Python mobil ishlanmada: avtomatlashtirish, AI va ML

Python nima?

Python — dinamik qat'iy tiplash va avtomatik xotira boshqaruvi bilan interpretatsiya qilinadigan til. 1991 yilda Gvido van Rossum tomonidan yaratilgan. Til falsafasi (The Zen of Python) kodning o'qiluvchanligini targ'ib qiladi: «aniq narsa noaniqdan yaxshiroq», «sodda narsa murakkabdan yaxshiroq». Python 3.12+ naqsh moslashtirish (match-case) va yaxshilangan generiklarni qo'llab-quvvatlaydi.

Python ning standart kutubxonasi JSON (json), HTTP (urllib), arxivlar (zipfile), muntazam ifodalar (re) va ma'lumotlar bazalari (sqlite3) bilan ishlash uchun modullarni o'z ichiga oladi. Uchinchi tomon — PyPI da umumiy yuklab olish soni 500 milliarddan ortiq bo'lgan o'n minglab paketlar. PyPI (Python Package Index) — Python paketlarining eng katta ombori.

Python C tilida yozilgan CPython interpretatoridan foydalanadi. Muqobil tatbiqlar: PyPy (JIT kompilyatsiya, sof Python uchun 2–5 marta tezroq), Cython (Python ni C ga kompilyatsiya qilish), Numba (sonli hisoblar uchun JIT). Mobil skriptlar uchun CPython yetarli — avtomatlashtirish vazifalari uchun interpretatsiya tezligi muhim emas.

Python versiyalari

Python 2 qo'llab-quvvatlashi 2020 yilda tugatildi. Barcha zamonaviy loyihalar Python 3 dan foydalanadi. Joriy versiya — yaxshilangan JIT kompilyatori va eksperimental erkin oqimlarni (free-threaded Python) qo'llab-quvvatlash bilan 3.13 (2025). Mobil ishlanma uchun barcha asosiy kutubxonalar bilan mos keladigan 3.11–3.12 versiyasi barqaror.

Python mobil ishlanmani avtomatlashtirish uchun

Python — mobil ishlanmada avtomatlashtirish skriptlari uchun asosiy til. APK va IPA ni qurish, matn resurslarini qayta ishlash, maketlardan ekranlarni yaratish va ilovalar do'konlariga joylashtirish uchun ishlatiladi. Bitrise (2025) ma'lumotlariga ko'ra, mobil ilovalarning CI/CD quvurlarining 60% dan ortig'i Python qadamlarini o'z ichiga oladi.

Eng keng tarqalgan stsenariy — Fastlane Ruby bilan barcha ehtiyojlarni qoplamaydi va Python uni to'ldiradi: murakkab tasvirni qayta ishlash mantig'i, App Store Connect API bilan ishlash, Xcode hisobotlarini tahlil qilish va skrinshotlarni yaratish. Python skriptlari Fastfile dagi sh qadamlari yoki to'g'ridan-to'g'ri GitHub Actions orqali chaqiriladi.

# Ilova skrinshotlarini avtomatik o'lchamini o'zgartirish skripti
import os
from PIL import Image

def resize_screenshots(input_dir: str, output_dir: str, size: tuple) -> None:
    """Barcha PNG skrinshotlarni talab qilingan do'kon o'lchamiga o'zgartiradi."""
    for filename in os.listdir(input_dir):
        if not filename.lower().endswith(".png"):
            continue
        path = os.path.join(input_dir, filename)
        img = Image.open(path)
        resized = img.resize(size, Image.LANCZOS)
        out_path = os.path.join(output_dir, filename)
        resized.save(out_path, "PNG")
        print(f"Resized {filename} -> {out_path}")

resize_screenshots("screenshots_raw", "screenshots_resized", (1242, 2208))

Misolda skript papkadagi barcha PNG fayllarini aylanib chiqadi, ularni eng yaxshi sifat uchun LANCZOS filtri bilan iPhone 6.5" (1242x2208) o'lchamiga o'zgartiradi. print dagi f-qator fayl nomini almashtiradi. Bu skript do'kon tayyorlashda soatlab qo'l mehnatini tejaydi.

Android resurslarini qayta ishlash

Android uchun Python matn resurslarini (strings.xml) qayta ishlash, turli ekran zichliklari uchun dimen fayllarini yaratish va vektor grafikasini aylantirishda foydalidir. LXML va xml.etree.ElementTree Android ning XML resurslarini tahlil qilish va o'zgartirish imkonini beradi.

# Tarjimalar bilan CSV faylidan strings.xml yaratish
import csv
from xml.etree import ElementTree as ET
from xml.dom import minidom

def csv_to_strings(csv_path: str, lang: str) -> str:
    root = ET.Element("resources")
    with open(csv_path, "r") as f:
        reader = csv.DictReader(f)
        for row in reader:
            el = ET.SubElement(root, "string")
            el.set("name", row["key"])
            el.text = row[lang]
    rough = ET.tostring(root, encoding="unicode")
    parsed = minidom.parseString(rough.encode())
    return parsed.toprettyxml(indent="  ")

print(csv_to_strings("translations.csv", "ru"))

Python AI va ML da: mobil platformalar uchun modellarni o'qitish

Python — mashina o'rganishi uchun asosiy til. TensorFlow, PyTorch, scikit-learn, JAX va Hugging Face Transformers Python uchun yozilgan. Mobil dasturchilar Python dan qurilmada bajarish uchun TFLite (Android) yoki Core ML (iOS) ga aylantiriladigan modellarni o'qitishda foydalanadilar.

TensorFlow Lite — Google ning qurilmada mashina o'rganishi uchun freymvorki. Python da o'qitilgan model TensorFlow Converter orqali .tflite ga aylantiriladi va Interpreter API orqali Android ilovasiga yuklanadi. iOS uchun shunga o'xshash quvur PyTorch -> Core ML orqali.

# Ishoralarni tasniflash uchun oddiy modelni o'qitish
import tensorflow as tf
from tensorflow import keras

model = keras.Sequential([
    keras.layers.Input(shape=(64, 64, 3)),
    keras.layers.Conv2D(32, (3, 3), activation="relu"),
    keras.layers.MaxPooling2D(2, 2),
    keras.layers.Conv2D(64, (3, 3), activation="relu"),
    keras.layers.Flatten(),
    keras.layers.Dense(128, activation="relu"),
    keras.layers.Dropout(0.2),
    keras.layers.Dense(4, activation="softmax")
])

model.compile(optimizer="adam",
              loss="sparse_categorical_crossentropy",
              metrics=["accuracy"])

# O'qitishdan so'ng TFLite ga konvertatsiya
converter = tf.lite.TFLiteConverter.from_keras_model(model)
tflite_model = converter.convert()
with open("gesture_model.tflite", "wb") as f:
    f.write(tflite_model)

print(f"Model size: {len(tflite_model)} bytes")

Sequential modeli hovuzlash bilan ikkita konvolyutsion qatlam (Conv2D), to'liq bog'langan qatlam (Dense) va regulyarizatsiya uchun Dropout ni o'z ichiga oladi. Konversiyadan so'ng .tflite modeli asl SavedModel dan 4–6 marta kam joy egallaydi va mobil CPU yoki GPU da ishlaydi.

Edge ML va federated learning

Zamonaviy yondashuv — TensorFlow Federated yoki MLX (Apple) orqali to'g'ridan-to'g'ri qurilmada o'qitish. Python skripti arxitekturani belgilaydi va o'qitish foydalanuvchi ma'lumotlarida serverga yubormasdan amalga oshiriladi. Bu maxfiylikni oshiradi, lekin amalga oshirish qiyinroq. Aksariyat loyihalar klassik quvurdan foydalanadi: Python da o'qitish -> TFLite -> qurilmada inferensiya.

Python mobil ilovalarning server qismi uchun

Python — mobil ilovalar backend i uchun mashhur tanlov. Django REST Framework (DRF) va FastAPI tezda REST API yoki GraphQL server yaratish imkonini beradi. Python backend i mobil mijozlardan so'rovlarni qayta ishlaydi, autentifikatsiyani boshqaradi va WebSocket orqali ma'lumotlarni sinxronlashtiradi.

FastAPI — asinxron qo'llab-quvvatlash, OpenAPI spetsifikatsiyasini avtomatik yaratish va Pydantic orqali validatsiya bilan zamonaviy freymvork. FastAPI ning unumdorligi Node.js va Go bilan solishtirish mumkin — bitta yadroda 10 000 so'rov/s gacha. Mobil backend uchun FastAPI ishlab chiqish tezligi va o'rnatilgan hujjatlar uchun tanlanadi.

from fastapi import FastAPI, HTTPException
from pydantic import BaseModel
from typing import List
import sqlite3

app = FastAPI(title="Mobile App API")

class UserCreate(BaseModel):
    username: str
    email: str
    avatar_url: str | None = None

@app.post("/users", status_code=201)
async def create_user(payload: UserCreate):
    conn = sqlite3.connect("app.db")
    cur = conn.execute(
        "INSERT INTO users (username, email) VALUES (?, ?)",
        (payload.username, payload.email)
    )
    conn.commit()
    user_id = cur.lastrowid
    conn.close()
    return {"id": user_id, "username": payload.username}

@app.get("/users/{user_id}")
async def get_user(user_id: int):
    conn = sqlite3.connect("app.db")
    row = conn.execute(
        "SELECT id, username, email FROM users WHERE id = ?",
        (user_id,)
    ).fetchone()
    conn.close()
    if not row:
        raise HTTPException(status_code=404, detail="User not found")
    return {"id": row[0], "username": row[1], "email": row[2]}

Pydantic modeli UserCreate kirish ma'lumotlarini validatsiya qiladi: username va email majburiy qatorlar, avatar_url ixtiyoriy. Asinxron endpointlar (async def) ma'lumotlar bazasini kutishda serverni bloklamaydi. Foydalanuvchi muvaffaqiyatli yaratilganda 201 status kodi qaytariladi.

Real-time uchun WebSocket

Python WebSocket ni FastAPI WebSocket yoki websockets kutubxonasi orqali qo'llab-quvvatlaydi. Chatlar, real vaqt bildirishnomalari va birgalikda tahrirlash uchun WebSocket optimal transportdir. FastAPI PostgreSQL bilan asinxron ishlash uchun asyncpg va keshlash uchun aioredis dan foydalanadi.

Python g'oyalarni prototiplash va sinash uchun

Python tez prototiplash uchun ajralmasdir. Dasturchi Flask da API prototipini 15 daqiqada yozishi va g'oyani Kotlin/Swift da ishlab chiqarishga tatbiq etishdan oldin foydalanuvchilarda sinab ko'rishi mumkin. Prototip bosqichida xatoning narxi minimal va gipotezani tekshirish vaqti haftalardan soatlarga qisqaradi.

Prototiplash vositalari: Flask (minimal REST), Streamlit (boshqaruv panellari), Jupyter Notebooks (ma'lumot tahlili), Flet va Kivy (mobil MVP lar). Python prototipi ko'pincha ishlab chiqarish tatbiqi uchun spetsifikatsiyaga aylanadi: ma'lumot turlari, biznes mantig'i va testlar Kotlin yoki Swift ga ko'chiriladi.

Unumdorlik testi uchun skriptlar

Python mobil API ning yuk testi uchun Locust — minglab foydalanuvchilarni simulyatsiya qilish freymvorki orqali ishlatiladi. Locust skripti foydalanuvchi xatti-harakati stsenariysini tavsiflaydi va veb interfeysi RPS, kechikishlar va persentillarni ko'rsatadi.

from locust import HttpUser, task, between

class MobileApiUser(HttpUser):
    wait_time = between(1, 5)

    @task(2)
    def get_posts(self):
        self.client.get("/api/v1/posts?page=1")

    @task(1)
    def create_post(self):
        self.client.post("/api/v1/posts", json={
            "title": "Test",
            "body": "Content"
        })

@task(2) og'irlikni bildiradi — GET /posts so'rovi POST /posts ga nisbatan ikki marta tez-tez bajariladi. wait_time so'rovlar orasida 1–5 soniya pauzani simulyatsiya qiladi. Locust buyruq satridan ishga tushiriladi va natijalarni 8089 portidagi veb interfeysi orqali real vaqtda ko'rsatadi.

Python Kotlin va Swift ga qarshi: qachon nimani tanlash

Python va mobil ishlanmaning mahalliy tillari turli vazifalarni hal qiladi. Kotlin va Swift — UI, navigatsiya va platforma API siga to'g'ridan-to'g'ri kirish uchun. Python — avtomatlashtirish, AI/ML, server mantig'i va prototiplash uchun. Asosiy parametrlar bo'yicha solishtiramiz.

Optimal arxitektura: Python AI/modellarni o'qitish, CI/CD skriptlari va server qismi uchun, Kotlin/Swift UI va mahalliy integratsiya uchun.

Python ni mobil ishlanmada ishlatishda odatiy xatolar

Birinchi xato — noto'g'ri Python versiyasidan foydalanish. macOS da Python 3.9 oldindan o'rnatilgan, ammo avtomatlashtirish skriptlari uchun pyenv yoki .python-version orqali belgilangan versiya kerak. 3.9 va 3.12 o'rtasidagi farq sintaksisni buzishi mumkin (masalan, match-case faqat 3.10 dan boshlab mavjud).

Ikkinchi odatiy xato — virtual muhitni e'tiborsiz qoldirish. Python bog'liqliklari global darajada loyihalar o'rtasida ziddiyatga keladi. Izolyatsiya uchun venv yoki poetry dan foydalaning. Qurilishlarning takrorlanuvchanligi uchun requirements.txt yoki pyproject.toml fayli omborda bo'lishi kerak.

Xato boshqaruvining yo'qligi — uchinchi keng tarqalgan muammo. Fayl yo'qligida yoki tarmoq xatosida ishdan chiqadigan skript butun CI/CD quvurini to'xtatadi. try-except-finally, logging moduli orqali jurnallashtirish va xatoda nolga teng bo'lmagan kodni qaytarish (sys.exit(1)) dan foydalaning.

Python 2 va Python 3 sintaksisini aralashtirish — yana bir xato. Qavssiz print, eski except Exception, e va xrange Python 2 da ishlagan, ammo Python 3 da ishlamaydi. Kodni har doim flake8 va mypy orqali statik tip tahlili uchun tekshiring.

# Eng yaxshi amaliyot: avtomatlashtirish skriptida xato boshqaruvi
import sys
import logging
from pathlib import Path

logging.basicConfig(level=logging.INFO, format="%(levelname)s: %(message)s")
log = logging.getLogger(__name__)

def build_apk(project_dir: str) -> bool:
    path = Path(project_dir)
    if not path.exists():
        log.error(f"Directory {project_dir} not found")
        return False
    try:
        # bu yerda qurish buyrug'i
        log.info("Build started")
        return True
    except Exception as e:
        log.exception(f"Build failed: {e}")
        return False

if __name__ == "__main__":
    success = build_apk("android/app")
    sys.exit(0 if success else 1)