PythonDigest
前往频道在 Telegram
Сборник Python новостей: https://pythondigest.ru Наш IT-тренажер: https://app.incidenta.tech/ Создано в @incidenta_tech
显示更多1 852
订阅者
无数据24 小时
-77 天
-930 天
数据加载中...
吸引订阅者
十月 '2610月 '26
十月 '26
+3
在0个频道中
九月 '26
+18
在0个频道中
Get PRO
八月 '26
+27
在0个频道中
Get PRO
七月 '26
+28
在0个频道中
Get PRO
六月 '26
+16
在0个频道中
Get PRO
五月 '26
+16
在0个频道中
Get PRO
四月 '26
+14
在1个频道中
Get PRO
三月 '26
+13
在1个频道中
Get PRO
二月 '26
+20
在0个频道中
Get PRO
一月 '26
+16
在1个频道中
Get PRO
十二月 '25
+15
在0个频道中
Get PRO
十一月 '25
+18
在1个频道中
Get PRO
十月 '25
+21
在0个频道中
Get PRO
九月 '25
+10
在1个频道中
Get PRO
八月 '25
+9
在0个频道中
Get PRO
七月 '25
+12
在1个频道中
Get PRO
六月 '25
+12
在0个频道中
Get PRO
五月 '25
+13
在0个频道中
Get PRO
四月 '25
+12
在2个频道中
Get PRO
三月 '25
+15
在1个频道中
Get PRO
二月 '25
+21
在0个频道中
Get PRO
一月 '25
+20
在2个频道中
Get PRO
十二月 '24
+16
在1个频道中
Get PRO
十一月 '24
+25
在2个频道中
Get PRO
十月 '24
+26
在1个频道中
Get PRO
九月 '24
+16
在1个频道中
Get PRO
八月 '24
+19
在1个频道中
Get PRO
七月 '24
+26
在0个频道中
Get PRO
六月 '24
+15
在0个频道中
Get PRO
五月 '24
+38
在0个频道中
Get PRO
四月 '24
+39
在0个频道中
Get PRO
三月 '24
+41
在0个频道中
Get PRO
二月 '24
+50
在0个频道中
Get PRO
一月 '24
+73
在0个频道中
Get PRO
十二月 '23
+74
在0个频道中
Get PRO
十一月 '23
+25
在0个频道中
Get PRO
十月 '23
+24
在0个频道中
Get PRO
九月 '23
+19
在0个频道中
Get PRO
八月 '23
+30
在0个频道中
Get PRO
七月 '23
+26
在0个频道中
Get PRO
六月 '23
+17
在0个频道中
Get PRO
五月 '23
+11
在0个频道中
Get PRO
四月 '23
+18
在0个频道中
Get PRO
三月 '23
+29
在0个频道中
Get PRO
二月 '23
+18
在0个频道中
Get PRO
一月 '23
+27
在0个频道中
Get PRO
十二月 '22
+20
在0个频道中
Get PRO
十一月 '22
+18
在0个频道中
Get PRO
十月 '22
+11
在0个频道中
Get PRO
九月 '22
+20
在0个频道中
Get PRO
八月 '22
+14
在0个频道中
Get PRO
七月 '22
+18
在0个频道中
Get PRO
六月 '22
+8
在0个频道中
Get PRO
五月 '22
+27
在0个频道中
Get PRO
四月 '22
+16
在0个频道中
Get PRO
三月 '22
+21
在0个频道中
Get PRO
二月 '22
+15
在0个频道中
Get PRO
一月 '22
+21
在0个频道中
Get PRO
十二月 '21
+19
在0个频道中
Get PRO
十一月 '21
+25
在0个频道中
Get PRO
十月 '21
+29
在0个频道中
Get PRO
九月 '21
+21
在0个频道中
Get PRO
八月 '21
+24
在0个频道中
Get PRO
七月 '21
+24
在0个频道中
Get PRO
六月 '21
+18
在0个频道中
Get PRO
五月 '21
+20
在0个频道中
Get PRO
四月 '21
+20
在0个频道中
Get PRO
三月 '21
+46
在0个频道中
Get PRO
二月 '21
+23
在0个频道中
Get PRO
一月 '21
+33
在0个频道中
Get PRO
十二月 '20
+1 968
在0个频道中
| 日期 | 订阅者增长 | 提及 | 频道 | |
| 07 十月 | 0 | |||
| 06 十月 | 0 | |||
| 05 十月 | +1 | |||
| 04 十月 | 0 | |||
| 03 十月 | +1 | |||
| 02 十月 | 0 | |||
| 01 十月 | +1 |
频道帖子
Django: serve apple-app-site-association and assetlinks.json
https://adamj.eu/tech/2026/10/02/django-app-links/
ㅤ
| 2 | Tel-Agent - AI phone assistant
https://github.com/Dpro-at/Tel-Agent | 28 |
| 3 | fugleramme - Bird frame for Raspberry Pi
https://github.com/arnegiacomo/fugleramme | 67 |
| 4 | Static Analysis vs. Taint Analysis: Which One Secures Your Python Code?
https://nocomplexity.substack.com/p/static-analysis-vs-taint-analysis | 102 |
| 5 | NanoVector — Минималистичная векторная база данных и память для AI-агентов
https://github.com/eminsk/nanovector | 121 |
| 6 | Django - 6.0.9
https://pypi.org/project/django/6.0.9/
Мощный web-фреймворк. Скачать можно по ссылке: https://pypi.python.org/pypi/Django/ | 148 |
| 7 | Django - 6.1.2
https://pypi.org/project/django/6.1.2/
Мощный web-фреймворк. Скачать можно по ссылке: https://pypi.python.org/pypi/Django/ | 145 |
| 8 | Django - 5.2.18
https://pypi.org/project/django/5.2.18/
Мощный web-фреймворк. Скачать можно по ссылке: https://pypi.python.org/pypi/Django/ | 145 |
| 9 | Django: serve a security.txt file
https://adamj.eu/tech/2026/10/01/django-security-txt/
ㅤ | 143 |
| 10 | От прогноза потока клиентов к оптимальному штату сотрудников
https://habr.com/ru/companies/alfa/articles/1085676/
Клиентский поток неоднороден. Он зависит от дня недели, месяца, праздников, времени суток, расположения и формата отделения, а также от локального расписания. Среднее значение за месяц для кадрового планирования почти бесполезно: два отделения с одинаковым месячным объёмом могут иметь совершенно разные утренние пики, продолжительность рабочего дня и долю вечерних посещений.Поэтому банку критически важен прогноз клиентопотока для сбалансированного операционного планирования: нехватка сотрудников ведёт к росту очередей и риску нарушения целевых сроков обслуживания, | 158 |
| 11 | Нейросеть написала PR, тесты зелёные, а поведение изменилось. Как я научил CI это ловить
https://habr.com/ru/articles/1088564/
Модель «упрощает» валидацию. Линтер молчит, тесты проходят, ревьюер видит аккуратный дифф в одну строку и жмёт Approve. Через неделю выясняется, что функция скидки начала принимать отрицательный процент.Тесты в таком PR почти всегда написала та же модель, что и код. Они подтверждают, что модель сделала задуманное, и ничего не говорят о том, ведёт ли себя код так же, как раньше. Я сделал инструмент, который проверяет именно это | 169 |
| 12 | bashautom: Persistent, Stateful Bash Sessions for Python
https://github.com/huskago/bashautom | 173 |
| 13 | flowsint: Extensible Graph-Based Investigation Tool
https://github.com/reconurge/flowsint | 173 |
| 14 | Renart: A Local Workspace for SQL and Python Data Pipelines
https://github.com/renart-data/renart | 172 |
| 15 | amqp - 5.4.1
https://pypi.org/project/amqp/5.4.1/
AMQP-клиент. Скачать можно по ссылке: https://pypi.python.org/pypi/amqp/ | 173 |
| 16 | aiohttp - 3.14.4
https://pypi.org/project/aiohttp/3.14.4/
http клиент/сервер для asyncio. Скачать можно по ссылке: https://pypi.python.org/pypi/aiohttp | 172 |
| 17 | PyPy v8.0.0
https://pypy.org/posts/2026/09/pypy-v800-release.html | 170 |
| 18 | «Переходи на Spark», говорили они. Сравнил pandas, Polars, DuckDB и PySpark на слабой машине
https://habr.com/ru/articles/1087386/
Сценарий знакомый: открываешь в pandas файл побольше, ноутбук задумывается, и через минуту всё падает с MemoryError. Следом обычно звучит совет: для больших данных есть Spark. Я решил проверить его цифрами, но не на кластере, а на слабой машине с двумя ядрами и 5,8 ГБ памяти.Сравнил шесть вариантов: pandas, pandas с pyarrow, Polars, Polars в потоковом режиме, DuckDB и PySpark. Пять типовых операций, объёмы от 6 до 180 млн строк, контроль памяти и автоматическая сверка результатов между библиотеками. Эта сверка по дороге нашла баг, из-за которого Spark терял целый день данных.Кто сдался первым, кто удивил и почему переход на Spark часто не лучший выход, рассказываю под катом. | 186 |
| 19 | Как ускорить асинхронные генераторы в CPython на 40%, выкинув скрытые исключения
https://habr.com/ru/articles/1087410/
Недавно я гонял бенчмарки на свежей сборке CPython (ветка с tail-call интерпретатором, PGO + LTO, GCC) и снял флеймграф стандартного бенчмарка async_generators из набора pyperformance (рекурсивный обход дерева на 100 000 нод с глубиной вложенности ~17).Картина на профиле оказалась фееричной: почти треть всего процессорного времени (29%) сжиралась кодом, который вообще не делал никакой полезной работы.Рантайм создавал, настраивал, а затем тут же уничтожал объекты исключений StopIteration, о существовании которых Python-код даже не догадывался.Ниже о том, откуда растут ноги у этой проблемы в Си-коде CPython и как пара правок в genobject.c дали ускорение в 1.33x — 1.53x. | 190 |
| 20 | ИИ‑Стоматолог
https://habr.com/ru/articles/1087484/
За месяц я собрал MVP системы для анализа панорамных рентгенограмм. Идея была простой: врач загружает снимок, а модель выделяет области, которые стоит изучить внимательнее.Я не ставил задачу заменить стоматолога. На этом этапе речь шла только о вспомогательном инструменте, который может работать как второе мнение и подсвечивать подозрительные участки на ОПТГ.В процессе эксперимента выяснилось, что главная проблема была не в выборе модели и не в мощности видеокарты. В датасете оказались изображения, которые вообще не должны были участвовать в обучении. Из‑за этого модель начала выдавать детекции на цветных фотографиях полости рта.Сначала это выглядело как странная ошибка. Потом стало понятно, что именно такие случаи лучше всего показывают ограничения системы. | 192 |
