ОРКСЭ Python является императивным языком программирования. Императивное программирование – это парадигма, в которой разработчик описывает, как именно нужно выполнять действия, шаг за шагом. В Python программист указывает последовательность команд, которые компьютер должен выполнить, чтобы достичь желаемого результата. Однако, Python также поддерживает элементы декларативного программирования, такие как генераторы, где разработчик описывает, что нужно получить, а не как именно это сделать. Но в целом Python больше ориентирован на императивный стиль программирования.
Python: императивное программирование
Python является императивным языком программирования. В императивном программировании программист составляет последовательность команд, которые выполняются компьютером. Python также поддерживает некоторые функциональные и объектно-ориентированные концепции программирования, однако основной подход в языке является императивный.
Императивный vs. декларативный язык программирования
Императивный язык это термин, который относится к классу языков программирования, использующих прямые команды для управления компьютером, в отличие от декларативных языков. В императивных языках программист явно описывает действия, которые нужно выполнить компьютеру, а не просто описывает желаемый результат. Примеры императивных языков программирования это Java, C, C++, Python и JavaScript.
Декларативный язык – это язык программирования, который назначает техническую реализацию системы или программы для достижения определенной цели, но не указывает конкретных шагов для ее выполнения. Вместо этого вы определяете, какая информация должна быть обработана, а система сама определяет, как решить эту проблему. Примерами декларативных языков являются SQL для работы с базами данных и HTML для создания веб-страниц. Такие языки обычно используются в случаях, когда важнее задать желаемый результат, чем указать, как добиться этого результата.
Преимущества массивов NumPy
Основное преимущество массивов NumPy перед списками Python заключается в том, что NumPy использует более оптимизированную память и имеет более эффективные методы работы с массивами (из-за реализации на C), что делает его подходящим выбором для работы с большими объемами данных и научных вычислений.
Например, с NumPy вы можете выполнять бродкастинг (broadcasting), матричные операции и другие векторизованные вычисления с более высокой производительностью, чем при использовании вложенных списков.
Некоторые из основных преимуществ NumPy:
- Высокая производительность при работе с большими объемами данных
- Бродкастинг и векторизованные вычисления
- Матричные операции
Если вы работаете с массивами данных, над которыми нужно выполнять научные вычисления, то использование NumPy будет более предпочтительным вариантом, чем использование списков Python.
Подготовка к Плехановской олимпиаде
Регистрируйся на программу подготовки к Плехановской Олимпиаде школьников по финансовой грамотности 2023/2024!
Заочный (отборочный) этап проводится онлайн. Никуда специально приезжать не нужно.
Победители и призеры Плехановской олимпиады получают весомые льготы при поступлении в РЭУ им. Г.В. Плеханова и другие вузы России вплоть до зачисления без вступительных испытаний на бюджетное обучение в университет!
Отборочный этап
Отборочный этап (дистанционный) проходит на платформе для прохождения отборочного этапа в период 07.11.2023 – 21.01.2024 (Тесты доступны на протяжении всего этапа).
Олимпиадные задания
Олимпиадные задания состоят из двух тестов, на выполнение каждого из которых отводится одна попытка, продолжительность каждого теста 50 минут. Баллы за тест № 1 и тест № 2 суммируются; допуск к заключительному этапу на основе рейтинга полученных баллов за оба теста и допускаемого регламентом олимпиады процентного соотношения.
Тест № 1 доступен с 7 ноября 2023 года по 21 января 2024 года. Тест № 2 доступен с 20 ноября 2023 года по 21 января 2024 года.
Необходима регистрация для доступа к заданиям отборочного этапа. Технические рекомендации по регистрации на сайте олимпиад и прохождению заданий олимпиад.
Инструменты для статического анализа кода
Для статического анализа кода существует несколько инструментов:
- Первый инструмент
- Второй инструмент
- Третий инструмент
Эти инструменты могут улучшить качество кода, облегчить его чтение и поддержку. Помогут избежать ошибок, связанных с типами переменных, например. Подробнее о статическом анализе кода в целом можно почитать здесь.
Перезагрузка импортированного модуля
Чтобы перезагрузить импортированный модуль в Python, вы можете использовать функцию reload() из модуля importlib.
Пример:
from importlib import reload
import module_name
reload(module_name)
Замените module_name на фактическое имя модуля, который вы хотите перезагрузить. Это может быть полезно при разработке и тестировании модулей.
Атрибут dict объекта
Атрибут dict содержит словарь, который хранит атрибуты объекта в виде пар ключ-значение. Этот словарь заполняется значениями при создании объекта и может быть изменен позже.
Пример:
class Person:
def __init__(self, name):
self.name = name
person1 = Person(Alice)
person1.age = 25
print(person1.__dict__)
Использование атрибута slots в классе
Атрибут slots в классе Python используется для оптимизации памяти и ускорения работы с объектами класса. Позволяет явно указать, какие атрибуты объекта будут использоваться.
Дополнительные разъяснения можно найти здесь.
Оптимизация работы с атрибутами класса в Python
Когда вы определяете класс, Python создает для каждого экземпляра этого класса словарь, который содержит все его атрибуты. Это может быть выгодным в том случае, если у вас много различных атрибутов, но может привести к большому расходу памяти, если вы создаете много экземпляров класса с небольшим количеством атрибутов.
Преимущества использования атрибута slots
Атрибут __slots__ позволяет определить, какие атрибуты должны быть на самом деле созданы для каждого экземпляра класса, и в какой момент их можно будет получить. Если вы используете атрибут __slots__, Python уже не будет создавать словарь для каждого экземпляра класса, а будет использовать непосредственно массив атрибутов, что может ускорить работу программы и уменьшить использование памяти.
Например, если у вас есть класс Person с атрибутами name и age, вы можете определить __slots__ следующим образом:
class Person:
__slots__ = [name, age]
p = Person()
p.name = Alice
p.age = 30
Таким образом, каждый экземпляр класса Person будет содержать только атрибуты name и age, и никакие другие атрибуты не будут созданы.
Переменные среды, влияющие на интерпретатор Python
Несколько известных переменных среды, влияющих на поведение интерпретатора Python:
- PYTHONPATH: определяет список каталогов, в которых интерпретатор Python будет искать модули.
- PYTHONDONTWRITEBYTECODE: если установлено в любое ненулевое значение, интерпретатор Python не будет создавать файлы .pyc для скомпилированного байт-кода.
- PYTHONSTARTUP: определяет путь к файлу, который содержит инициализационный код Python, он выполняется в начале каждой сессии интерпретатора.
- PYTHONIOENCODING: задает кодировку, которую интерпретатор Python должен использовать для обработки ввода / вывода.
- PYTHONLEGACYWINDOWSSTDIO: если установлено в любое ненулевое значение, указывает интерпретатору Python использовать режим Windows для ввода-вывода вместо UNIX-стиля.
В зависимости от операционной системы, может быть и другие переменные среды, которые влияют на поведение интерпретатора Python.
Альтернативные реализации Python
Существуют альтернативные реализации Python, такие как Cython, IronPython и PyPy, каждая из которых предлагает уникальные функции и преимущества по сравнению со стандартной реализацией Python (CPython).
- Cython: обеспечивает значительное повышение производительности по сравнению со стандартным кодом Python.
- IronPython: позволяет коду Python легко взаимодействовать с другими приложениями .NET.
- PyPy: может обеспечить значительное повышение производительности по сравнению со стандартным кодом Python.
Эти альтернативные реализации Python расширяют функциональные возможности языка и предоставляют больше возможностей разработчикам.
Возможности и перспективы
Лекторий – это возможность узнать новое, углубить знания и развиваться профессионально. Обучение языку Python и его особенностям позволяет расширить кругозор и использовать язык более эффективно в своей работе.
Подготовлено профессиональным SEO копирайтером
Лекторий будет полезен как тем, кто уже находится на продвинутом уровне подготовки (возможность прокачать свои навыки), так и тем, кто только находится на этапе освоения подходов к решению заданий ЕГЭ.
Учись у лучших преподавателй
Директор школы и составитель программ. К. ф.-м. н., кафедра квантовой теории и физики высоких энергий Член ЦПМК ВСОШ по физике, методических комиссий олимпиад школьников "ПВГ" и "Робофест" по физике, участие в проведении Московской олимпиады школьников по физике
Кандидат физико-математических наук. В настоящее время является старшим преподавателем на кафедре общей физики. На кафедре работает с 1996 года. Принимает участие в проведении олимпиад по физике «Ломоносов», «Робофест», а также в проведении ДВИ по физике
Приходи на физфак
От лица Физического факультета Московского университета приглашаю Вас принять участие в проводимых нами мероприятиях и поближе познакомиться с нашей образовательной программой, научно-исследовательской работой, а также пообщаться с преподавателями и руководителями уникальных научных лабораторий.
Владимир Викторович Белокуров
Декан Физического факультета МГУ, профессор
СВЯЗАТЬСЯ С ФАКУЛЬТЕТОМ
Есть ли в Python оператор switch-case?
В Python нет прямого оператора switch-case, как в других языках программирования. Однако, начиная с версии Python 3.10, появилась возможность использовать оператор match-case, который является аналогом switch-case в других языках. Он позволяет проверять значения на соответствие определенным шаблонам и выполнять соответствующее действие в зависимости от того, какой шаблон соответствует значению.
Пример использования оператора match-case:
Оператор match-case доступен только в версии Python 3.10 и выше, поэтому если вы используете более старую версию Python, то нужно воспользоваться другими способами для решения задачи, например, использовать условные выражения if-elif-else или словари.
Python полностью поддерживает ООП?
Да, Python является полностью объектно-ориентированной языком. Он поддерживает все основные принципы ООП: наследование, инкапсуляцию и полиморфизм.
В Python все объекты в явном виде являются экземплярами классов, и даже типы данных, такие как список или словарь, являются классами со своими методами и атрибутами. Кроме того, Python поддерживает множественное наследование, который позволяет создавать новые классы, которые наследуют методы и атрибуты от нескольких родительских классов одновременно.
В целом, Python предоставляет множество инструментов для написания кода в объектно-ориентированном стиле, и это один из главных его преимуществ, особенно для написания крупных и сложных приложений.
Исключение NotImplementedError возникает, когда метод или функция должны быть реализованы в подклассе, но не были реализованы. Это может произойти, когда родительский класс определяет метод, но не реализует его сам, а оставляет это для подклассов. В этом случае, если подкласс не реализует метод, он будет вызывать исключение NotImplementedError. Это может быть полезно для отладки, чтобы убедиться, что все необходимые методы реализованы в подклассах. Это также может возникнуть в других ситуациях, например, если вы пытаетесь использовать неопределенную функцию или метод.
Подготовиться к олимпиаде
Требования к уровню языковой подготовки школьников
Рекомендации школьникам для подготовки к олимпиаде
Содержание заключительного этапа 2024
Для качественной подготовки к этапам олимпиады рекомендуем ознакомиться с материалами для подготовки и заданиями прошлых лет.
Подготовительные курсы РГПУ им. А. И. Герцена приглашают на подготовку к олимпиадам по английскому языку дистанционно из любой точки России!
Стоимость курса (руб.)
Подготовка к олимпиадам по английскому языку 1 модуль «Подготовка к отборочному этапу» 12 занятий 20 000 ноябрь-декабрь
2 модуль «Подготовка к заключительному этапу» 6 занятий 10 000 февраль-март
Занятия проходят один-два раза в неделю в вечернее время дистанционно
ВКонтакте (тема в обсуждениях «вопросы-ответы»)
Когда использование Python является «правильным выбором» для проекта?
Использование Python может быть правильным выбором для проекта в следующих случаях:
Однако Python может не быть оптимальным выбором для тех приложений, где требуется высокая производительность или многоуровневая безопасность. В этих случаях может быть предпочтительнее использование языков, таких как C++, Java, или C#. Ну или Rust, не зря же он у нас самый любимый язык).
Поддерживает ли python множественное наследование?
Да, Python поддерживает множественное наследование. Это означает, что класс может наследовать функциональность от нескольких предков, путем указания их имен в скобках при определении класса.
class MyBaseClass1: pass class MyBaseClass2: pass class MyDerivedClass(MyBaseClass1, MyBaseClass2): pass
В этом случае MyDerivedClass является подклассом MyBaseClass1 и MyBaseClass2, и поэтому наследует их функциональность. Класс MyDerivedClass может использовать методы и атрибуты, определенные в MyBaseClass1 и MyBaseClass2.
Существует несколько способов объявления класса, который наследует от нескольких родительских классов, но один из распространенных способов – это просто указать несколько родительских классов в скобках при определении класса-потомка.
Cледующий код определяет класс MyClass, который наследует от классов Parent1 и Parent2:
class Parent1: def method1(self): print("This is a method from Parent1") class Parent2: def method2(self): print("This is a method from Parent2") class MyClass(Parent1, Parent2): pass obj = MyClass() obj.method1() # outputs "This is a method from Parent1" obj.method2() # outputs "This is a method from Parent2"
Приведенный выше код создает MyClass, который наследует свойства и методы как от класса Parent1, так и от класса Parent2. Вы можете вызвать методы как от Parent1, так и от Parent2 через объект MyClass.
Зачем нужен pdb?
pdb – это интерактивный отладчик для Python, с помощью которого можно перемещаться по коду во время запуска вашей программы, смотреть и изменять значения переменных, построчно навигироваться по коду (в том числе углубляться во вложенности кода), назначать брейкпоинты и все прочие операции присущие отладчику.
Когда интерпретатор дойдет до этой строки, он приостановится, и можно использовать команды pdb для проверки состояния вашей программы. Таким образом, pdb — это полезный инструмент для отладки кода Python, поскольку он позволяет в интерактивном режиме проверять состояние кода и выявлять проблемы.
Много полезного про pdb можно почерпнуть тут — Профилирование и отладка Python
Как имплементировать словарь с нуля?
Для реализации словаря можно использовать хэш-таблицу. Хэш-таблица – это структура данных, которая обеспечивает эффективный поиск, вставку и удаление элементов. Ключи преобразуются в индексы с помощью хэш-функции, и значения хранятся в соответствующих ячейках памяти. Например, можно создать класс, который будет имитировать словарь:
Теперь можно создавать экземпляры этого класса и использовать их, как обычный словарь:
Это простой пример, и на практике словари в Python имеют более сложную реализацию, чтобы обеспечить высокую производительность и эффективность использования памяти.
Как упаковать бинарные зависимости?
Для упаковки бинарных зависимостей в проект следует использовать менеджеры пакетов. Для Python наиболее распространены pip и conda.
Пример для Python с использованием pip:
Для упаковки бинарных зависимостей можно использовать инструмент wheel. Wheel-файлы – это zip-архивы, содержащие установочные файлы для Python-пакетов, и могут содержать бинарные расширения (например, скомпилированные модули C), которые необходимо собрать и установить на целевой машине.
Для создания wheel-файла для Python-пакета можно использовать команду pip wheel. Например, если есть файл с требованиями requirements.txt, содержащий список зависимостей вашего проекта, можете создать wheel-файлы для всех зависимостей с помощью следующей команды: pip wheel -r requirements.txt Вы также можете установить wheel-файлы с помощью pip install, указав имя файла: pip install mypackage-1.0.0-py3-none-any.whl
Таким образом, вы можете создавать и распространять бинарные зависимости в виде wheel-файлов и использовать их при установке пакетов на других устройствах.
Что может быть ключом в словаре?
В Python ключом в словаре может быть любой неизменяемый объект, такой как число, строка или кортеж. Например:
В этом примере ключами словаря являются число 1, строка ‘two’ и кортеж (3, 4).
Однако, если вы попытаетесь использовать изменяемый объект, такой как список, как ключ словаря, вы получите TypeError:
Также, если вы попытаетесь добавить два ключа в словарь с одинаковым хеш-кодом, то второй ключ перезапишет первый:
Кстати, а что вернёт данный код?
В чем разница между NumPy и SciPy?
NumPy и SciPy – это две отдельные библиотеки для Python, которые используются для научных вычислений и работы с массивами данных.
NumPy – это библиотека для работы с многомерными массивами данных, включая матрицы, и предоставляет широкий набор функций для быстрой операции с массивами и векторами. Она часто используется в математических вычислениях, научной обработке данных, машинном обучении и других областях науки и техники.
SciPy – это библиотека для научных вычислений и анализа данных, основанная на NumPy. Она включает множество модулей для работы с различными задачами, такими как оптимизация, интеграция, обработка изображений, статистика, алгебра и другие научные и инженерные задачи.
Таким образом, хотя NumPy используется для основных операций на многомерных массивах и матрицах, SciPy используется для решения более сложных задач научных вычислений, таких как оптимизация, интеграция и обработка изображений.
Некоторые задачи, где может использоваться NumPy:
Некоторые задачи, где может использоваться SciPy:
Региональные площадки
Площадка проведения олимпиады Дата и время (указывается местное время) (продолжительность олимпиады 120 минут) Подробная информация (дополняется)
Санкт-Петербург (Английский, Испанский, Немецкий, Французский) РГПУ им. А. И. Герцена 23 марта 2023 г., время уточняется г. Санкт-Петербург, наб. р . Мойки д. 48 (вход с ул. Казанская д. 3А, по паспорту), корпус 1. Схема прохода
ФГБОУ ВО «Алтайский государственный университет» 23 марта 2023 г., время уточняется
Глазовский государственный инженерно-педагогический университет имени В.Г. Короленко 23 марта 2023 г., время уточняется
Красноярский государственный педагогический университет им. В.П. Астафьева 23 марта 2023 г., время уточняется
Московская область (Москва) (Английский) ФГБОУ ВО «Государственный университет просвещения» 23 марта 2023 г., время уточняется
Кемеровский государственный университет 23 марта 2023 г., время уточняется
Пензенский государственный университет 23 марта 2023 г., время уточняется
Южно-Уральский государственный гуманитарно-педагогический университет 23 марта 2023 г., время уточняется
Северо-Восточный федеральный университет имени М.К. Аммосова 23 марта 2023 г., время уточняется
Как проходят занятия?
1. Первые 5 минут занятия – математическая разминка. Далее преподаватель рассказывает теорию занятия и разбирает на доске типовые задания темы.
2. Каждому учащемуся выдается подборка из 15–20 задач для самостоятельного решения. Преподаватель отвечает на вопросы, помогает ребятам индивидуально. Через 40–60 минут ученики сдают бланки с письменными решениями. В конце занятия преподаватель проводит разбор задач. Преподаватель проверяет решения и выставляет баллы после занятия.
3. Всем ученикам выдается домашнее задание (15–20 задач), его необходимо делать и самостоятельно проверять по нашим ответам для закрепления материала.
График проведения
Олимпиада проходит в два этапа: отборочный (дистанционный) и заключительный (очный).
ОТБОРОЧНЫЙ ЭТАП: 7 ноября 2023 г. – 21 января 2024 г. Подробная информация в разделе Отборочный этап.
ЗАКЛЮЧИТЕЛЬНЫЙ ЭТАП: планируется 23 марта 2024 г. Подробная информация будет размещена в разделе Заключительный этап.
Как ускорить существующий код python?
Чтобы ускорить существующий код на Python, можно использовать несколько подходов:
Компромиссы: если выполнение кода нельзя ускорить до приемлемого уровня, можно рассмотреть возможность использования компромиссов, например, уменьшить количество данных, обрабатываемых кодом, или упростить логику выполнения задачи.
Может ли быть индекс списка отрицательным?
Да, индекс списка может быть отрицательным. В таком случае, отрицательное значение считается от конца списка, где -1 соответствует последнему элементу, -2 — предпоследнему элементу и так далее.
Например, чтобы получить последний элемент списка my_list в Python, можно использовать следующую команду:
Также можно использовать отрицательные значения для срезов (slicing) списка, например:
Но следует учесть, что если индекс отрицательный и его абсолютное значение больше или равно длине списка, будет возбуждено исключение IndexError.
Чем отличаются многопоточное и многопроцессорное приложение?
Многопоточное и многопроцессорное приложения отличаются друг от друга в том, как они используют ресурсы компьютера.
В многопроцессорных приложениях каждый процесс имеет свой собственный набор ресурсов, включая память, открытые файлы, сетевые соединения и другие системные ресурсы. Многопроцессорность в Python может быть достигнута с помощью библиотек multiprocessing и concurrent.futures.
В многопоточных приложениях несколько потоков выполняются в рамках одного процесса, используя общие ресурсы. Это означает, что все потоки имеют доступ к общим данным. Реализация многопоточности в Python выполняется за счет стандартной библиотеки threading.
При правильном использовании оба подхода могут ускорить выполнение программы и улучшить управляемость ею, однако многопоточное приложение может иметь проблемы с блокировками и условиями гонки при доступе к общим ресурсам. В многопроцессорных приложениях каждый процесс защищен от других процессов и обеспечивает более высокую степень изоляции.
Так выглядит многопоточность, потоки конкурируют за доступ к ресурсам, памяти и др. в рамках одного процесса
Отличное видео с объяснением
А так выглядит многопроцессорность
Отличное видео, объясняющее многопроцессорность
Как перевернуть генератор?
Можно перевернуть генератор в Python, используя функцию reversed(). Вот пример, который демонстрирует это:
В этом примере мы используем функцию reversed() вместе с функцией list(), чтобы создать обратный список элементов, сгенерированных генератором. Затем мы используем этот список с циклом for для перебора элементов в обратном порядке. Если вы работаете с большими наборами данных, может быть полезно использовать обратное итерирование без использования list(), чтобы избежать создания полной копии.
Здесь мы используем функцию reversed() вместе с функцией tuple() для обратного итерирования через генератор без создания полной копии.
Напишите регулярное выражение, которое будет принимать идентификатор электронной почты. Используйте модуль re.
Для написания регулярок в Python используется модуль re.
https://regex101.com/ — отличный сайт по работе с регулярками, кстати)
Что не так с этим кодом? Зачем это нужно?
if __debug__: assert False, ("error")
Этот код вызывает ошибку утверждения assert с сообщением "error", если __debug__ равен True. __debug__ – это встроенная переменная Python, которая является истинной, если к интерактивной консоли или скрипту был присоединен флаг оптимизации -O. Для типичных скриптов в режиме отладки эта переменная равна True. Если оптимизация включена, то интерпретатор Python игнорирует все операторы утверждения assert, поэтому этот код не вызовет ошибку в optimized mode. Такой код может быть использован для проверки инвариантов в программе или для отладки кода. Если утверждение не выполняется и вызывается AssertionError, это означает, что в программе произошло что-то непредвиденное, что нарушило заданное утверждение, и программа остановится с сообщением об ошибке.
Как работать с транзитивными зависимостями?
Для работы с транзитивными зависимостями можно использовать систему управления зависимостями, например, pipenv, poetry или pip. Эти системы позволяют устанавливать зависимости и их транзитивные зависимости, а также контролировать версии зависимостей. Например, при использовании pipenv для установки и работы с зависимостями можно использовать следующие команды:
pipenv shell. Эта команда позволит активировать виртуальное окружение, в котором установлены зависимости.
Также можно использовать файлы requirements.txt или setup.py для установки зависимостей и их транзитивных зависимостей, сорри за тавтологию.
Группы подготовки к поступлению в ШГН
Для кого
Для учеников 4 класса, которые собираются поступать в школы городского набора. ШГН — это лучшие школы и лицеи города
Принцип набора
Свободная запись на первый блок в октябре; конкурсный отбор на второй блок в январе
2 раза в неделю по 2 часа
Учеников в группе
Группы до 18 человек на одного преподавателя
Стоимость в месяц
Будет опубликована при открытии записи.
Как реализуется управление памятью в python?
Управление памятью осуществляется автоматически с помощью механизма сборки мусора (Garbage collector).
Когда объект в Python больше не нужен (например, после того как на него уже нет ссылок), он помечается как garbage (мусор), после чего он будет автоматически удален при следующем запуске сборщика мусора.
Используется метод подсчета ссылок для отслеживания того, когда объект уже не нужен, и этот объект должен быть освобожден. Кроме того, Python также использует циклический сборщик мусора (Cycle detector), который может определить и удалить объекты, на которые ссылается другой объект, на который уже нет ссылок.
Сборка мусора в Python использует алгоритм под названием reference counting, который подсчитывает количество ссылок на каждый объект в памяти. Когда количество ссылок на объект становится равным нулю, он помечается как мусор и память автоматически освобождается.
В Python также реализованы другие алгоритмы сборки мусора, такие как generational garbage collection, который разбивает объекты на несколько "поколений" и собирает мусор с различной частотой в зависимости от поколения, в котором они находятся, но reference counting является основой управления памятью в Python.
Модуль gc в Python также предлагает дополнительный функционал для управления памятью. Например, метод gc.collect() позволяет сделать принудительную сборку мусора.
Если в блоке try произошло исключение, то выполнение программы переходит к соответствующему блоку except, и ветка else пропускается. Если блок except не указан, то исключение будет возбуждено дальше, а программа завершится с сообщением об ошибке.
a, b = map(int, input().split()) try: print(a / b) except: print(‘Ошибка’) else: print(‘Ошибки не было’) # это выводится для любых чисел a, b, если b != 0
Назовите модули в Python, связанные с файлами
Некоторые модули, связанные с файлами в Python:
Ну и подборка некоторых полезных функций из этих библиотек:
import os os.getcwd() # показать текущий каталог os.path.exists(‘sample_data’) # проверка, существует ли каталог ‘sample_data’ os.mkdir(‘test_dir’) # создаём каталог ‘test_dir’ os.listdir(‘sample_data’) # смотрим содержимое каталога ‘sample_data’
import os from glob import glob # список всех .csv в ‘sample_data’ all_csv = list(glob(os.path.join(‘sample_data’, ‘*.csv’))) print(all_csv)
import shutil # копируем ‘sample_data/README.md’ в ‘test_dir’ shutil.copy( os.path.join(‘sample_data’, ‘README.md’), os.path.join(‘test_dir’) )
Как создать класс без слова class?
Kласс можно создать без использования ключевого слова class, используя типы type или metaclass.
Например, следующий код определяет класс MyClass без использования ключевого слова class:
Этот код эквивалентен определению класса с использованием ключевого слова class:
class MyClass: x = 42 def foo(self): return self.x
Оба определения класса эквивалентны и создают объект класса MyClass. Но, честно, использование ключевого слова class читабельнее, хотя где-нибудь может пригодиться и type с metaclass.
Новости
20.02.2024 Определена дата заключительного этапа олимпиады – 23 марта 2024 г. Открыта регистрация на заключительный этап. Размещены: список региональных площадок; распределение участников по площадкам; список необходимых документов. Подробнее в разделе "Заключительный этап".
23.01.2024 Опубликованы результаты отборочного этапа. Проведение заключительного этапа планируется 23 марта 2024 г. Список региональных площадок будет опубликован позднее.
22.01.2024 Завершился отборочный этап олимпиады. Результаты в процессе обработки. Списки будут опубликованы в разделе "Результаты"
07.11.2023 Задания ОТБОРОЧНОГО ЭТАПА доступны для прохождения.
02.11.2023 Открыта регистрация на олимпиаду!
02.10.2023 Олимпиада вошла в Перечень олимпиад школьников на 2023/24 учебный год
Как передать необязательные или ключевые параметры из одной функции в другую?
В Python для передачи необязательных параметров в функцию используется синтаксис со знаком звездочки (*) и двойной звездочки (**). Вот пример:
def my_function(required_arg, *args, **kwargs): print(required_arg) if args: print(args) if kwargs: print(kwargs) my_function(‘Hello, world!’, 2, 3, 4, my_keyword=’some_value’)
В этом примере required_arg – обязательный аргумент функции my_function. После этого первого аргумента мы указали символ звездочки (*), чтобы пометить все следующие аргументы как необязательные. В примере, это args, который преобразуется в кортеж. Далее, мы указали символ двойной звездочки (**), чтобы пометить все следующие аргументы как необязательные с ключами. Это параметр kwargs, который преобразуется в словарь. В вызове my_function, мы передаем обязательный аргумент ‘Hello, world!’, аргументы args – 2, 3, 4, и ключевой параметр my_keyword со значением ‘some_value’ в kwargs. Таким образом, эта функция может принимать переменное количество аргументов, как позиционных, так и именованных.
Чем отличаются iter и next?
iter и next являются специальными методами в Python, которые обеспечивают поддержку итерации для объектов.
Метод iter возвращает объект, который может быть использован для итерации по элементам контейнера. Объект, возвращаемый iter, должен содержать метод next. Метод next должен вернуть следующий элемент в итерации или вызвать исключение StopIteration, если элементов больше нет.
Таким образом, метод iter используется для создания итератора, а метод next используется для перехода к следующему элементу в итерации. В общем случае, класс должен определять метод iter, который возвращает сам объект класса, и метод next, который определяет, какие элементы будут возвращены при итерации.
Метод iter возвращает сам объект, а метод next возвращает следующий элемент data каждый раз, когда вызывается.
Как присоединиться к занятиям
Вы можете приобрести как 1 интересующую вас тему, так и весь цикл лекций по одному или более предметам.
Стоимость 1 темы (каждого предмета): 2 200 руб.
Лекторий будет проходить в здании Факультета довузовской подготовки:
3-й Колобовский переулок, дом 8/2 Ст. метро «Цветной бульвар», «Трубная»
Мы на карте!
Как сделать python-скрипт исполняемым в различных операционных системах?
Для того чтобы сделать Python-скрипт исполняемым в различных операционных системах, можно воспользоваться утилитой PyInstaller, которая позволяет упаковать скрипт в исполняемый файл для Windows, Linux и macOS.
Чтобы установить PyInstaller, можно выполнить следующую команду в командной строке: pip install pyinstaller
После установки PyInstaller необходимо перейти в директорию с Python-скриптом и запустить утилиту с соответствующими параметрами для создания исполняемого файла. Например: pyinstaller myscript.py –onefile
Эта команда создаст единый исполняемый файл myscript.exe (для Windows) или myscript (для Linux/macOS), который можно запустить на соответствующих операционных системах.
Если нужно создать исполняемый файл с определенными параметрами, можно воспользоваться другими параметрами PyInstaller, такими как –icon для добавления иконки, –name для задания имени исполняемого файла и т.д. Но стоит отметить, что PyInstaller не является универсальным решением и возможна потребность в использовании других инструментов в зависимости от конкретной задачи и требований к исполняемому файлу.
В чём разница между пакетами и модулями?
Модуль – это файл, содержащий код Python, который может быть повторно использован в других программах.
Пакет – это директория, содержащая один или несколько модулей (или пакетов внутри пакетов), а также специальный файл init.py, который выполняется при импорте пакета. Он может содержать код, который инициализирует переменные, функции и классы, и становится доступным для использования внутри модулей, находящихся внутри этого пакета.
Таким образом, основная разница между модулем и пакетом заключается в том, что модуль – это файл с кодом, который можно использовать повторно, а пакет – это директория, которая может содержать один или несколько модулей. Код, находящийся в файле init.py, может инициализировать переменные, функции и классы, что обеспечивает общую функциональность для всех модулей, находящихся внутри пакета. Например, если у нас есть пакет mypackage, в нем может находится несколько модулей, таких как module1.py, module2.py. В файле init.py определяются функции и переменные, которые могут использоваться внутри module1 и module2.
Некоторые примеры импорта:
import mymodule # импортируем модуль from mypackage import mymodule # импортируем модуль из пакета from mypackage.mymodule import myfunction # импортируем функцию из модуля в пакете
Как dict и set реализованы внутри? Какова сложность получения элемента? Сколько памяти потребляет каждая структура?
Dict и Set реализованы в виде хэш-таблицы.
Хэш-таблица – это структура данных, которая использует хэш-функцию для преобразования ключа в индекс в массиве, где хранятся значения. Затем элемент добавляется в массив по соответствующему индексу.
Так работает хэш-таблица:
Сложность получения элемента в Dict и Set в наилучшем случае составляет O(1), поскольку элемент может быть получен просто с помощью хэш-функции в качестве индекса массива. Однако в худшем случае, когда возникают хэш-коллизии, сложность может вырасти до O(n), где n – количество элементов в таблице.
Ну и сложность операций добавления, удаления и поиска элементов в Set и Dict также составляет O(1) в наилучшем случае и O(n) в худшем случае.
Какие пространства имен существуют в python?
Пространство имен — это совокупность определенных в настоящий момент символических имен и информации об объектах, на которые они ссылаются.
Python имеет множество встроенных пространств имен. Некоторые из них включают:
Это далеко не полный список, но это некоторые из наиболее распространенных пространств имен в Python.