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 59 990 名订阅者，在 技术与应用 类别中位列第 2 205，并在 俄罗斯 地区排名第 10 243 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 59 990 名订阅者。
根据 12 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 -567，过去 24 小时变化为 -11，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 7.01%。内容发布后 24 小时内通常能获得 3.19% 的反应，占订阅者总量。
- 帖子覆盖： 每篇帖子平均可获得 4 203 次浏览，首日通常累积 1 913 次浏览。
- 互动与反馈： 受众积极参与，单帖平均反应数为 22。
- 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 13 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。
59 990
订阅者
-1124 小时
-1197 天
-56730 天
帖子存档
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
@pythonl59 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
@pythonl59 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.
class 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
@pythonl59 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
@pythonl59 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
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
@pythonl59 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
@pythonl59 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.ru59 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
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
