PythonDigest
Open in Telegram
Сборник Python новостей: https://pythondigest.ru Наш IT-тренажер: https://app.incidenta.tech/ Создано в @incidenta_tech
Show more1 851
Subscribers
No data24 hours
-77 days
-930 days
Data loading in progress...
Similar Channels
Tags Cloud
Incoming and Outgoing Mentions
---
---
---
---
---
---
Attracting Subscribers
October '26Oct '26
October '26
+3
in 0 channels
September '26
+18
in 0 channels
Get PRO
August '26
+27
in 0 channels
Get PRO
July '26
+28
in 0 channels
Get PRO
June '26
+16
in 0 channels
Get PRO
May '26
+16
in 0 channels
Get PRO
April '26
+14
in 1 channels
Get PRO
March '26
+13
in 1 channels
Get PRO
February '26
+20
in 0 channels
Get PRO
January '26
+16
in 1 channels
Get PRO
December '25
+15
in 0 channels
Get PRO
November '25
+18
in 1 channels
Get PRO
October '25
+21
in 0 channels
Get PRO
September '25
+10
in 1 channels
Get PRO
August '25
+9
in 0 channels
Get PRO
July '25
+12
in 1 channels
Get PRO
June '25
+12
in 0 channels
Get PRO
May '25
+13
in 0 channels
Get PRO
April '25
+12
in 2 channels
Get PRO
March '25
+15
in 1 channels
Get PRO
February '25
+21
in 0 channels
Get PRO
January '25
+20
in 2 channels
Get PRO
December '24
+16
in 1 channels
Get PRO
November '24
+25
in 2 channels
Get PRO
October '24
+26
in 1 channels
Get PRO
September '24
+16
in 1 channels
Get PRO
August '24
+19
in 1 channels
Get PRO
July '24
+26
in 0 channels
Get PRO
June '24
+15
in 0 channels
Get PRO
May '24
+38
in 0 channels
Get PRO
April '24
+39
in 0 channels
Get PRO
March '24
+41
in 0 channels
Get PRO
February '24
+50
in 0 channels
Get PRO
January '24
+73
in 0 channels
Get PRO
December '23
+74
in 0 channels
Get PRO
November '23
+25
in 0 channels
Get PRO
October '23
+24
in 0 channels
Get PRO
September '23
+19
in 0 channels
Get PRO
August '23
+30
in 0 channels
Get PRO
July '23
+26
in 0 channels
Get PRO
June '23
+17
in 0 channels
Get PRO
May '23
+11
in 0 channels
Get PRO
April '23
+18
in 0 channels
Get PRO
March '23
+29
in 0 channels
Get PRO
February '23
+18
in 0 channels
Get PRO
January '23
+27
in 0 channels
Get PRO
December '22
+20
in 0 channels
Get PRO
November '22
+18
in 0 channels
Get PRO
October '22
+11
in 0 channels
Get PRO
September '22
+20
in 0 channels
Get PRO
August '22
+14
in 0 channels
Get PRO
July '22
+18
in 0 channels
Get PRO
June '22
+8
in 0 channels
Get PRO
May '22
+27
in 0 channels
Get PRO
April '22
+16
in 0 channels
Get PRO
March '22
+21
in 0 channels
Get PRO
February '22
+15
in 0 channels
Get PRO
January '22
+21
in 0 channels
Get PRO
December '21
+19
in 0 channels
Get PRO
November '21
+25
in 0 channels
Get PRO
October '21
+29
in 0 channels
Get PRO
September '21
+21
in 0 channels
Get PRO
August '21
+24
in 0 channels
Get PRO
July '21
+24
in 0 channels
Get PRO
June '21
+18
in 0 channels
Get PRO
May '21
+20
in 0 channels
Get PRO
April '21
+20
in 0 channels
Get PRO
March '21
+46
in 0 channels
Get PRO
February '21
+23
in 0 channels
Get PRO
January '21
+33
in 0 channels
Get PRO
December '20
+1 968
in 0 channels
| Date | Subscriber Growth | Mentions | Channels | |
| 07 October | 0 | |||
| 06 October | 0 | |||
| 05 October | +1 | |||
| 04 October | 0 | |||
| 03 October | +1 | |||
| 02 October | 0 | |||
| 01 October | +1 |
Channel Posts
Typing в Python 3.11–3.14: что изменилось и как это использовать уже сейчас
https://habr.com/ru/articles/1089780/
За последнее время я прочитал множество репозиториев, где в Pyhton пользуются типизацией и почти везде синтаксис не новее 3.11: Optional, TypeVar на уровне модуля, Generic[T], кавычки вокруг опережающих ссылок. При этом у Python 3.10 поддержка закончилась, и разработчики языка дали нам новых удобных инструментов и чтобы ими пользоваться не всегда нужно обновляться до последней версии. В этой статье расскажу, какие основные фишки появились за последние несколько лет и как ими пользоваться даже в проектах на старых версиях.
| 2 | Django: serve apple-app-site-association and assetlinks.json
https://adamj.eu/tech/2026/10/02/django-app-links/
ㅤ | 142 |
| 3 | Tel-Agent - AI phone assistant
https://github.com/Dpro-at/Tel-Agent | 146 |
| 4 | fugleramme - Bird frame for Raspberry Pi
https://github.com/arnegiacomo/fugleramme | 155 |
| 5 | Static Analysis vs. Taint Analysis: Which One Secures Your Python Code?
https://nocomplexity.substack.com/p/static-analysis-vs-taint-analysis | 162 |
| 6 | NanoVector — Минималистичная векторная база данных и память для AI-агентов
https://github.com/eminsk/nanovector | 170 |
| 7 | 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/ | 183 |
| 8 | 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/ | 178 |
| 9 | 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/ | 175 |
| 10 | Django: serve a security.txt file
https://adamj.eu/tech/2026/10/01/django-security-txt/
ㅤ | 169 |
| 11 | 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, | 176 |
| 12 | 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 | 184 |
| 13 | bashautom: Persistent, Stateful Bash Sessions for Python
https://github.com/huskago/bashautom | 187 |
| 14 | flowsint: Extensible Graph-Based Investigation Tool
https://github.com/reconurge/flowsint | 186 |
| 15 | Renart: A Local Workspace for SQL and Python Data Pipelines
https://github.com/renart-data/renart | 186 |
| 16 | amqp - 5.4.1
https://pypi.org/project/amqp/5.4.1/
AMQP-клиент. Скачать можно по ссылке: https://pypi.python.org/pypi/amqp/ | 185 |
| 17 | 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 | 184 |
| 18 | PyPy v8.0.0
https://pypy.org/posts/2026/09/pypy-v800-release.html | 182 |
| 19 | «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. | 196 |
| 20 | 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. | 197 |
