60th

В одном из телеграм-каналов однажды наткнулся на рубрику в нескольких постах, где в таких маленьких зарисовках рассказывали компактные решения, фичи и тд.

Вот архивчик всего того что я нашёл:

list(Path('.').rglob('*.py')) -> Рекурсивный поиск всех файлов с расширением .py в текущей директории и поддиректориях.
timeit(lambda: your_func(), number=1000) -> Быстрый замер скорости выполнения кода (запускает your_func 1000 раз и возвращает общее время).
[m for m in dir(obj) if not m.startswith('_')] -> Получение списка всех публичных методов и атрибутов объекта.
df.dropna() -> Удаление всех строк с пропущенными значениями (NaN) из DataFrame в pandas.
list(ThreadPoolExecutor().map(func, iterable)) -> Простое распараллеливание: запуск функции func для каждого элемента iterable в отдельном потоке.
dict(Counter(my_list)) -> Подсчет количества каждого уникального элемента в списке. Возвращает словарь {элемент: количество}.
[x for x, c in Counter(lst).items() if c > 1] -> Поиск всех дубликатов в списке.
list(filter(None, data)) -> Фильтрация списка, удаляющая все "ложные" значения (None, False, 0, "", []).
try: foo() except Exception as e: logging.exception(e) -> Конструкция для перехвата любого исключения из функции foo() и его логирования с полной трассировкой.
pd.DataFrame(list_of_dicts) -> Превращение списка словарей в таблицу (DataFrame) pandas.
{v: k for k, v in d.items() if list(d.values()).count(v) == 1} -> Инвертирование словаря (ключи становятся значениями и наоборот), но только для уникальных значений.
start = time(); result = fn(); print(f'{time() - start:.2f}s') -> Простейший способ замерить время выполнения одной операции.
random.sample(big_list, k=100) -> Взять 100 случайных, уникальных элементов из большого списка без его изменения.
max(data, key=lambda x: x.score) -> Найти в списке объектов тот, у которого атрибут score максимален.
textwrap.dedent(multiline_string) -> Удаление лишних общих отступов слева у многострочной строки.
[func() for _ in range(5) if not success()][-1] -> Хитрый способ повторить вызов func до 5 раз, пока success() не вернёт True.
json.loads(Path('file.json').read_text()) -> Чтение JSON-файла и его преобразование в объект Python (словарь или список).
v /= np.linalg.norm(v) -> Нормализация NumPy-вектора (приведение его длины к 1) на месте.
'\n'.join(f'{k}={v}' for k, v in sorted(os.environ.items())) -> Вывод всех переменных окружения в отсортированном по имени виде.
urlencode(params) -> Преобразование словаря params в строку запроса для URL (например, key=value&key2=value2).
Path('file.txt').read_text().splitlines() -> Чтение текстового файла целиком в список строк, автоматически убирая символы переноса \n.
hashlib.sha256(b"your text").hexdigest() -> Получение SHA256-хеша от строки в шестнадцатеричном формате.
','.join(map(str, numbers)) -> Преобразование списка чисел в одну строку, где числа разделены запятой.
raise SystemExit("Done") -> Корректный способ остановить выполнение скрипта с сообщением (не считается ошибкой).
sys.getsizeof(obj) -> Получение размера объекта в байтах в памяти.
[i for sub in nested for i in sub] -> "Распрямление" списка списков в один плоский список.
~mask -> Инвертирование булевой маски в NumPy (True становится False и наоборот).
seen = set(); [x for x in lst if not (x in seen or seen.add(x))] -> Удаление дубликатов из списка с сохранением исходного порядка элементов.
result = func(**params) -> Распаковка словаря params в именованные аргументы для функции func.
dict(Counter(lst).most_common(5)) -> Получение 5 самых часто встречающихся элементов в списке и их количества.
s[:n] + '…' if len(s) > n else s -> Обрезка строки до n символов с добавлением многоточия, если она была длиннее.
[random.randint(0, 1) for _ in range(n)] -> Создание списка из n случайных нулей и единиц.
date.today().isoformat() -> Получение сегодняшней даты в стандартном формате YYYY-MM-DD.
os.path.getsize(path) / 1024**2 -> Получение размера файла в мегабайтах.
dict(random.sample(d.items(), len(d))) -> Перемешивание словаря (создание нового словаря со случайным порядком ключей).
with contextlib.redirect_stdout(io.StringIO()): exec('code') -> Выполнение куска кода в виде строки, подавляя любой его вывод в консоль.
[lst[i:i+n] for i in range(0, len(lst), n)] -> Разделение списка на "чанки" — списки одинакового размера по n элементов.
socket.create_connection((host, port), timeout=2) -> Проверка, доступен ли TCP-порт на указанном хосте (быстрая альтернатива ping).
s.replace('from', 'to', 1) -> Замена только первого вхождения подстроки в строке.
all(isinstance(x, (int, float)) for x in lst) -> Проверка, что все элементы в списке являются числами (int или float).
groups = defaultdict(list); [groups[k].append(v) for k, v in data] -> Группировка списка кортежей (ключ, значение) в словарь {ключ: [значения]}.
copy = pickle.loads(pickle.dumps(obj, -1)) -> Быстрое и глубокое копирование объекта, работающее для большинства стандартных типов.
r = requests.post(url, json=payload) -> Отправка POST-запроса с автоматической сериализацией словаря payload в JSON-тело.
is_symlink = Path(p).is_symlink() -> Проверка, является ли путь p символической ссылкой, а не реальным файлом или папкой.
merged = {**d1, **d2, **d3} -> Быстрое объединение нескольких словарей. Значения из последующих словарей перезаписывают значения из предыдущих при совпадении ключей.
is_sorted = all(a <= b for a, b in zip(lst, lst[1:])) -> Эффективная проверка, отсортирован ли список по возрастанию, без создания копий списка.
matches = re.findall(r'\d+', text) -> Поиск всех непересекающихся вхождений по регулярному выражению в строке и возврат их в виде списка строк.
domain = urlparse(url).netloc -> Простое и надёжное извлечение домена (например, www.example.com) из полного URL.
nums = list(map(int, str_list)) -> Компактное преобразование списка строк в список целых чисел.
rows = list(csv.DictReader(open('file.csv'))) -> Чтение CSV-файла в виде списка словарей, где ключами являются заголовки столбцов.
bits = f'{num:08b}' -> Преобразование целого числа в его двоичное представление в виде строки, дополненной нулями до 8 символов.
json.dump(obj, open('data.json', 'w'), indent=2) -> Сохранение объекта Python (словаря, списка) в JSON-файл с красивым форматированием (отступ в 2 пробела).
lines = [l for l in lines if l.strip()] -> Фильтрация списка строк, удаляющая пустые строки и строки, состоящие только из пробельных символов.
params = dict(parse_qsl('a=1&b=2')) -> Преобразование строки URL-запроса (query string) в словарь.
uniq = [s for s in seq if not (s in seen or seen.add(s))] -> Эффективное удаление дубликатов из последовательности с сохранением исходного порядка (требует seen = set()).
idx = max(range(len(lst)), key=lst.__getitem__) -> Нахождение индекса максимального элемента в списке без дополнительного поиска.
is_nested = all(isinstance(i, list) for i in lst) -> Проверка, является ли список "вложенным", т.е. все его элементы — это списки.
clean = re.sub(r'\W+', '', text) -> Удаление из строки всех символов, не являющихся буквами, цифрами или знаком подчёркивания.
signal.alarm(2); try: ... except: ... -> Ограничение времени выполнения блока кода (только для Unix-подобных систем).
fields = [f.name for f in dataclasses.fields(MyClass)] -> Получение списка имён всех полей для заданного дата-класса.