现已上线！2025 年 Telegram 研究 — 年度关键洞察 
Python/ django
前往频道在 Telegram
по всем вопросам @haarrp @itchannels_telegram - 🔥 все ит каналы @ai_machinelearning_big_data -ML @ArtificialIntelligencedl -AI @datascienceiot - 📚 @pythonlbooks РКН: clck.ru/3FmxmM
显示更多📈 Telegram 频道 Python/ django 的分析概览
频道 Python/ django (@pythonl) 俄语 语言赛道中的 是活跃参与者。目前社区聚集了 60 008 名订阅者，在 技术与应用 类别中位列第 2 209，并在 俄罗斯 地区排名第 10 256 位。
📊 受众指标与增长动态
自 невідомо 创建以来，项目保持高速增长，吸引了 60 008 名订阅者。
根据 09 六月, 2026 的最新数据，频道保持稳定运转。过去 30 天订阅人数变化为 -593，过去 24 小时变化为 -19，整体触达仍然可观。
- 认证状态： 未认证
- 互动率 (ER)： 平均受众互动率为 6.90%。内容发布后 24 小时内通常能获得 3.46% 的反应，占订阅者总量。
- 帖子覆盖： 每篇帖子平均可获得 4 140 次浏览，首日通常累积 2 078 次浏览。
- 互动与反馈： 受众积极参与，单帖平均反应数为 18。
- 主题关注点： 内容集中在 github, claude, контекст, архитектура, api 等核心主题上。
📝 描述与内容策略
作者将该频道定位为表达主观观点的平台：
“по всем вопросам @haarrp
@itchannels_telegram - 🔥 все ит каналы
@ai_machinelearning_big_data -ML
@ArtificialIntelligencedl -AI
@datascienceiot - 📚
@pythonlbooks
РКН: clck.ru/3Fmxm...”
凭借高频更新（最新数据采集于 10 六月, 2026），频道始终保持新鲜度与高覆盖。分析显示受众积极互动，使其成为 技术与应用 类别中的关键影响点。
60 008
订阅者
-1924 小时
-1447 天
-59330 天
帖子存档
60 010
1 мощный Совет Python как организовать свой код ЛУЧШЕ 💪
https://youtube.com/shorts/OLG-bXzYk0U?feature=share
60 010
+1
🌟 sh — полноценная замена подпроцесса для Python
—
pip install sh
Может кто не знает, но существует sh — полноценная замена подпроцесса для Python 3.8 - 3.11 и PyPy, которая позволяет вызывать любую программу так, как если бы она была функцией, наподобие:
from sh import ifconfig
print(ifconfig("eth0"))60 010
🖥 Rio — open-source фреймворк для разработки веб-приложений на чистом Python: не нужен ни HTML, ни CSS, ни JS
—
pip install rio-ui
Rio привносит в Python компоненты в стиле React.
Можно выбирать из множества встроенных компонентов и комбинировать их для создания своих собственных компонентов, а потом строить из тех свои приложения
Готовые приложения, созданные с помощью Rio могут работать как локально на вашей машине, так и в Интернете.
🖥 GitHub
🟡 Доки
🟡 Примеры готовых веб-приложений
@pythonl60 010
🖥 Downloading a YouTube Playlist using Python
Загрузка плейлиста YouTube с помощью Python.
@pythonl
60 010
🖥 PhySO — модуль для поиска закономерностей в данных и вывода аналитических зависимостей на их основе
PhySO предназначен для вывода аналитических физических законов из эмпирических данных; модуль способен использовать ограничения физических единиц, например, сокращая пространство поиска с помощью анализа размерности
Рекомендуемый способ установки с помощью conda:
conda create -n PhySO python=3.8
conda activate PhySO
git clone https://github.com/WassimTenachi/PhySO
cd PhySO
conda install --file requirements.txt
pip install -e .60 010
+2
🖥 vedo — модуль python для анализа и визуализации 3D-объектов
—
pip install vedo
vedo может работать как с полигональной сеткой, так и с облаком точек, отлично интегрируется с другими библиотеками
🖥 GitHub
🟡 Примеры использования
@pythonl60 010
🖥🖥 Дроиды и питоны: как работать с ADB быстрее и проще
У нас вышла новая статья, в которой рассматривается как работать с ADB через python.
Если вы — разработчик или тестировщик приложений для Android, просто обычный программист или юзер — то вы попали по адресу.
Перед тем как начать, стоит понять, почему именно Python.
Python — один из моих любимых языков программирования. Простой и читаемый синтаксис, в последних версиях наблюдается увеличение оптимизации и производительности, а также добавления разных фич — например в Python 3.10 была добавления конструкция match-case.
https://habr.com/ru/articles/821781/
@pro_python_code
60 010
+4
👣 Подробный гайд о том, как обращаться к программам на Go из Python
При работе на Python иногда имеет смысл реализовать часть программы на статичном, высокопроизводительном языке. Go может стать отличным выбором для этого, поскольку он быстрый, простой и кроссплатформенный.
Есть множество способов, чтобы обращаться к программам на Go из Python, конкретно в этом гайде описан способ сборки
.dll из .go-файлов, и именно эти .dll уже вызываются из Python с помощью ctypes
Существуют и другие способы вызова Go из Python, такие как SWIG, например. В этом гайде рассматривается ctypes, потому что он не имеет дополнительных зависимостей и прост в освоении.
📎 Как вызывать Go из Python
@pythonl60 010
🖥 👣 Вызов функций Go из Python с помощью ctypes
Поговорим о том, как можно запускать программу, написанную на Go из Python.
Зачем?
При работе на Python иногда имеет смысл реализовать отдельные функции на статичном, высокопроизводительном языке. Go может стать отличным выбором для этого, потому что он быстрый, простой и кроссплатформенный.
Поехали!
https://habr.com/ru/articles/821007/
@pythonl
60 010
Python-разработчики тут? Вас уже ждут в Т-банке!
Вместе с результативной командой вы будете развивать финтех: от внутренних проектов до клиентских продуктов, которыми пользуются миллионы.
Приходите прокачивать навыки и работать в команде единомышленников. Посмотреть вакансии и откликнуться, если у вас больше двух лет опыта, можно здесь
Реклама. АО «Тинькофф Банк», ИНН 7710140679
60 010
🖥 Litestar — это мощный, гибкий ASGI-фреймворк, ориентированный на создание API
—
pip install litestar
Litestar предлагает проверку данных, внедрение зависимостей, интеграцию с ORM, примитивы авторизации и многое другое, что необходимо для запуска приложений в работу.
Простой пример использования Litestar:
from litestar import Litestar, get
@get("/")
async def hello_world() -> str:
return "Hello, world!"
app = Litestar([hello_world])60 010
ПСБ цифровая лаборатория — это ИТ-блок ПСБ, одного из крупнейших банков в стране.
Ребята разрабатывают и совершенствуют продукты ПСБ, которыми пользуются миллионы людей. Присоединяйся к команде и участвуй в создании финтех-сервисов.
На сайте ПСБ цифровая лаборатория ты узнаешь:
- ️какие в банке есть ИТ-направления
- с каким стеком работают
- какие бонусы и льготы есть для сотрудников
- чем занимаются айтишники вне офиса
- что надо сделать, чтобы попасть в команду
Разделяешь ценности и подход к работе? Оставляй резюме на сайте!
Реклама. ООО "ПСБ ЛАБ". ИНН 7714436892.
60 010
+2
🖥 StatsForecast — библиотека Python для быстрого прогнозирования с помощью статистических и эконометрических моделей
—
pip install statsforecast
StatsForecast предоставляет коллекцию популярных моделей прогнозирования одномерных временных рядов, оптимизированных для высокой производительности и масштабируемости.
🖥 GitHub
🟡 Доки
@pythonl60 010
+2
🖥 368 решённых задач по Python с Leetcode
Здесь собрана масса литкод-задач с решением на Python.
Вот условия некоторых из задач:
— найти самое популярное слово в наборе
— удалить один элемент, чтобы список был строго возрастающим
— объединить k сортированных списков
— обойти матрицу по спирали и собрать полученные числа
▶️ Задачи с решениями
@pythonl
60 010
Сбер проведет открытую технологическую конференцию GigaConf 2024.
27 июня в «Дизайн заводе» соберутся ведущие инженеры и разработчики из Сбера, Билайна, Positive Technologies, Т-Банка, МТС и других компаний.
Вместе они погрузят вас в темы:
— машинное обучение и искусственный интеллект;
— инструменты разработчика;
— DevOps;
— инженерия данных;
— безопасность приложений;
— системный анализ
— инновации и стратегии.
Зарегистрироваться и узнать подробности можно на сайте конференции.
Участие бесплатное!
60 010
+4
🖥 tinygrad — фреймворк Python для Deep Learning
—
pip install tinygrad
tinygrad имеет встроенную библиотеку для работы с нейросетями, используя разные классы, оптимизаторы и инструменты для управления состоянием нейросетей.
В tinygrad есть JIT, чтобы всё работало быстро.
Также tinygrad имеет отличную поддержку нескольких GPU, что позволяет удобно параллелить операции над тензорами с помощью Tensor.shard.
🖥 GitHub
🟡 Доки
🟡 Примеры использования tinygrad
@pythonl60 010
60 010
60 010
🖥 draw_scatter — позволяет нарисовать нужное распределение в Python
Если нужны кластеры нужной формы (например, хочется сравнить разные алгоритмы кластеризации) — не проблема, для этого есть библиотека
drawdata и функция draw_scatter()
# ячейка 1
import pandas as pd
import seaborn as sns
from drawdata import draw_scatter
draw_scatter()
# ячейка 2
df = pd.read_clipboard(sep=',')
sns.scatterplot(data=df, x='x', y='y', hue='z')60 010
+2
🖥 Instructor — получение структурированного вывода от LLM
—
pip install -U instructor
Instructor позволяет легко получать структурированные данные (например, в формате JSON) от таких LLM, как GPT-3.5, GPT-4, GPT-4-Vision, и моделей с открытым исходным кодом, включая Mistral/Mixtral, Anyscale, Ollama и llama-cpp-python.
Instructor отличается простотой и ориентированным на пользователя дизайном, построенным на базе Pydantic.
🖥 GitHub
🟡 Примеры использования instructor
@pythonl