Практичные Python-привычки, которые реально повышают качество кода 1. Явное состояние и мемоизация Скрытые состояния в замыканиях и декораторах часто приводят к трудноуловимым багам. from functools import wraps def memoize(func): cache = {} @wraps(func) def wrapper(args): if args not in cache: cache[args] = func(args) return cache[args] return wrapper Использование @wraps сохраняет имя функции, docstring и метаданные — критично для дебага и интеграции с Flask. 2. Асинхронность для продакшн Асинхронность часто ухудшает код, если использовать её неправильно. import asyncio, aiohttp TOTAL_REQUESTS = 1_000_000 sem = asyncio.Semaphore(1000) async def fetch(session, url): async with sem: try: async with session.get(url) as resp: return await resp.text() except aiohttp.ClientError: return None async def main(): urls = [f"https://api.site/{i}" for i in range(TOTAL_REQUESTS)] async with aiohttp.ClientSession() as session: for i in range(0, len(urls), 10_000): chunk = urls[i:i+10_000] tasks = [fetch(session, url) for url in chunk] await asyncio.gather(tasks) Контроль через Semaphore + чанки предотвращает OOM и блокировки API. Используйте create_task() для управления жизненным циклом корутин. 3. Ошибки и raise Не ловите всё подряд и используйте новые возможности языка. # Python 3.11+ user.is_admin or raise PermissionError("Not allowed!") raise как выражение и except (Python 3.11) делают обработку ошибок лаконичной и безопасной: # Python 3.11+ try: await asyncio.gather(fail1(), fail2()) except ValueError as ve: # Только ValueError print(f"ValueErrors: {ve.exceptions}") except TypeError as te: # Только TypeError print(f"TypeErrors: {te.exceptions}") 4. Типизация и валидация from pydantic import validate_call from typing import Annotated from pydantic.types import Gt, Ge, Le @validate_call def calculate_discount( price: Annotated[float, Gt(0)], discount: Annotated[float, Ge(0), Le(100)] ) -> float: return price * (1 - discount / 100) Constraints прямо в аннотациях делают сигнатуры самодокументируемыми и безопасными без дублирования проверок. 5. Ленивая загрузка и кеширование @cached_property и functools.cache экономят время при дорогих вычислениях. from functools import cached_property import time class UserReport: def init(self, user_id): self.user_id = user_id @cached_property def total_spent(self): print("Querying database...") time.sleep(2) # expensive call return 199.99 r = UserReport(123) print(r.total_spent) # computed once print(r.total_spent) # cached instantly del r.dict["total_spent"] print(r.total_spent) # recomputed after cache reset Результат хранится в dict объекта, можно сбросить при необходимости. Отлично подходит для API-запросов и конфигураций. 6. Python 3.14+ Новые возможности языка ускоряют работу и упрощают код: uuid7() — уникальные и сортируемые по времени ключи ContextVar как контекстный менеджер t-strings (t"...") для отложенных шаблонов subTests для granular тестирования from string.templatelib import Template def render(template: Template): parts = [] for item in template: if isinstance(item, str): parts.append(item) else: parts.append(item.value) return "".join(parts) user = "Alice" role = "admin" t = t"user: {user} — role: {role}" s = render(t) Жалко что не добавили .format() для t -строк Заключение Даже небольшие изменения в подходе к разработке дают ощутимый эффект на качество кода и скорость разработки. 👉 @python_real