🧩 Dataclass и NamedTuple: почему атрибуты выглядят странно

Если вы впервые видите такой код:

@dataclass
class Person:
    name: str
    age: int

или

class Person(NamedTuple):
    name: str
    age: int

— возникает логичный вопрос: почему строки внутри класса выглядят как class attributes, но становятся instance attributes?

✔️ Ответ прост: это не атрибуты — это type annotations.

Они не создают переменные, а просто записываются в __annotations__.

А дальше:
– dataclass генерирует атрибуты и превращает эти поля в атрибуты экземпляра;
– NamedTuple делает то же самое, создавая неизменяемые объекты.

Даже если вы пишете:

profession: str = "Python Programmer"

— это выглядит как class attribute, но в dataclass это всего лишь default значение для instance attribute.

➡️ Магии нет — есть автогенерация кода на основе аннотаций.

🔗 Подробнее

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

🐸 Библиотека питониста

#буст

🐸 Библиотека задач по Data Science

🟢 Z3 API в Python: мощный решатель теорем в пару строк

Z3 — высокопроизводительный SAT/SMT-солвер от Microsoft Research. Его используют верификаторы, исследователи безопасности, биоинформатики и все, кому нужно решать сложные логические и математические ограничения.

Самое приятное: с Z3 можно работать прямо из Python — через удобный API Z3Py.

👉 Пример: решить систему ограничений в три строки

from z3 import *

x = Int('x')
y = Int('y')
solve(x > 2, y < 10, x + 2*y == 7)

Z3:
— создаёт логические и числовые переменные,
— работает с ограничениями как с выражениями,
— автоматически ищет решение (или доказывает, что его нет).

👉 Пример: умное упрощение выражений

print(simplify(x + y + 2*x + 3))
print(simplify(x < y + x + 2))
print(simplify(And(x + 1 >= 3, x**2 + x**2 + y**2 + 2 >= 5)))

simplify() превращает формулы в более удобный вид — полезно при анализе и отладке.

Зачем вам Z3:
— для верификации программ,
— для генерации тестов,
— для решения задач оптимизации и логики,
— для анализа безопасных конфигураций,
— для научных расчётов.

🔗 Подробнее

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

🐸 Библиотека питониста

#буст

✖️ Когда скобки не нужны

В Python скобки используются для вызова функций, создания пустых кортежей и группировки выражений.

Но во многих местах их ставят по привычке — и совершенно зря:

🔸 If без скобок

В отличие от JavaScript, в Python if не использует скобки вовсе:

if language == "Python":
    print("Monty Python joke")

Скобки вокруг условия не запрещены, но они ничего не делают — это просто группировка.

🔸 Скобки можно поставить где угодно

Python позволяет оборачивать в скобки практически любое выражение:

y = (((3 * 4) + (7)))

Работает, но выглядит странно.

🔸 Многострочные выражения

Скобки действительно нужны, когда вы переносите выражение на несколько строк:

if (
    user["verified"]
    and not event["full"]
):
    print("signup form")

🔸 Когда скобки вводят в заблуждение

Делают оператор del похожим на вызов функции:

del(colors["purple"])   # вводит в заблуждение
del colors["purple"]    # правильно

То же касается return:

return(value)   # выглядит как функция
return value    # лучше

🔸 А когда скобки всё-таки полезны

Иногда — для читаемости:

SENTENCE_END_CHARS = ('.', '?', '!')

Но в других местах добавляют шум:

for (color, amount) in colors.items():   # не нужно
for color, amount in colors.items():     # лучше

👉 Подробный гайд по скобкам

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

🐸 Библиотека питониста

#буст

🐸 Библиотека питониста

#развлекалово

🚀 Забудьте Docker: собираем Python-образы нативно

Хотите собирать контейнеры для Python-приложений без Docker, без Dockerfile и без демона?

pycontainer-build — Python-нативный инструмент, который делает это возможным.

Что делает pycontainer-build

✔️ Строит OCI-совместимые образы без Docker
✔️ Сам определяет:
– Python-версию (из pyproject.toml)
– точку входа
– зависимости
✔️ Собирает слои, манифесты и конфиги чистой стандартной библиотекой Python
✔️ Может пушить в любые контейнерные реестры (GHCR, ACR, DockerHub)

Пример использования

pycontainer build --tag myapp:latest

И всё — без Dockerfile и без Docker.

Инструмент автоматически:
✔️ выбирает подходящий базовый образ
✔️ пакует код и зависимости слоями
✔️ генерирует OCI-манифесты
✔️ создаёт воспроизводимые сборки и SBOM

Пример FastAPI-приложения

pycontainer build \
  --tag ghcr.io/org/app:latest \
  --include-deps \
  --push

Основные фичи:
— Zero Docker — работает там, где Docker запрещён
— Быстрая сборка и кэширование слоёв
— SBOM, воспроизводимые билды
— Плагины для Poetry, Hatch, GitHub Actions
— Идеально для CI/CD, Codespaces, DevBox и защищённых сред

👉 Подробный гайд

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

🐸 Библиотека питониста

#буст

🐍 Почему разработчики всё ещё выбирают Python: взгляд Гвидо ван Россума

GitHub рассказал Гвидо ван Россуму свежие данные Octoverse — и он был удивлён: несмотря на то, что TypeScript впервые обошёл Python по использованию, Python вырос на 49% за 2025 год.

Он остаётся главным языком для ИИ, науки и обучения, а также культурным феноменом, сформировавшим целое поколение разработчиков.

В интервью Гвидо рассказывает:
— почему читаемость всегда была основной философией языка;
— как Python превратился из хобби-проекта в основу современных ИИ-технологий;
— и что ждёт язык дальше — от ускорения до новых направлений развития.

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

🔗 Ссылка на интервью

📱 Python новости за последние 7 дней

— Почему Python — не лучший язык для Data Science —автор рассказывает, где Python начинает проигрывать: многопоточность, скорость, экосистема для HPC. Много практических примеров и сравнение с Julia/Rust.

— Магия Python — подробное объяснение interning-а и механики хранения целых чисел в CPython. Отличный материал для подготовки к собесам.

— Компилируем Python так, чтобы он работал везде —гайд по сборке Python-приложений в единый бинарь и созданию truly portable окружений.

— Python 3.14 — полный список нововведений.

— FastAPI без хаоса: как перестать писать всё в main.py — хорошая практическая структура проекта: роутеры, конфигурация, DI, зависимости, разбиение на модули.

— 10 приёмов профи для ускорения Python-кода —от очевидных оптимизаций до продвинутых: буферизация, slots, NumPy-трюки, кэширование, генераторы, профилирование.

— Pydantic V2: dataclasses больше не нужны — выпуск V2 с архитектурой на Rust сделал Pydantic быстрее, безопаснее и более строгим.

— 9 принципов стабильных автотестов — советы по структуре, управлению состоянием, локализации багов, idempotent-тестам и CI-практикам.

— FlakyDetector — инструмент для охоты на нестабильные тесты — история создания утилиты, которая автоматически выявляет flaky-тесты в Python-проектах.

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

🐸 Библиотека питониста

#свежак

🐸 Библиотека задач по Data Science

🎄 Advent of Code 2025: новый сезон головоломок для разработчиков

Advent of Code (AoC) — это ежегодный адвент-календарь из небольших программных задач, которые можно решать на любом языке.

Для кого это

Для всех, кто любит программирование: новичков, студентов, разработчиков, команд. AoC используют как тренажёр, подготовку к собеседованиям, учебный курс или просто ежедневный челлендж.

Условия максимально простые:
— не нужен мощный компьютер,
— не нужен CS-бэкграунд,
— каждая задача решается за ≤15 секунд даже на старом железе.

➡️ Ссылка на календарь

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

🐸 Библиотека питониста

#буст

🔥 Pydantic уже не тот: теперь это мощный комбайн для конфигураций.

Когда-то это была всего лишь библиотека для валидации данных.

Сегодня — полноценная система загрузки и обработки настроек, которая умеет:
— читать .env (и несколько подряд),
— забирать значения из переменных окружения,
— парсить JSON/TOML/YAML,
— работать с секретами из Docker/AWS/GCP/Azure/Unix-файлов,
— и даже разбирать CLI-аргументы.

По сути, теперь одним классом Pydantic вы можете заменить dotenv/environs, argparse/click/typer, загрузку yaml/json/toml и большую часть валидации.

Пример:

class Settings(BaseSettings):
    service_url: HttpUrl
    api_token: SecretStr
    log_level: Literal['DEBUG','INFO','WARNING','ERROR'] = 'INFO'
    port: conint(ge=1024, le=65535) = 8080

    model_config = ConfigDict(
        env_file=("/etc/.env", ".env"),
        cli_parse_args=True
    )

Каскад загрузки работает так:
1. dotenv
2. переменные окружения
3. CLI
4. параметры, переданные вручную

И всё это автоматически валидируется, приводится к нужным типам, секреты скрываются, вложенные структуры корректно обрабатываются.

Пример запуска:

export API_TOKEN="yeah_no"
python app.py --service_url https://bitecode.dev

Результат:

Service URL: https://bitecode.dev/
API Token: **********
Log Level: WARNING
Port: 8080

CLI-режим поддерживает множество удобств: подкоманды, kebab-case, списки/JSON в аргументах, отрицательные флаги, алиасы, mutually-exclusive groups и даже интеграцию с argparse.

Если нужно — легко подключить собственные источники настроек и секретов (включая Hashicorp Vault).

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

🐸 Библиотека питониста

#буст

🐸 Библиотека питониста

#развлекалово

😅 Мы нашли человека, который 2 года приручал Dependency Injection в Python

Разработчик два года (!) шлифовал ультра-простую библиотеку для Dependency Injection — python-injection.

Если вы когда-то страдали от того, где создать зависимость, как прожить её lifecycle и почему DI-фреймворки такие занудные — это может быть тем самым «наконец-то нормальным вариантом».

Что умеет:
⏩️ DI на базе type hints
⏩️ Декораторы для регистрации зависимостей
⏩️ 4 типа lifecycle
⏩️ Scoped зависимости через context manager
⏩️ Async support
⏩️ Профили (можете подменять имплементации)
⏩️ Ничего не создаётся заранее — только ленивый инстансинг
⏩️ И всё это без боли в душе и мозгах

Мы любим такие простые и полезные штуки — меньше шаблонного кода, больше фокуса на логике.

Если вы пишете на Python — взгляните:
➡️ GitHub
➡️ PyPI

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

🐸 Библиотека питониста

#буст