Время сейчас непростое - страна довольно ощутимо напрягается пытаясь помочь нашим воинам на СВО - постоянно собираются пожертвования и гуманитарные конвои. Постоянно нужна помощь нашим бойцам как в вооружении, так и в бытовом плане. Есть необходимость практически заново отстраивать огромное количество населенных пунктов на "новых" старых территориях. И тут такая демонстрация роскоши. С демонстративным наплевательством на многие законы.

Никогда не поверю, что наша власть не способна дать пинка зарвавшимся. Уверен, что будет достаточно одного единственного разговора с г-ном Кадыровым старшим - чтобы хотябы не выставлялось это напоказ.

Думаю тут бы гораздо большее уважение получилось бы собрать - если бы Адам например организовал поставку дронов в войска, генераторов, техники, амуниции. Шефство над восстановлением каких-либо населенных пунктов. Гуманитарные конвои. И тому подобное. Ведь в самом начале было огромное уважение - чеченцы собрали добровольческие батальоны и отправили их на СВО.

Показывать молодецкую удаль и понтоваться можно по разному. И результат этого тоже был бы совершенно другой.

> 💡 Альтернатива словарю, когда удобнее писать `obj.name`, а не `obj['name']`.

5. Множества — `set`

Неупорядоченная коллекция уникальных элементов. Поддерживает операции: объединение, пересечение, разность.

Применяется для удаления дубликатов и проверки вхождения.

Создание: `{}` или `set()`

6. Неизменяемые множества — `frozenset`

Неизменяемая версия `set`. Можно использовать как ключ в словаре или элемент другого множества.

7. namedtuple — именованные кортежи

Неизменяемая структура с доступом по именам полей. Аналог кортежа, но читаемее.

> 💡 Отлично подходит для представления записей: точки, пользователи, конфиги — когда важна неизменяемость и читаемость.

8. deque — двусторонняя очередь

Оптимизирован для быстрых операций в начале и конце. Аналог списка, но эффективнее для `appendleft`, `popleft`.

> 💡 Используется в алгоритмах: BFS, кэширование (LRU), буферы, где важна производительность на концах.

9. Counter — счётчик элементов

Подсчитывает частоту элементов в итерируемом объекте. Удобен для статистики, анализа.

> 💡 Полезен для анализа текстов, логов, голосований — везде, где нужно посчитать, «что встречается чаще».

10. defaultdict — словарь со значениями по умолчанию

Автоматически создаёт значение по умолчанию при отсутствии ключа. Убирает необходимость проверок `if key in dict`.

> 💡 Убирает шаблонный код вида `if key not in d: d[key] = []`. Делает код чище и безопаснее.

11. dataclass — классы данных

Декоратор для автоматического создания классов с инициализатором, строковым представлением, сравнением и т.д.

> 💡 Заменяет ручное написание `__init__`, `__repr__`, `__eq__`. Идеален для DTO, конфигов, моделей.

12. UserList — кастомные списки

Наследуется от `collections.UserList`. Используется, чтобы создать список с переопределённым поведением.

> 💡 Полезен, когда нужно добавить логирование, валидацию, или изменить поведение стандартного списка.

13. UserDict — кастомные словари

Наследуется от `collections.UserDict`. Используется, чтобы создать словарь с переопределённым поведением.

> 💡 Используется для создания словарей с нормализацией ключей, валидацией, логированием, кешированием и т.п.

---

Сравнение коллекций по памяти и скорости

Выбор коллекции влияет на производительность и потребление памяти. Ниже — практические замеры для типичных сценариев.

1. Память: `list` vs `tuple` vs `array.array`

Создадим коллекции из 1 000 000 целых чисел и сравним размер в памяти.

> 💡 Вывод:
> - `array.array` экономит ~2x памяти для чисел.
> - `list` и `tuple` потребляют примерно одинаково, но `tuple` немного быстрее при итерации.

---

2. Скорость доступа: `list` vs `tuple` vs `array.array`

Замерим время доступа к каждому элементу в коллекции из 10 000 000 элементов.

> 💡 Вывод:
> - `array.array` — самый быстрый для чисел.
> - `tuple` быстрее `list` на 10–20%.
> - Разница заметна на больших объёмах.

3. Память: `dict` vs `SimpleNamespace` vs `dataclass`

Создадим объекты с 5 полями и сравним размер.

> 💡 Вывод:
> - `SimpleNamespace` и `dataclass` потребляют столько же памяти, сколько `dict`, потому что используют `__dict__`.
> - Если нужна экономия — используйте `__slots__` (см. ниже).

4. Экономия памяти: `dataclass` с `__slots__`

> 💡 Вывод:
> - `__slots__` экономит память и ускоряет доступ к атрибутам.
> - Цена — нельзя добавлять новые атрибуты динамически.

5. Скорость поиска: `list` vs `set`

Проверим, насколько быстрее `set` при проверке вхождения.

> 💡 Вывод:

> - `set` в тысячи раз быстрее `list` для проверки вхождения.

> - Всегда используй `set`, если нужно часто проверять `x in collection`.

6. Память: `set` vs `frozenset`

> 💡 Вывод:
> - `frozenset` и `set` потребляют одинаково.
> - Разница только в изменяемости.

7. Скорость добавления: `list.append` vs `deque.append` vs `deque.appendleft`

> 💡 Вывод:
> - `deque.appendleft` работает за O(1), в отличие от `list.insert(0)`, который O(n).
> - Для частых операций на обоих концах — только `deque`.

---

Общие рекомендации по производительности

Сравнение коллекций

> * — с Python 3.7+ словари, `defaultdict`, `UserDict`, `ChainMap` сохраняют порядок вставки.

---

Когда что использовать?

Первая часть

Понравилось — ставь «+»
Полезно? Подпишись.
Задавай вопросы в комментариях 👇👇👇
Удачи! 🚀

- определение длины ( `len(collection)` )

- доступ по индексу или ключу (если упорядочены или ассоциативны)

> 💡 В Python нет строгого интерфейса «коллекция», но есть неформальные протоколы. Если объект поддерживает `__iter__`, `__len__`, `__contains__` — его можно считать коллекцией.

---

Что не является коллекцией

Следующие типы не считаются коллекциями, так как не содержат группы элементов:

- `int`, `float`, `bool` — скалярные значения

- `None` — отсутствие значения

- функции, модули, классы — это объекты, но не контейнеры данных (если только не содержат `__dict__`)

---

Основные встроенные коллекции

Доступны без импортов:

Расширенные коллекции из стандартной библиотеки

Другие коллекции и коллекционоподобные типы

Хотя не всегда называются «коллекциями» в бытовом смысле, эти типы тоже хранят или представляют группы данных.

1. `str` — строка

Неизменяемая упорядоченная коллекция символов.

2. `bytes`, `bytearray`

3. `range`

Ленивая упорядоченная последовательность чисел. Не хранит элементы в памяти.

4. `array.array`

Хранит однотипные числовые данные компактно (как в C).

5. Генераторы и итераторы

Не хранят данные — генерируют по запросу. Не поддерживают `len()` или индексацию.

6. `ChainMap` (из `collections`)

Объединяет несколько словарей в одну виртуальную коллекцию — поиск идёт по цепочке.

7. `OrderedDict` (из `collections`)

Словарь с гарантированным порядком вставки. Актуален для Python < 3.7.

8. `enum.Enum`, `enum.Flag`

Коллекции именованных констант.

9. `typing.NamedTuple`, `typing.TypedDict`

Типизированные обёртки над `namedtuple` и `dict`.

10. `heapq`, `bisect` — инструменты, а не коллекции

Работают с коллекциями, но сами коллекциями не являются:

- `heapq` — поддержка кучи через списки.
- `bisect` — вставка в отсортированный список с сохранением порядка.

---

1. Списки — `list`

Упорядоченная, изменяемая коллекция. Элементы могут повторяться, типы — любые.

Применяется, когда нужна гибкая последовательность: добавление, удаление, изменение элементов.

Создание: `[]`

2. Словари — `dict`

Коллекция пар **ключ → значение**. Ключи должны быть хешируемыми. С Python 3.7 сохраняет порядок вставки.

Полезен для структурированных данных: профили, конфиги, JSON.

Создание: `{}`

3. Кортежи — `tuple`

Упорядоченная, неизменяемая коллекция. Подходит для фиксированных данных.

Используется, когда важна неизменяемость: координаты, параметры, возвращаемые значения.

Создание: `()`

> 💡 Кортежи занимают меньше памяти и работают быстрее списков. Идеальны, когда изменяемость не нужна.

👉 Продолжение

Понравилось — ставь «+»
Полезно? Подпишись.

Удачи! 🚀