5 навыков работы в Python на прокачку

Python  —  главный инструмент технических специалистов и разработчиков всего мира. Для эффективной навигации по его обширной экосистеме, кроме знаний синтаксиса, понадобятся практики и приемы овладения Python, рекомендации по работе с кодом. Возьмите все это на вооружение и поднимите свои навыки на новую высоту.

Обработка исключений в Python

Обработка исключений важна для написания надежного кода на Python, корректного управления и реагирования на неожиданные ошибки при выполнении программы.

Обработка исключений в блоках Try-Except

Блоком try-except перехватываются и обрабатываются исключения: указывается код, где в блоке try выбрасывается исключение, а в блоке except предоставляется запасной план.

Пример:

try:
    result = 10 / 0  # При делении на ноль появляется ошибка «ZeroDivisionError»
except ZeroDivisionError as e:
    print(f"Error: {e}")
    # Ошибка корректно обрабатывается, логируется или выполняется корректирующее действие

Обработка нескольких исключений

Различные типы исключений обрабатываются несколькими блоками except или кортежем исключений.

Пример:

try:
    # Код с возможностью появления разного рода исключений
except ValueError as ve:
    print(f"ValueError: {ve}")
except KeyError as ke:
    print(f"KeyError: {ke}")
except (TypeError, IndexError) as te:
    print(f"TypeError or IndexError: {te}")

Очистка с помощью Finally

Блок finally необязателен, но полезен для выполнения кода, который должен запускаться независимо от того, появилось исключение или нет. Обычно он используется для высвобождения внешних ресурсов или очистки операций.

Пример:

try:
    # Код с возможностью появления исключения
finally:
    # Код, который выполняется всегда, независимо от исключений

Вызов исключений

Чтобы сигнализировать об ошибках или исключительных ситуациях в коде, оператором raise можно вызывать собственные исключения.

Пример:

def validate_age(age):
    if age < 0:
        raise ValueError("Age cannot be negative")
    # Дополнительная логика проверки

Эффективной обработкой исключений в Python повышается надежность кода, а корректной обработкой неожиданных ситуаций совершенствуются его сопровождаемость и пользовательское взаимодействие.

Работа с виртуальными средами

Виртуальные среды необходимы в Python для управления зависимостями и изолирования проектных сред, работы над проектами с разными зависимостями и версиями библиотек без конфликтов.

Создание виртуальной среды

Виртуальная среда создается с помощью модуля venv, он включен в Python 3 по умолчанию.

Пример из командной строки:

# Создается новая виртуальная среда «myenv»
python3 -m venv myenv

Активация виртуальной среды

Перед использованием созданную виртуальную среду активируют. При этом для использования изолированного интерпретатора Python и библиотек настраивают переменные среды́ и меняют PATH оболочки.

Пример на Linux/Mac:

# Активируется виртуальная среда «myenv»
source myenv/bin/activate

Пример на Windows:

# Активируется виртуальная среда «myenv»
myenv\Scripts\activate

Установка пакетов

Активировав виртуальную среду, устанавливаем пакеты без влияния на глобальную установку Python.

Пример:

# В виртуальную среду устанавливается пакет
pip install package_name

Деактивация виртуальной среды

Закончив работать в виртуальной среде, деактивируем ее и возвращаемся в глобальную среду Python.

Пример:

# Виртуальная среда деактивируется
deactivate

Зачем нужны виртуальные среды?

Виртуальными средами поддерживаются проектные зависимости, изолируются версии пакетов, обеспечивается воспроизводимость в различных системах. Они незаменимы для разработки на Python, особенно при работе над проектами с конфликтующими зависимостями или разными версиями Python.

С виртуальными средами упрощается рабочий процесс разработки, избегаются типичные ошибки управления зависимостями.

Применение контекстных менеджеров

Контекстными менеджерами в Python управляются ресурсы: файлы, подключения баз данных, блокировки. Корректно инициализируются и, когда больше не нужны, очищаются. Контекстные менеджеры реализуются оператором with и особенно полезны для обработки ресурсов, которым требуются операции настройки и очистки.

Оператор with для обработки файлов

Один из типичных сценариев для контекстных менеджеров — обработка файлов. Функцией open() в Python возвращается файловый объект, использованием в операторе with обеспечивается корректное закрытие файла после завершения работы с файловым набором, даже если появляется исключение.

Пример:

# Применение оператора «with» для обработки файлов
file_path = 'example.txt'
with open(file_path, 'r') as file:
    content = file.read()
    # Обрабатывается содержимое или выполняются операции

# Вне блока «with» файл автоматически закрывается

Реализация пользовательских контекстных менеджеров

Собственные контекстные менеджеры создаются при помощи методов __enter__() и __exit__() и классов. Конкретное поведение для настройки ресурсов определяется методом __enter__(), для очистки  —  методом __exit__().

Пример:

# Пользовательский контекстный менеджер с использованием класса
class MyContextManager:
    def __enter__(self):
        # Выполняется инициализация/настройка ресурса
        print("Initializing resource")
        return self  # При необходимости возвращается объект

    def __exit__(self, exc_type, exc_value, traceback):
        # Выполняется очистка ресурса
        print("Cleaning up resource")
        # При необходимости обрабатываются исключения
        return False  # Если «False», исключения распространяются; если «True» — подавляются

# Использование пользовательского контекстного менеджера
with MyContextManager() as obj:
    # Используется инициализированный ресурс
    print("Using the resource")

Преимущества контекстных менеджеров

1. Автоматическое управление ресурсами: контекстными менеджерами ресурсы корректно управляются и очищаются, отчего снижается риск утечки ресурсов.
2. Упрощенный синтаксис: с оператором with благодаря четкому обозначению начала и конца использования ресурсов код становится удобнее для восприятия.
3. Обработка исключений: независимо от того, появляются исключения или нет, контекстными менеджерами корректно обрабатываются исключения и выполняются операции очистки.

Практическое применение

Контекстные менеджеры незаменимы в сценариях с файловыми операциями, подключениями баз данных, сетевыми сокетами и другими. Код получается более чистым и сопровождаемым благодаря инкапсуляции логики управления ресурсами.

С контекстными менеджерами на Python пишется эффективный код, который соответствует лучшим практикам управления ресурсами и обработки исключений.

Эффективная обработка файлов

Работа с файлами  —  типичная задача разработки на Python, будь то считывание, запись или оперирование ими. Эффективными приемами обработки файлов упрощается код, корректно управляются ресурсы.

Считывание и запись файлов

В Python применяются простые методы считывания и записи файлов. Функцией open() файл открывается, и указывается режим: r для считывания, w для записи, a для добавления и другие.

Пример считывания файла:

file_path = 'example.txt'

# Считывание файла целиком
with open(file_path, 'r') as file:
    content = file.read()
    print(content)

# Построчное считывание
with open(file_path, 'r') as file:
    for line in file:
        print(line.strip())

Пример записи в файл:

output_path = 'output.txt'

# Запись в файл
with open(output_path, 'w') as file:
    file.write("Hello, World!\n")
    file.write("This is a new line.")

Обработка путей к файлам

Модулем os.path в Python предоставляются функции для платформонезависимого оперирования путями к файлам.

Пример:

import os

file_path = 'data/myfile.txt'

# Получается каталог с путем к файлу
dir_name = os.path.dirname(file_path)
print(f"Directory: {dir_name}")

# Проверяется наличие файла
if os.path.exists(file_path):
    print("File exists")
else:
    print("File does not exist")

Применение pathlib для оперирования путями

Модулем pathlib предоставляется объектно-ориентированный подход к путям файловой системы с методами для простого оперирования путями и доступа к свойствам файлов.

Пример:

from pathlib import Path

file_path = Path('data/myfile.txt')

# Получается родительский каталог
parent_dir = file_path.parent
print(f"Parent directory: {parent_dir}")

# Проверяется, файл это или каталог
if file_path.is_file():
    print("It's a file")
elif file_path.is_dir():
    print("It's a directory")

Автоматическое закрытие файлов

Оператором with обеспечивается автоматическое закрытие файла после завершения операций, даже если при этом появляются исключения. Так предотвращаются утечки ресурсов, обеспечивается корректная очистка.

Практические рекомендации:

• Всегда корректно закрывайте файлы после использования, применяя оператор with.
• Обрабатывайте файловые исключения IOError, FileNotFoundError корректно  —  с содержательными сообщениями об ошибках.
• Используйте приемы платформонезависимого оперирования путями  —  для переносимости кода.

Эффективная обработка файлов необходима для управления данными и ресурсами в приложениях на Python. Благодаря этим приемам и рекомендациям пишется надежный код под задачи проектов, в котором реализуется обработка файлов.

Изучение модуля collections

Специальными структурами данных модуля collections на Python расширяются возможности встроенных типов данных: списков, кортежей, словарей, множеств. Эти структуры данных эффективны и удобны для конкретных сценариев.

defaultdict для словарей со значениями по умолчанию

defaultdict  —  это подкласс встроенного класса dict. Когда ключ не найден, им возвращается значение по умолчанию.

Пример:

from collections import defaultdict

# Использование «defaultdict» для подсчета частотности элементов в списке
colors = ['red', 'blue', 'red', 'green', 'blue', 'blue']
color_count = defaultdict(int)

for color in colors:
    color_count[color] += 1

print(color_count)
# Вывод: defaultdict(<class 'int'>, {'red': 2, 'blue': 3, 'green': 1})

Counter для подсчета хешируемых объектов

Counter  —  другой подкласс dict, им удобно подсчитывать вхождения элементов, хешируемых объектов.

Пример:

from collections import Counter

# Использование «Counter» для подсчета вхождений элементов в список
colors = ['red', 'blue', 'red', 'green', 'blue', 'blue']
color_counter = Counter(colors)

print(color_counter)
# Вывод: Counter({'blue': 3, 'red': 2, 'green': 1})

deque для двусторонних очередей

deque (произносится как «дек»)  —  это реализация двусторонней очереди для быстрых операций добавления и удаления с обеих сторон.

Пример:

from collections import deque

# Использование «deque» для быстрых операций добавления и удаления
d = deque([1, 2, 3])

# Добавляются элементы справа
d.append(4)

# Элементы добавляются слева
d.appendleft(0)

# Удаляется элемент справа
print(d.pop())  # Вывод: 4

# Удаляется элемент слева
print(d.popleft())  # Вывод: 0

print(d)  # Вывод: deque([1, 2, 3])

namedtuple для именованных кортежей

В namedtuple предоставляются именованные поля для кортежей, благодаря чему код становится удобнее для восприятия и самодокументируемым.

Пример:

from collections import namedtuple

# Создание именованного кортежа для представления точки «Point»
Point = namedtuple('Point', ['x', 'y'])

p1 = Point(1, 2)
print(p1.x, p1.y)  # Вывод: 1 2

Примеры практического использования

• defaultdict и Counter применяются для эффективного подсчета и объединения элементов.
• С помощью deque реализуются очереди и стеки с быстрыми операциями.
• С namedtuple, используемым для представления структурированных данных, повышается удобство восприятия кода.

Модулем collections на Python предлагаются мощные альтернативы стандартным структурам данных, повышаются производительность и ясность кода. С этими специализированными структурами данных на Python пишется более чистый и эффективный код под конкретные задачи.

Оптимизация производительности с itertools

Модулем itertools на Python предоставляются эффективные инструменты для работы с итераторами и итерируемыми объектами, благодаря чему пишется лаконичный код с экономным расходованием памяти для типичных задач оперирования данными.

itertools.chain для перебора нескольких итерируемых объектов

Функцией chain несколько итерируемых объектов объединяются в один, каждый из них последовательно перебирается.

Пример:

import itertools

# Итерируемые объекты объединяются
list1 = [1, 2, 3]
tuple1 = ('a', 'b', 'c')
combined_iterable = itertools.chain(list1, tuple1)

for item in combined_iterable:
    print(item)

# Вывод: 1, 2, 3, 'a', 'b', 'c'

itertools.product для декартова произведения итерируемых объектов

Функцией product вычисляется декартово произведение входных итерируемых объектов, генерируются кортежи со всеми возможными комбинациями.

Пример:

import itertools

# Вычисляется декартово произведение
list1 = [1, 2]
list2 = ['a', 'b', 'c']
cartesian_product = itertools.product(list1, list2)


for item in cartesian_product:
    print(item)

# Вывод: (1, 'a'), (1, 'b'), (1, 'c'), (2, 'a'), (2, 'b'), (2, 'c')

itertools.islice для получения среза итерируемых объектов

Функция islice  —  экономичный по расходу памяти способ получения среза итерируемых объектов без преобразования их в списки.

Пример:

import itertools

# Эффективно получается срез итерируемого объекта
data = range(10)
sliced_data = itertools.islice(data, 2, 7, 2)

for item in sliced_data:
    print(item)

# Вывод: 2, 4, 6

Примеры практического использования

• С itertools.chain несколько последовательностей перебираются, как одна.
• С помощью itertools.product генерируются комбинации или перестановки входных итерируемых объектов.
• С itertools.islice эффективно обрабатываются большие итерируемые объекты, причем без полной их загрузки в память.

Применение отложенных вычислений

Одно из главных преимуществ функций itertools  —  отложенное вычисление. При необходимости значения генерируются ими «на лету», так экономится память и повышается производительность при работе с большими наборами данных.

С функциями itertools на Python пишется более эффективный и элегантный код, который легко справляется со сложными задачами обработки данных.

Написание питонического кода

Писать питонический код  —  значит следовать идиомам и рекомендациям программирования на Python, делая код удобнее для восприятия, лаконичнее и эффективнее. Питонический код  —  это не только синтаксис, но и отражение философии Python как языка.

PEP 8: руководство по стилю для Python

PEP 8  —  это стилевое руководство, в котором изложены рекомендации и соглашения для написания чистого, согласованного кода на Python. С соблюдением указаний PEP 8 код становится понятнее для других разработчиков на Python.

Вот ключевые моменты PEP 8:

• Используйте отступ в четыре пробела.
• Ограничивайте строки 79 символами.
• Давайте переменным содержательные названия.
• Соблюдайте соглашения об именовании: нижний регистр lower_case для переменных и функций, все слова с заглавной буквы UpperCamelCase для классов.
• Используйте пробелы вокруг операторов и после запятых, но не после открывающей и перед закрывающей круглыми скобками.

Списковые и словарные включения

Списковые включения  —  это отличительная особенность питонического кода, лаконичный и удобный способ создания списков.

Пример:

# Непитонический способ
squares = []
for x in range(10):
    squares.append(x**2)


# Питонический способ, со списковыми включениями
squares = [x**2 for x in range(10)]

Так же лаконично словарными включениями создаются словари:

# Непитонический способ
square_dict = {}
for x in range(10):
    square_dict[x] = x**2


# Питонический способ, со словарными включениями
square_dict = {x: x**2 for x in range(10)}

Контекстные менеджеры и оператор with

С оператором with код Python получается более сопровождаемым и удобным для восприятия при работе с внешними ресурсами, которыми необходимо корректно управлять, например файлами, подключениями баз данных.

Пример:

# Непитонический способ
file = open('example.txt', 'r')
try:
    contents = file.read()
finally:
    file.close()


# Питонический способ, с оператором «with»
with open('example.txt', 'r') as file:
    contents = file.read()

Питонические идиомы и шаблоны

Питоническими считаются такие идиомы и шаблоны Python:

• EAFP, расшифровывается как «Проще попросить прощения, чем разрешения». Этим стилем написания кода предполагается наличие допустимых ключей или атрибутов. Если предположение оказывается ложным, перехватываются исключения.

Пример:

# Непитонический способ
if 'key' in my_dict:
    value = my_dict['key']
else:
    value = default_value

# Питонический способ, с EAFP
try:
    value = my_dict['key']
except KeyError:
    value = default_value

Использование enumerate. При переборе последовательности, когда нужно отслеживать индекс и элемент.

Пример:

# Непитонический способ
index = 0
for element in my_list:
    print(f"Index {index}: {element}")
    index += 1

# Питонический способ, с «enumerate»
for index, element in enumerate(my_list):
    print(f"Index {index}: {element}")

• Предотвращение лишних циклов или ветвлений. С мощными встроенными функциями Python map, filter, any, all и другими, а также включениями тот же результат обычно достигается лаконичнее.

Написание кода, удобного для восприятия

В питоническом коде приоритет отдается удобству восприятия. Другим разработчикам Python и вам самим должно быть легко понимать и сопровождать код.

Пример:

# Непитонический
def avg(numbers):
    total = sum(numbers)
    return total / len(numbers) if len(numbers) > 0 else 0

# Питонический
def avg(numbers):
    return sum(numbers) / len(numbers) if numbers else 0

Если при написании кода следовать рекомендациям PEP 8 и питоническим принципам, он получается эффективным, удобным для восприятия и сопровождения. При эффективном их применении проявляются простота и выразительность Python.

Но следует учитывать, что технологии баз данных благодаря частым обновлениям и доработкам постоянно развиваются, поэтому эти сравнения будут меняться.

Заключение

Мы изучили основные концепции и приемы программирования на Python, которыми прокачиваются навыки и продуктивность разработчика. По каждой теме  —  от обработки исключений до виртуальных сред для изолирования проектов  —  рассмотрели практические рекомендации для расширения возможностей по написанию более чистого, эффективного кода.

Разобрались с ролью контекстных менеджеров Python в управлении ресурсами, эффективными приемами обработки файлов и специальными структурами данных в модуле collections, обзаведясь инструментами для решения различных задач программирования. Продемонстрировали способность Python эффективно и элегантно обрабатывать большие наборы данных, оптимизировав производительность с помощью itertools.

Продолжая углублять свои знания Python, не забывайте применять эти приемы в проектах. Воспользуйтесь универсальностью и богатой экосистемой библиотек и инструментов Python для создания надежных решений под требования современной программной разработки.

Приступаете ли вы к новым проектам или совершенствуете имеющиеся, применением этих приемов и рекомендаций наверняка повысите свои навыки программирования на Python и преуспеете как технический специалист. Не теряйте любознательности, следуйте за простотой и мощью Python к инновационным решениям и большим результатам.

Читайте также:

• Python 3.11: функционал, который вам понравится
• Базовая торговая стратегия, позволяющая переиграть рынок
• Работа с панелью индикаторов. Руководство программиста Python. Часть 3

Читайте нас в Telegram, VK и Дзен

---

Перевод статьи CyCoderX: 5 Things I Wish I Knew Earlier in Python! 🐍