🤓 Промпт, который сделает обучение Python проще

Учить сложные темы бывает непросто, но что, если можно разбить их на простые и понятные части? Делимся мощным промптом для ChatGPT, который поможет разобраться в любом сложном аспекте Python — от асинхронности до метапрограммирования.

⭐ Промпт:

  
I need help breaking down [конкретная тема] into smaller, simpler parts that are easier to understand.  
Identify the most important 20% of learnings that will help me understand 80% of the subject.  
Use analogies and real-life examples to explain each concept in a relatable way.  
The explanation should focus on making the topic clear and engaging while connecting it to everyday experiences or situations.  
Additionally, suggest tips or questions I can use to check my understanding of the material.  

⭐ Как это работает:
— Разбивает сложную тему на ключевые 20% знаний, которые дадут 80% понимания
— Приводит аналоги и примеры из жизни (например, асинхронность как готовка в ресторане)
— Помогает проверить себя, предлагая вопросы для самопроверки

⭐ Примеры использования:
— Разобраться в asyncio через повседневные сценарии
— Понять работу metaclass с аналогиями из конструкторов LEGO
— Прояснить decorators, представив их как модульные дополнения в кафе


Библиотека питониста #буст

📣 Программисты, нужен ваш совет!

Пилим крутую подборку ноутов для кодеров в 2025-м и хотим собрать реальный фидбек от тех, кто в теме!

Какой ноут спасает вас в кодинге и почему?

Расскажите все:
⭐ Что за зверь (модель, начинка)
⭐ Где жмет и где радует в ежедневной работе
⭐ На какие фишки смотреть при выборе
⭐ Как вам с ним живется

Топовые советы попадут в нашу статью. Сделаем годный гайд, который реально поможет коллегам!

Делитесь в комментах. ⬇️

Библиотека питониста

🔹 How to: как работают генераторы в Python

Генераторы — мощный инструмент для итераций, особенно при работе с большими данными. В отличие от обычных функций, они вычисляют значения лениво, выдавая их по запросу и экономя память. Это делает код более эффективным и удобным для повторного использования.

➡️ Принцип работы
Вместо возврата всех значений сразу, генератор использует yield, который приостанавливает выполнение функции, сохраняя её состояние:

def simple_generator():
    print("Первый yield")
    yield 1
    print("Второй yield")
    yield 2

gen = simple_generator()
print(next(gen))  # Первый yield → 1
print(next(gen))  # Второй yield → 2

При вызове next() выполнение продолжается с места, где остановилось. Это позволяет работать с последовательностями, не загружая их полностью в память.

➡️ Пример: Фибоначчи на генераторах

def fibonacci_generator(limit):
    a, b = 0, 1
    while a < limit:
        yield a
        a, b = b, a + b

Такой генератор можно использовать для обработки больших последовательностей без лишних затрат памяти.

➡️ Генераторы vs. списки
Генераторы экономят память, так как не хранят все элементы в памяти:

import sys

def list_numbers(n):
    return [i for i in range(n)]

def generator_numbers(n):
    return (i for i in range(n))

print(sys.getsizeof(list_numbers(1000000)))  # 8448728 байт
print(sys.getsizeof(generator_numbers(1000000)))  # 208 байт

Разница очевидна: генератор занимает всего 208 байт, тогда как список — 8+ мегабайт!

➡️ Генераторные выражения
Аналогично списковым включениям, но работают лениво:

squares_list = [x * x for x in range(10)]  # Обычный список
squares_gen = (x * x for x in range(10))  # Генератор

➡️ Комбинирование генераторов
С помощью itertools генераторы можно объединять и фильтровать:

from itertools import chain, filterfalse

result = chain((x * x for x in range(10)), (y + 10 for y in range(5)))
odd_squares = filterfalse(lambda x: x % 2 == 0, (x * x for x in range(10)))

➡️ Когда использовать генераторы
— Обработка больших данных без перегрузки памяти
— Потоковая обработка (например, чтение файлов)
— Создание бесконечных последовательностей
— Оптимизация скорости и эффективности кода

Библиотека питониста #буст

🎉 Выпущен Django 5.2

В новой версии представлено множество улучшений и новых возможностей.

🌟 Вот несколько ключевых изменений:
• Все модели автоматически импортируются в shell по умолчанию
• Поддержка составных первичных ключей
• Переопределение BoundField стало значительно проще: теперь это можно делать на уровне формы, поля или проекта

🔗 Анонс релиза: https://clc.to/lV9Qig

Библиотека питониста #свежак

💭 Холивар: когда писать код на работе — по офисному графику или в моменты вдохновения?

Вот история, которая заставляет задуматься. Девушка подала резюме, и ей позвонили в 9 утра, но она ещё спала. Её кандидатуру сразу отклонили со словами: «Мы не хотим сотрудничать с человеком, который спит до 9 утра». Неужели, чтобы считаться профессионалом, нужно работать строго с 9:00 до 18:00?

Как бы вы отреагировали на такую ситуацию? Как вы организуете свою работу над кодом?
Го в комменты, устроим холивар!👇

❤️ — команда «Офисный график»: «Кодить надо с 9 до 18, как в нормальной компании! Дисциплина — залог успеха. Если ты не можешь работать по расписанию, то как ты дедлайны будешь соблюдать? И вообще, в офисе вся команда на месте, сразу можно обсудить баг или фичу!»

👍 — команда «Когда пишется»: «Код — это творчество! Я могу в 3 часа ночи написать шедевр, который за день в офисе не родится. Главное — результат, а не то, сижу ли я за компом с 9 утра.»

P.S. Инструкция о том, как оставить комментарий

Библиотека питониста #междусобойчик

🐛 Фишка инструмента: учимся дебаггингу осознанно с py-bugger

Обычно отладка — это реактивный процесс: мы исправляем баги, когда они появляются. Но что, если учиться дебаггингу так же, как любой другой навык — от простого к сложному?

✅ Что делает py-bugger:
🔘 Добавляет ошибки в код: можно целенаправленно внедрять баги разных типов в проект (например, ModuleNotFoundError, IndentationError)
🔘 Позволяет тренироваться в отладке на реальных ошибках, но в контролируемых условиях
🔘 Отслеживает изменения: внесённые баги сохраняются в коммите, и их можно легко найти через git diff

✅ Как установить и использовать

1⃣ Устанавливаем py-bugger:

pip install python-bugger

2⃣ Запускаем тестовый Python-скрипт name_picker.py, который выбирает случайное имя из списка:

python name_picker.py
# The winner: Alice!

3⃣ Внедряем в этот код ошибку ModuleNotFoundError:

py-bugger --exception-type ModuleNotFoundError

Вы увидите сообщение:

Introducing a ModuleNotFoundError...
  Modified file.

4⃣ Теперь запускаем скрипт снова и видим ошибку:

python name_picker.py
Traceback (most recent call last):
  File "name_picker.py", line 1, in <module>
    import rando
ModuleNotFoundError: No module named 'rando'

Задача — найти и исправить ошибку.

5⃣ Если застряли, можно посмотреть внесённые изменения через git diff:

git diff

✅ Гибкие настройки `py-bugger`
Вы можете настроить тип ошибок, количество багов и целевой файл/директорию:

py-bugger -e AttributeError -n 3 --target-file my_script.py

Здесь:
🔘 -e AttributeError — добавит ошибку типа AttributeError
🔘 -n 3 — добавит три ошибки
🔘 --target-file my_script.py — внесёт баги в конкретный файл

Библиотека питониста #буст

🆒 Собираем идеальный GUI на Python: 8 библиотек 2025 года

➡️ Tkinter — просто и по делу
➡️ PyQt — строго и функционально
➡️ Kivy — на мобилку и не только

Мы собрали лучшие библиотеки для создания графических интерфейсов на Python в 2025 — от классики до свежих решений.

🐸 Хотите красивый и удобный UI? Начните с этого списка: https://proglib.io/sh/8Z6Yl7fMgS

Библиотека питониста

🕵️ Играем в ревью: сможете найти все 5 багов?

Быстрая проверка скиллов. В этом кусочке кода спрятаны 5 ошибок.

Цель программы: для каждого числа в списке определить, является ли оно простым (prime), и вернуть список булевых значений.

def is_prime(n):
    if n <= 1:
        return False

    for i in range(2, n//2):
        if n % i == 0:
            return False
    return True

def check_primes(numbers):
    result = []
    for num in numbers:
        result.append(is_prime(num))
    return result

nums = [0, 1, 2, 3, 4, 5, 10, 11, 13, 15, 17, 19]
print(check_primes(nums))

Вывод сейчас:

[False, False, True, True, True, True, False, True, True, False, True, True]

🎯 Ваша задача — найти все 5 ошибок. Пишите свои ответы в комментариях — обсудим вместе!

👀 Ответ выложу позже.

P.S. Инструкция о том, как оставить комментарий

Библиотека питониста #развлекалово

Что выведет код сверху?

👾 — 24
👍 — 1
🥰 — 0
⚡️ — 120

Библиотека задач по Python

⚡️ Режим агента в VS Code — теперь для всех

Режим агента (Agent mode) официально открыт для всех пользователей Visual Studio Code!

Это как напарник-программист, который сам решает задачи: копается в коде, правит файлы, запускает команды и чинит ошибки, пока всё не заработает.

⭐ Что он может:
➡️ Понимает многошаговые задачи: редактирует код, следит за ошибками компиляции/линтинга и сам их исправляет
➡️ Сам определяет, какие файлы нужно изменить — вы просто ставите задачу
➡️ Интегрируется с внешними сервисами и инструментами через MCP и расширения

⭐ Как включить:

Включить режим агента можно в Chat View, выбрав Agent в настройках chat.mode и активировав chat.agent.enabled. Если параметр не отображается — обновите VS Code до последней версии и перезапустите.

🔗 Детали обновления: https://clc.to/1lqy9g

Библиотека питониста #свежак

📌 How to: заменить break в Python-циклах на элегантные альтернативы

В Python break в циклах for прерывает итерацию, но часто есть более читаемые и лаконичные способы. Разберём типичные случаи и их альтернативы.

1️⃣ Проверка наличия элемента

Классика с break:

color_options = ["blue", "green", "purple"]
is_purple_an_option = False
for color in color_options:
    if color == "purple":
        is_purple_an_option = True
        break

Альтернатива — оператор in:

is_purple_an_option = "purple" in color_options

in работает со всеми итерируемыми объектами, а для set и dict ещё и быстрее, чем цикл.

2️⃣ Проверка условия для элементов

Пример с break:

points_per_user = [3, 12, 28, 105]
anyone_has_100 = False
for points in points_per_user:
    if points > 100:
        anyone_has_100 = True
        break

Альтернатива — any:

anyone_has_100 = any(points > 100 for points in points_per_user)

any (или all для "все элементы") делает код выразительнее.

3️⃣ Поиск первого подходящего значения

С break:

words = ["Look", "at", "these", "excellent", "words"]
first_long_word = None
for word in words:
    if len(word) > 4:
        first_long_word = word
        break

Альтернатива — next с генератором:

long_words = (word for word in words if len(word) > 4)
first_long_word = next(long_words, None)

next берёт первый элемент из генератора, а None — значение по умолчанию, если ничего не найдено.

4️⃣ Сбор элементов до условия

С break:

items = ["chair", "desk", "", "lamp"]
before_blank = []
for item in items:
    if not item:
        break
    before_blank.append(item)

Альтернатива — itertools.takewhile:

from itertools import takewhile
before_blank = list(takewhile(bool, items))

takewhile собирает элементы, пока условие истинно, и возвращает итератор.

📍 Итог

break полезен, но часто его можно заменить:
— in — для проверки наличия
— any/all — для условий
— next — для поиска первого значения
— takewhile — для сбора до условия

⤵️ А как вы обходитесь без break?

Библиотека питониста #буст

🧱⛏️ Чекни свой крафт: 8 признаков, что разработчик слишком залип в Minecraft

Думаешь, что твоя продуктивность падает из-за багов в коде? А может, все дело в том, что ты мысленно фармишь крипперов, пока твой PM объясняет задачу?

😎 Пройди наш тест и узнай, насколько глубоко ты провалился в пиксельную кроличью нору!

👉 Пройти тест

Библиотека питониста

Питонисты!

Проголосуйте за наш канал, и в сторис мы опубликуем топ материалов, которые должен прочитать каждый питонист.

➡️Поддержать канал: https://www.tg-me.com/boost/pyproglib

😺🐙🧼 Сам себе GitHub: как работать с чистым Git-репозиторием

Git — мощная система контроля версий, которую обычно используют через платформы вроде GitHub и GitLab. Однако Git сам по себе не требует веб-интерфейсов и облачных сервисов. Многие разработчики предпочитают работать с чистым Git-репозиторием, размещенным на собственном сервере.

➡️ В этой статье мы рассмотрим, почему это удобно, и как эффективно отправлять патчи в проекты, использующие этот подход.

🐸 Библиотека программиста

😇 Ошибка дня: UnboundLocalError

Сегодня разбираем одну из тех ошибок в Python, которая выглядит загадочно, но легко объяснима, если знать одну тонкость.

💥 Что произошло

1️⃣ Вы определили функцию-декоратор, всё работает:

def trigger(*fns):
    def decorator(fn):
        fn._next = fns

        def _wrapper():
            fn()
            for f in fn._next:
                f()
        return _wrapper
    return decorator

2️⃣ Затем использовали:

def step_2():
    print("step 2")

def step_3():
    print("step 3")

@trigger(step_2, step_3)
def step_1():
    print("step 1")

step_1()

Вывод:
step 1  
step 2  
step 3

3️⃣ Но потом — решили переименовать переменную в цикле, чтобы она называлась так же, как и fn снаружи:

def _wrapper():
    fn()
    for fn in fn._next:  # ❗️ shadowing
        fn()

4️⃣ Результат:

UnboundLocalError: cannot access local variable 'fn' where it is not associated with a value

❓ Почему так

В Python, если переменная где-то присваивается в функции — она считается локальной на весь скоуп этой функции. Даже если вы пытаетесь её использовать до присваивания.

➡️ В примере выше: переменная fn переопределяется в цикле, а значит, Python считает, что она локальная для всей _wrapper(). Поэтому вызов fn() выше в коде — обращение к переменной, которой ещё нет, отсюда и UnboundLocalError.

На заметку:
➡️ Вложенные функции и декораторы — зона риска для shadowing
➡️ Если вы хотите использовать переменную из внешнего скоупа — не переопределяйте её имя внутри тела функции
➡️ Такие тонкости особенно актуальны при рефакторинге

✅ Как исправить

Просто не переименовывайте переменную в fn повторно. Назовите её f, next_fn, step, callback — что угодно:

for step in fn._next:
    step()

💬 Вопрос к вам: какие ошибки Python вам кажутся самыми «обидными», но по факту — обучающими?

Библиотека питониста #буст