Груг против сложности. Я пролинтил все посты на Хабре про Python, и вот что я нашёл

Сейчас поправили, а раньше на виндоусе файл при падении программы оставался заблокированным и приходилось что-то делать, чтобы открыть его снова.

Можно упереться в лимит открытых файлов.

Удобный print с номером строки и названием переменной

Кажется вы лечите симптомы.

Предположим что вы работаете с каким либо классом, в котором к примеру
~3000 строчек. Количество "принтов" увеличивается, и понять с первого
раза какой "принт" к какой переменной относится становится не просто.

Это плохой код, тут не принты нужны а рефакторинг.

Немного кокретики на примере вашей библиотеки. У кода неприлично высокая цикломатическая сложность. Это проблема. Перепишите на сложность не более 10 и тогда проблема с тем, что непонятно откуда идёт печать изчезнет.

кто разрабатывает веб приложения (и не только) на удаленном сервере

Эту жутко неудобно, но иногда приходится. Я решаю эту проблему юнит тестами. При этом подходе практически ничего не надо удалённо дебажить.

Плагины, горячие клавиши, настройки для PyCharm

PyCharm относительно лёгкая

У меня мощная машина, в общем я с вами согласен.

String Manipulation

Нажать рефакторинг и сделать руками выглядит быстрей.

Python Smart Execute

Чтобы выполнить файл и продолжить в консоли есть python -i, в пайчарме в настройках запуска есть галочка для этого. Запускается весь файл, а не его часть, но у меня небольшие функции и запускать кусок из них нет смысла.

Rainbow Brackets

Планин, чтобы было удобнее писать плохой код.

Extra Icons

Хотим облегчить процесс кодинга? Но как?


Из хоткеев:

ALT+ENTER quick fix.

double tap on SHIFT (search everywhere), это найти класс, функцию, файл, PyCharm action в одном меню. 4 хоткея в одном.

CTRL + RMB -> got to declaration/show usages (зависит от контекста где кликать).

В меню Help > MyProductivity есть статистика, но мне она кажется странной.

Груг против сложности. Я пролинтил все посты на Хабре про Python, и вот что я нашёл

Слишком абстрактно, где граница?

Я использую классы для dependency injection, так как без этого сложно писать юнит-тесты. Если выкинуть тесты, то эти классы можно убрать.

O в SOLID, пропагандирует содавать новый класс вместо изменения существующего. В результате код который создан в процессе эволюции продукта содержит больше классов, чем если бы его написали сразу.

Груг против сложности. Я пролинтил все посты на Хабре про Python, и вот что я нашёл

В данном примере тайпхинтинг позволяет только работать с методами BaseClass.

А что там внутри для тайпхинтинга не важно. По большому счёту BaseClass это просто коллекция типа dict. Тип не знает что у него внутри, но знает как к этим внутренностям дять доступ снаружи.

Груг против сложности. Я пролинтил все посты на Хабре про Python, и вот что я нашёл

Да, для человека это важно.

В вашем же примере, с кодом работает машина и ей по большому счёту всё равно там датакласс или нет. Передайте этот тупл в конструктор вашего BaseSensors и внтури творите с ним, всё что хотите.

Груг против сложности. Я пролинтил все посты на Хабре про Python, и вот что я нашёл

Вместо сабжевого roll, pitch, yaw, speed = ... используется одна переменная.

some_tuple = ...

Ну это можно и без датаклассов делать. Просто не распаковывать tuple в переменные.

Груг против сложности. Я пролинтил все посты на Хабре про Python, и вот что я нашёл

А где собственно сахар? Вполне себе базовые конструкции языка.

Линтеры в общем подталкивают к такому подходу, там сильно с вложенными ифами не забалуешь.

Груг против сложности. Я пролинтил все посты на Хабре про Python, и вот что я нашёл

Спасибо, посмотрю. Вот это точно стоит попробоват: baseline: integrate into a huge project

Груг против сложности. Я пролинтил все посты на Хабре про Python, и вот что я нашёл

Это считается помещающейся в 80 символов?

def very_long_function_name(
    argument: int,
    another_argument: str,
    super_long_argument: list[dict[float, list[int]]],
) -> bool:
    pass

Груг против сложности. Я пролинтил все посты на Хабре про Python, и вот что я нашёл

Попробовал затащить к себе плагины. Что-то даже нашли. Поживу с ними посмотрю как будет работать.

В документации к flake8-commas==2.1.0 рекомендуют использовать black вместо него.

flake8-annotations-coverage==0.0.6 и flake8-annotations==2.9.1 конфликтуют. Первый плагин считает покрытие и не имеет настроек, а второй требует 100% для включённых опций. В flake8-annotations у меня отключена часть требований:
ANN101 Missing type annotation for self in method
ANN204 Missing return type annotation for special method
Поэтому в flake8-annotations-coverage для себя не вижу смысла.

Я flake8 через pre-commit запускаю, поэтому не опубликованные в pip плагины не захотели работать, например git+https://github.com/c0ntribut0r/flake8-grug

Груг против сложности. Я пролинтил все посты на Хабре про Python, и вот что я нашёл

У меня сразу в голове возникают вопросы - а что именно скрывается за этими "_" - и будьте уверены, я пойду ковырять этот get_many_params в попытке это понять.

А для других это возможность срезать и не читать лишние переменные.

Go вообще запрещает объявлять неиспользуемые переменные на уровне компилятора. Но есть один способ обойти это https://go.dev/doc/effective_go#blank

Груг против сложности. Я пролинтил все посты на Хабре про Python, и вот что я нашёл

Еще при чтении кода помогают.

Использование slots | Python

Очень неплохое видео про оптимизации производительности Питона, про слоты там тоже есть.

https://www.youtube.com/watch?v=Ix04KpZiUA8

Груг против сложности. Я пролинтил все посты на Хабре про Python, и вот что я нашёл

Спасибо за статью, у меня похожий шаблон для flake8, обогащу его вашими находками.

Я использую совместно с black, это автоматом исключает многие ворнинги.

Сложные аннотации типов можно вынести в переменную. Часто вместо типа Generator можно указать Iterator так проще. Когда я хочу подчеркнуть, что dict который я возвращаю менять не надо, я использую аннотацию Mapping

Когнитивную сложность у себя я отключил. Цикломатическая и когнитивная на маленьких цифрах очень похожа, а так плагином меньше.

Они, наверно, супермены и всегда помнят, что надо закрывать файлы?

Если быть педантом, то нужно еще через try-finally

Для настраеваемых функций часто использую класс с __call__ . Его потом легко подменять в тестах.

from typing import Callable

from requests import Session


class Get:
    def __init__(self, session: Session):
        self._session = session

    def __call__(self, url: str) -> bytes:
        res = self._session.get(url)
        res.raise_for_status()
        return res.content


def application(getter: Callable[[str], bytes], url: str) -> bytes:
    return getter(url)


application(Get(session=Session()), "https://google.com")


def stub(_: str):
    return b"test"


  application(stub, "https://google.com")

Как мы переходили с pip на Poetry

5. Разделение зависимостей на зависимости проекта и зависимости разработки

Я зависимости на 3 части разделяю.

- проект
- CI (pytest, линтеры, ...)
- dev, то что нужно на локальной машине, обычно там только pre-commit.

На poetry посматриваю.

Фу, тестовое. Или 8 ошибок в заданиях для QA на живом примере

На деле оно проверяет только степень занятости проверяющего, и еще то, с какой ноги он встал с утра.

Актуально для всех этапов собеседования.

Можно подумать, что кто-то из специалистов реально будет разбираться в чьем-то чужом коде

Это тесты на API, там не должно быть сложности. Если всем дают одинаковое здание, то проверка должна занимать минут 10.

Скорее всего вообще кинут его не глядя в корзину и сделают отписку либо: "ОК." либо: "Говнокод." (лично я когда-то так всегда и делал :D).

Если не времени сделать нормально, надо говорить Нет.

Фу, тестовое. Или 8 ошибок в заданиях для QA на живом примере

Я почти не сомневаюсь, что вы сделали глупость, упустив того потенциального коллегу, который показал вам широту взглядов и умений вместо того, чтобы закапываться в очевидные для него вещи.

Возможно ему бы стало скучно писать просто тесты.

Эффективное использование any и all в Python

Генераторы не требуют памяти, но делают больше вычислений.
Создание списка меньше действий, но требует выделения памяти.

Разное железо, версия питона могут немного поменять позиции в списке для худшего случая.

Эффективное использование any и all в Python

Или можно так:

print(ch in range(1, 1000000001))