Python/ django

الذهاب إلى القناة على Telegram

по всем вопросам @haarrp @itchannels_telegram - 🔥 все ит каналы @ai_machinelearning_big_data -ML @ArtificialIntelligencedl -AI @datascienceiot - 📚 @pythonlbooks РКН: clck.ru/3FmxmM

إظهار المزيد

الشبكة:Machinelearning روسيا10 243 التكنولوجيات والتطبيقات2 205...

📈 نظرة تحليلية على قناة تيليجرام Python/ django

تُعد قناة Python/ django (@pythonl) في القطاع اللغوي الروسية لاعباً نشطاً. يضم المجتمع حالياً 59 990 مشتركاً، محتلاً المرتبة 2 205 في فئة التكنولوجيات والتطبيقات والمرتبة 10 243 في منطقة روسيا.

📊 مؤشرات الجمهور والحراك

منذ تأسيسه في невідомо، حقق المشروع نمواً سريعاً وجمع 59 990 مشتركاً.

بحسب آخر البيانات بتاريخ 12 يونيو, 2026، تحافظ القناة على نشاط مستقر. خلال آخر 30 يوماً تغيّر عدد الأعضاء بمقدار -567، وفي آخر 24 ساعة بمقدار -11، مع بقاء الوصول العام مرتفعاً.

حالة التحقق: غير موثّقة
معدل التفاعل (ER): يبلغ متوسط تفاعل الجمهور 7.01‎%. وخلال أول 24 ساعة من النشر يحصد المحتوى عادةً 3.19‎% من ردود الفعل نسبةً إلى إجمالي المشتركين.
وصول المنشورات: يحصل كل منشور على متوسط 4 203 مشاهدة. وخلال اليوم الأول يجمع عادةً 1 913 مشاهدة.
التفاعلات والاستجابة: يتفاعل الجمهور بانتظام؛ متوسط التفاعلات لكل منشور يبلغ 22.
الاهتمامات الموضوعية: يركز المحتوى على مواضيع رئيسية مثل github, claude, контекст, архитектура, api.

📝 الوصف وسياسة المحتوى

يصف المؤلف القناة بأنها مساحة للتعبير عن الآراء الذاتية:
“по всем вопросам @haarrp @itchannels_telegram - 🔥 все ит каналы @ai_machinelearning_big_data -ML @ArtificialIntelligencedl -AI @datascienceiot - 📚 @pythonlbooks РКН: clck.ru/3Fmxm...”

بفضل وتيرة التحديث المرتفعة (أحدث البيانات بتاريخ 13 يونيو, 2026) تحافظ القناة على حداثتها ومستوى وصول مرتفع. وتُظهر التحليلات تفاعلاً نشطاً من الجمهور، ما يجعلها نقطة تأثير مهمة ضمن فئة التكنولوجيات والتطبيقات.

59 990

المشتركون

-1124 ساعات

-1197 أيام

-56730 أيام

4 203

عرض المشاهدات

~ 1 91324 ساعات

~ 2 35748 ساعات

7.01%

معدل المشاركة

~ 1

المشاركات في اليوم

Ads index

beta

أرشيف المشاركات

59 983

⚡ Example that demonstrates how to use Redis with the redis-py library, which is a popular Redis client for Python. Ниже приведен пример, демонстрирующий, как использовать Redis с библиотекой redis-py, которая является популярным клиентом Redis для Python. $ pip install redis

import redis

# Create a Redis client
r = redis.Redis(host='localhost', port=6379, db=0)

# String Operations
r.set('mykey', 'Hello Redis!')
value = r.get('mykey')
print(value)  # Output: b'Hello Redis!'

# List Operations
r.lpush('mylist', 'element1')
r.lpush('mylist', 'element2')
r.rpush('mylist', 'element3')
elements = r.lrange('mylist', 0, -1)
print(elements)  # Output: [b'element2', b'element1', b'element3']

# Set Operations
r.sadd('myset', 'member1')
r.sadd('myset', 'member2')
r.sadd('myset', 'member3')
members = r.smembers('myset')
print(members)  # Output: {b'member2', b'member1', b'member3'}

# Hash Operations
r.hset('myhash', 'field1', 'value1')
r.hset('myhash', 'field2', 'value2')
value = r.hget('myhash', 'field1')
print(value)  # Output: b'value1'

# Sorted Set Operations
r.zadd('mysortedset', {'member1': 1, 'member2': 2, 'member3': 3})
members = r.zrange('mysortedset', 0, -1)
print(members)  # Output: [b'member1', b'member2', b'member3']

# Delete a key
r.delete('mykey')

# Close the Redis connection
r.close()

▪Github @pythonl

59 983

🖥 6 Python f-strings tips and tricks f-строки в Python обеспечивают более читабельный, лаконичный и менее подверженный ошибкам способ форматирования строк, чем традиционное форматирование строк. Они обладают множеством полезных функций, которые обязательно пригодятся в повседневной работе. 1. String Interpolation The most used f-string feature by far is string interpolation. All you need to do is wrap the value or variable in curly braces ({}) and you're good to go.

str_val = 'apples'
num_val = 42

print(f'{num_val} {str_val}') # 42 apples

2. Variable names Apart from getting a variable's value, you can also get its name alongside the value.

str_val = 'apples'
num_val = 42

print(f'{str_val=}, {num_val = }') # str_val='apples', num_val = 42

3. Mathematical operations Not syntactically unlike variable names, you can also perform mathematical operations in f-strings.

num_val = 42

print(f'{num_val % 2 = }') # num_val % 2 = 0

4. Printable representation Apart from plain string interpolation, you might want to get the printable representation of a value.

str_val = 'apples'

print(f'{str_val!r}') # 'apples'

5. Number formatting Numbers are a great candidate for this. If, for example, you want to trim a numeric value to two digits after the decimal, you can use the .2f format specifier.

price_val = 6.12658

print(f'{price_val:.2f}') # 6.13

6. Date formatting Finally, dates can also be formatted the same way as numbers, using format specifiers. As usual, %Y denotes the full year, %m is the month and %d is the day of the month.

from datetime import datetime;

date_val = datetime.utcnow()

print(f'{date_val=:%Y-%m-%d}') # date_val=2021-07-09

▪String Formatting Best Practices ▪F-strings или как сделать код чуть более быстрым @pythonl

59 983

🖥 Pydantic: 10 Most Common Usage Patterns Pydantic: 10 наиболее распространенные варианты использования 1. Basic Data Validation Use Pydantic models to validate incoming data easily.


from pydantic import BaseModel

class User(BaseModel):
    name: str
    age: int

user = User(name='John Doe', age=30)

2. Default Values Define default values for your model fields.


class User(BaseModel):
    name: str
    age: int = 18  # Default value

3. Optional Fields Mark fields as optional using the Optional type.

from typing import Optional

class User(BaseModel):
    name: str
    age: Optional[int] = None

4. Custom Validators Create custom validators with the @validator decorator.

from pydantic import validator

class User(BaseModel):
    name: str
    age: int

    @validator('age')
    def validate_age(cls, value):
        if value < 18:
            raise ValueError('User must be 18+')
        return value

5. Nested Models Use Pydantic models to validate nested data structures.

class Address(BaseModel):
    street: str
    city: str

class User(BaseModel):
    name: str
    age: int
    address: Address

6. Lists of Models Handle lists of a specific model. from typing import List

class User(BaseModel):
    name: str
    age: int

class UserList(BaseModel):
    users: List[User]

7. Union Fields Use Union to allow a field to be one of several types.

from typing import Union

class User(BaseModel):
    identifier: Union[str, int]

8. Value Constraints Impose constraints on values using Field.

from pydantic import Field

class User(BaseModel):
    name: str
    age: int = Field(..., gt=0, lt=120)  # Greater than 0, less than 120

9. Aliases for Fields Define aliases for model fields, which can be useful for fields that are Python keywords. c

lass User(BaseModel):
    name: str
    class_: str = Field(alias='class')

10. Recursive Models Make models that can contain themselves.

from typing import Optional

class TreeNode(BaseModel):
    value: int
    left: Optional['TreeNode'] = None
    right: Optional['TreeNode'] = None

TreeNode.update_forward_refs() # Resolve string annotations @pythonl

59 983

🖥 Difference between Numpy’s All and Any Methods If you want to get the row whose ALL values satisfy a certain condition, use numpy’s all method. To get the row whose AT LEAST one value satisfies a certain condition, use numpy’s any method. Если вы хотите получить строку, ВСЕ значения которой удовлетворяют определенному условию, используйте метод numpy's all. Чтобы получить строку, в которой хотя бы одно значение удовлетворяет определенному условию, используйте метод numpy's any. В приведенном коде показана разница в выводах между all и any.

import numpy as np

a = np.array([[1, 2, 1], [2, 2, 5]])

# get the rows whose all values are fewer than 3
mask_all = (a<3).all(axis=1)
print(a[mask_all])
"""
[[1 2 1]]
"""

mask_any = (a<3).any(axis=1)
print(a[mask_any])
""" 
[[1 2 1]
 [2 2 5]]
"""

▪Numpy docs @pythonl

59 983

🔥 Хардкорный тест по Python (не для новичков), который проходит всего 30% разработчиков 🔥 Ответьте на 20 вопросов и проверьте, насколько вы готовы к обучению на курсе — «Python Developer. Professional» На курсе поймете структуру современной разработки ПО, научитесь писать простой и идиоматичный код, за который не будет мучительно стыдно, сможете тестировать и поддерживать код, научитесь создавать высоконагруженные системы и многое другое. Время прохождения теста ограниченно 30 минут 👉 Пройти вступительный тест — https://otus.pw/oM7l/ 💣 Пройдите тест, чтобы записаться на курс по спец. цене, проверить свои знания и получить доступ к 2 открытым урокам курса. Реклама. Информация о рекламодателе на сайте www.otus.ru.

59 983

D-Tale: Библиотека Python для визуализации и анализа данных без кода Вы когда-нибудь хотели увидеть весь фрейм данных, а не только головку или хвостик? Если да, попробуйте использовать D-Tale. В приведенном выше GIF показано, как будет выглядеть ваш DataFrame при использовании D-Tale. D-Tale также полезен для анализа и визуализации данных без кода. ▪D-Tale. @pythonl

59 983

🖥 tmuxp A session manager for tmux. Built on libtmux. Менеджер сессий для tmux. Написан на базе libtmux. 🖥 Github @pythonl

59 983

❗️Как пройти техническое собеседование на ML-специалиста? ⚠️ Узнайте на примере mock-интервью с преподавателями курса «MLOps» в OTUS! На открытом уроке вы сможете наблюдать один из этапов собеседования при найме ML-специалистов — ML System Design секцию. 👉 Для удачного прохождения этого этапа не достаточно только знания алгоритмов машинного обучения. Также проверяются навыки проектирования ML систем, которые могут успешно работать в промышленной среде. Больше инструментов MLOps ждет вас на курсе. Обратите внимание: возможные способы оплаты обучения. 👉 Готовьте вопросы и записывайтесь на вебинар! https://otus.pw/jPwz/ Нативная интеграция. Информация о продукте www.otus.ru

59 983

🖥 PyGitHub If you want to manage your Github resources (repositories, user profiles, organizations, etc.) from Python scripts, try PyGithub. Above is an example to get a list of Github repositories when searching for a certain topic. Если вы хотите управлять Github (репозиториями, профилями пользователей, организациями и т.д.) с помощью скриптов на Python, попробуйте PyGithub. Выше приведен пример получения списка репозиториев Github при поиске определенной темы. $ pip install PyGithub 🖥 Github 📌 Документация @pythonl

59 983

🤖Errbot Errbot is a chatbot. It allows you to start scripts interactively from your chatrooms for any reason: random humour, chatops, starting a build, monitoring commits, triggering alerts... Errbot - это чат-бот, который можно подключить к чату, при этом бот будет вести осмысленный и интересный диалог. 🖥 Github @pythonl

59 983

📚9 must-have Python developer tools. 9 обязательных инструментов Python разработчика. 1. PyCharm IDE 2. Jupyter notebook 3. Keras 4. Pip Package 5. Python Anywhere 6. Scikit-Learn 7. Sphinx 8. Selenium 9. Sublime Text @pythonl

59 983

С++ Академия - это канал/школа + под руководством опытного сеньора-программиста. Если вы все еще не нашли хорошую работу в ит, ваше обучение неэффективно! Извините, но это чистая правда. Мы предлагаем обучение языку C++ в видеоуроках и практических заданиях, выполнять которые можно удаленно в любом месте. Знания языка С++ – это отличная инвестиция времени в будущую профессию, а сами уроки совершенно бесплатны. Изучить C++

59 983

Python security best practices cheat sheet Updated cheat sheet to make sure you keep your Python code secur Список полезных советов про работу с внешними данными, сканированию кода, загрузке пакетов, сериализации данных, форматированию строк и другим мерам безопасности: https://snyk.io/blog/python-security-best-practices-cheat-sheet/ @pythonl

59 983

🐍 Box Box will automatically make otherwise inaccessible keys safe to access as an attribute. You can always pass conversion_box=False to Box to disable that behavior. Also, all new dict and lists added to a Box or BoxList object are converted automatically. Словари Python с расширенным функциналом, которые помогут вам в написании скриптов.

from box import Box

movie_box = Box({ "Robin Hood: Men in Tights": { "imdb stars": 6.7, "length": 104 } })

movie_box.Robin_Hood_Men_in_Tights.imdb_stars

🖥 Github #github #python @pythonl

59 983

Больше инструментов MLOps ждет вас на курсе. Обратите внимание: возможные способы оплаты обучения.

👉 Готовьте вопросы и записывайтесь на вебинар! https://otus.pw/jPwz/ Нативная интеграция. Информация о продукте www.otus.ru

59 983

🔩 Attrs Its main goal is to help you to write concise and correct software without slowing down your code. attrs - это пакет Python, который вернет радость от написания классов, избавив вас от муторной работы по реализации объектных протоколов (они же методы Дандера). Доверенный NASA для миссий на Марсе с 2020 года! Его основная цель - помочь вам писать лаконичное и корректное программное обеспечение. 🖥 Github 🗒 Docs @pythonl

59 983

📚9 Best Python Game Development Libraries/Frameworks Лучшие библиотеки для создания игр на Python 1. The Python Arcade Library 2. PANDA3D 3. HARFANG Framework 4. Ren’Py 5. Kivy 6. Pygame 7. Pyglet 8. OGRE 9. Cocos2d

59 983

🖥 HTTPie for Terminal: human-friendly CLI HTTP client for the API era HTTPie (pronounced aitch-tee-tee-pie) is a command-line HTTP client. Its goal is to make CLI interaction with web services as human-friendly as possible. HTTPie - это HTTP-клиент командной строки. Его цель - сделать взаимодействие CLI с веб-сервисами максимально удобным при работе. 🖥 Github @python

59 983

🖥 transitions A lightweight, object-oriented state machine implementation in Python with many extensions. Легкая, объектно-ориентированная реализация конечных автоматов на Python. 🖥 Github @python

59 983

How to Implement Screen Navigation in Your Kivy App Гайд по реализации экранной навигацию в приложении Kivy https://noudedata.com/2023/04/kivy-screen-navigation/ @pythonl