Как вы оцениваете свой уровень знания Python?

Уровень: Upper-Intermediate (B2). Активно использую Python для автоматизации тестирования и решения инженерных задач.

Применяемые знания на практике:

• Фреймворки для тестирования: Pytest (фикстуры, параметризация, плагины), Unittest.
• Работа с данными и API: Библиотеки requests, aiohttp (асинхронные запросы), BeautifulSoup/parsel для парсинга.
• Основы языка: Понимание и применение ООП, декораторов, генераторов, менеджеров контекста, работа с исключениями.
• Инструменты: Виртуальные окружения (venv), менеджеры пакетов (pip, poetry), линтеры (flake8).

Пример кода, демонстрирующий уровень:

import pytest
from typing import List, Dict

# Параметризованный тест с фикстурой
@pytest.fixture
def sample_data() -> List[Dict]:
    return [{"id": 1, "value": "test"}, {"id": 2, "value": "demo"}]

@pytest.mark.parametrize("item_id, expected_value", [(1, "test"), (2, "demo")])
def test_data_structure(sample_data, item_id, expected_value):
    """Тест проверяет корректность данных в списке словарей."""
    # Использование генератора для поиска
    found_item = next((item for item in sample_data if item["id"] == item_id), None)

    assert found_item is not None, f"Item with id {item_id} not found"
    assert found_item["value"] == expected_value

# Пример использования декоратора для логирования
import functools
import time

def log_execution_time(func):
    @functools.wraps(func)
    def wrapper(*args, **kwargs):
        start_time = time.perf_counter()
        result = func(*args, **kwargs)
        end_time = time.perf_counter()
        print(f"{func.__name__} выполнена за {end_time - start_time:.4f} сек")
        return result
    return wrapper

@log_execution_time
def process_large_dataset(data):
    # Имитация долгой обработки
    time.sleep(0.1)
    return len(data)