📚 5 обязательных книг по Python


1️⃣ "Легкий способ выучить Python 3". Автор - Зед А. Шоу

Особенность данной книги в подаче материала. Автор решил, что в учебнике не будет глав с чистой теорией, а поделил всю книгу на 52 упражнения. По мере продвижения вы познакомитесь со внутренней работой программ, узнаете, как выглядят хорошие программы, научитесь читать, писать и обдумывать код. Кроме того, вы научитесь находить и исправлять свои ошибки.

✔️ Скачать


2️⃣ “Паттерны разработки на Python”. Авторы - Гарри Персиваль и Боб Грегори

Книга для опытных питонистов, которые решили освоить паттерны разработки на Python. Авторы структурировали изучение паттернов вокруг примера приложения, выстраивая его глава за главой. Прорабатывая материал книги, вы будете применять разработку через тестирование, фреймворк Flask, библиотеку pytest, а также Docker и Redis.

✔️ Скачать


3️⃣ “Объектно-ориентированный Python”. Авторы - Стивен Ф. Лотт, Дасти Филлипс

Эта книга познакомит вас с объектно-ориентированным программированием. Она пригодится как начинающим питонистам, уже освоившим основы языка, так и читателям с опытом программирования на других языках, так как в ней рассматривается много особенностей написания кода на Python.

✔️ Скачать


4️⃣ “Основы Python”. Автор - Аллен Б. Дауни

Эта книга научит вас не только основам Python, но и умению думать как программист. Проходя главу за главой, вы будете учиться использовать программирование для решения различных задач, а это самый важный навык для разработчика.

✔️ Скачать


5️⃣ “Изучаем Python”. Автор - Эрик Мэтиз

Основательная книга для изучения Python (и программирования в целом) с нуля. В первой части рассмотрены основы языка (с примерами и упражнениями), а вторая посвящена созданию проектов.

✔️ Скачать

⚡️ Что такое пространства имён в Python?

Пространство имён в Python гарантирует, что имена объектов в программе остаются уникальными и могут использоваться без конфликтов.

Рассмотрим основные типы пространств имён:

👉 Локальное пространство имён содержит имена, определённые внутри функции. Оно создаётся временно при вызове функции и удаляется после её завершения.

👉 Глобальное пространство имён включает имена из импортированных модулей и пакетов, используемых в проекте. Оно формируется при импорте модуля и существует до завершения работы скрипта.

👉 Встроенное пространство имён содержит встроенные функции Python и зарезервированные имена для различных типов исключений.

Пример:

x = 10  # Глобальное

def foo():
    x = 5  # Локальное
    print(x)  # Выведет 5 (локальное)

foo()
print(x)  # Выведет 10 (глобальное)

⚡️ В Python пространства имён реализованы как словари, где «имя» выступает ключом, а «объект» — соответствующим значением.

А чё всмысле 🚬

💥 Вакансии по Python за прошлую неделю:

✅ Python developer. Uptrade, 70-150 т.р.

✅ Python разработчик middle. dodigital.ru, $1200-1500

✅ Middle/Senior Backend Developer (Python). Match Systems, от $2500

✅ Python разработчик. Luna Capital, 260-280 т.р.

✅ Python developer (Middle/Senior). ScanFactory, 250-450 т.р.

🌀 Как работает yield в Python?

Когда вы пишете функцию с yield, она превращается в генератор.
Это не просто функция — это объект, который можно итерировать, и при каждой итерации он "просыпается", возвращает значение и снова засыпает.

Пример:

def squares():
    for i in range(3):
        yield i * i

for x in squares():
    print(x)

Вывод:

0
1
4

Подробнее тут.

Важно: yield не только возвращает значение, но и сохраняет состояние функции.
Это значит, что переменные не сбрасываются, цикл не начинается с начала — выполнение продолжается с того же места.

Зачем это нужно?
🟠Работать с большими объёмами данных
🟠Писать "ленивый" код, который экономит память
🟠Делать асинхронные пайплайны и обработчики

Крч если хочешь писать код, который не захлёбывается от объёмов — генераторы тебе в помощь 😢

Привет, друзья! Собрали для вас подборку статей о том, как работает ООП в Python

1️⃣ Введение в объектно-ориентированное программирование (ООП)

2️⃣ Введение в объектно-ориентированное программирование: много клякс

3️⃣ Пять важных понятий, необходимых для быстрого старта в Python ООП

4️⃣ Топ вопросов по ООП с собеседований. Часть 1

5️⃣ Топ вопросов по ООП с собеседований. Часть 2

6️⃣ Почему все в Python является объектом?

7️⃣ Введение в объектно-ориентированное программирование: наследование

8️⃣ Принцип модульности ООП в Python

9️⃣ Введение в объектно-ориентированное программирование: создание среды для нашего объекта с Pygame

Сохраняйте и делитесь с друзьями!

❗ Вакансии по Python за прошлую неделю:

📌 Python разработчик (Middle+). CODEX, 190-240 т.р.

📌 Python Backend разработчик (Middle/Senior). X.place, 180-300 т.р.

📌 Python Developer. 230-300 т.р.

📌 Python-разработчик. BCraft, $2000-4000

📌 Python‑разработчик. До 380 т.р.

Мне срочно нужна эта футболка :3
Дайте две таких 🚬

💡 Tips & Tricks. 5 простых способов удалить символ из строки

В этой статье:
- Примитивный метод
- Функция replace()
- Срезы и конкатенация
- Метод join() и генератор списков
- Метод translate()

▶️ Читать статью

#строки #tipsandtricks

🔗 Привет! Это команда people-аналитики Яндекса, и мы ищем аналитика в HR-маркетинг.

Это как классический маркетинг, только вместо клиентов — кандидаты. Вам предстоит исследовать, как на воронку найма влияют разные каналы привлечения: рекламные кампании, DevRel, CRM-маркетинг, ивенты Weekend Offer и Fast Track.

Какие задачи вас ждут
⚪️Развивать аналитику привлечения
Анализировать DevRel- и наймовые мероприятия, email-коммуникации и удовлетворённость кандидатов, выдвигать гипотезы, исследовать данные и искать в них инсайты. Для этого надо будет объединять и связывать данные из разных источников — от Яндекс Метрики до внешних рекламных кабинетов.

⚪️Исследовать эффективность и влияние на наём
Оценивать, насколько хороши разные источники привлечения, как разные активности влияют на последующий наём напрямую и косвенно.

⚪️Собирать и оптимизировать дэшборды
Создавать дэшборды в DataLens, оптимизировать запросы, моделировать чарты и делать отчётность понятной и удобной.

Мы ждём, что вы
— Окончили ВУЗ по технической или экономической специальности
— Строили сквозную аналитику с разными источниками данных и работали с тестированием гипотез и А/В-тестами
— Владеете SQL, Python и инструментами визуализации
— Умеете просто объяснять сложное: не только считать данные, но и рассказывать, как вы это сделали
Будет классно, если вы знаете маркетинговые метрики и работали с Яндекс Метрикой.

С нас как всегда: помимо интересных задач — ДМС, развитие, спорт, скидки и пр.

🔛 Если это вы, пишите @sofiyaptrova или откликайтесь на сайте