Телеграм канал «Постоянный репозиторий по Python»

Знаете ли вы, что переменные можно менять местами без временной переменной?
 
Во многих языках программирования для обмена значений приходится использовать дополнительную переменную:
 
a = 10
b = 20
 
temp = a
a = b
b = temp
 
В Python всё гораздо проще:

a = 10
b = 20
 
a, b = b, a

После выполнения:

a = 20
b = 10

Как это работает?
На самом деле Python сначала формирует кортеж: (b, a)
а затем распаковывает его обратно: a, b = (20, 10)

Поэтому обмен происходит корректно и без потери данных.

Но этим возможности распаковки не ограничиваются

Можно сразу получать несколько значений:
name, age, city = ("Artem", 37, "Moscow")
Или разделять начало и конец последовательности:
first, *middle, last = [1, 2, 3, 4, 5]
 
Результат:
 
first  -> 1
middle -> [2, 3, 4]
last   -> 5

Где это полезно?

✅ Обмен переменных
✅ Возврат нескольких значений из функции
✅ Обработка CSV и таблиц
✅ Работа с координатами
✅ Разбор данных из API

Интересный факт

Многие считают, что это просто красивый синтаксис.
На самом деле распаковка кортежей — одна из ключевых идей Python, которая используется буквально повсюду:
- в циклах через enumerate()
- в zip()
- при возврате нескольких значений из функций
- в pattern matching (Python 3.10+)

Почему range()– это не список (и почему это круто)

Многие думают, что: range(1_000_000) создаёт огромный список чисел в памяти.
Но на самом деле – нет 😎

Что такое range() на самом деле

range() – это специальный объект, который:
·      НЕ хранит все числа сразу
·      генерирует значения по мере необходимости
·      занимает очень мало памяти
 
Почему это важно

Сравним две конструкции:
 
numbers = list(range(1_000_000))
и
numbers = range(1_000_000)
Во втором случае память почти не расходуется.
Потому что Python не создаёт миллион объектов заранее.

Как это работает
range() хранит только:
·      начало
·      конец
·      шаг
А нужное число вычисляет «на лету». Поэтому можно спокойно писать:

for i in range(10_000_000):
    ...
 
и не бояться, что память мгновенно закончится.
 
Почему это пример хорошего дизайна Python
 
Python старается:
 
·      не делать лишнюю работу
·      не создавать лишние объекты
·      вычислять данные тогда, когда они реально нужны
 
Это называется ленивыми вычислениями (lazy evaluation).
 
Где это особенно важно
 
·      обработка больших данных
·      ETL-пайплайны
·      генерация последовательностей
·      работа с файлами
·      стриминг данных
 
Частая ошибка ❌
 
list(range(...))
 
Люди часто превращают range в список без необходимости.
А потом удивляются расходу памяти.
 
Когда список всё-таки нужен
Только если:
нужен случайный доступ с изменением
нужны методы списка
данные действительно должны храниться целиком
 
Главное правило
Если можно не создавать список — лучше его не создавать.
 
Вывод
range() – отличный пример того, как Python экономит память и делает код эффективнее без лишней магии.

Почему try/except – это не замена if
Очень частая ошибка начинающих:
value = input()
 
try:
    if int(value) > 10:
        print("OK")
except:
    print("Ошибка")
 
На первый взгляд всё нормально.
Но здесь есть серьёзная проблема.

В чём ошибка подхода?

except начинает ловить вообще всё подряд:
- ошибки преобразования
- ошибки логики
- опечатки
- ошибки в коде
- даже системные исключения

И в итоге реальные проблемы могут просто скрыться.

Как делают правильно
 
value = input()
 
if value.isdigit():
    number = int(value)
 
    if number > 10:
        print("OK")
else:
    print("Введите число")
 
Главное правило

👉 if — для ожидаемой логики
👉 try/except — для действительно исключительных ситуаций

Когда try/except нужен
Например:

try:
    with open("data.txt") as f:
        data = f.read()
except FileNotFoundError:
    print("Файл не найден")
 
Здесь ошибка действительно может произойти во внешней среде.
 
Самая опасная конструкция ❌
 
except:
 
Почему это плохо:
скрывает реальные ошибки
усложняет отладку
может ломать логику программы
 
Правильнее так ✔️
 
except ValueError:
 
То есть ловить конкретное исключение.
 
Почему это особенно важно в Data Science / ETL

Иногда pipeline «успешно работает»,
но половина ошибок просто тихо проглатывается через:
 
except:
    pass
 
А потом начинается магия:

- данные пропадают
- метрики ломаются
- результаты «странные»
 
Краткое правило

- ожидаемая ситуация → if
- неожиданная ошибка → try/except
- никогда не писать голый except