyncio.run(main())