Python 🇺🇦
▪️Вивчаємо Python разом. ▪️Високооплачувана професія ▪️Допомагаємо з пошуком роботи Зв'язок: @Ekater1na_admin
Show more📈 Analytical overview of Telegram channel Python 🇺🇦
Channel Python 🇺🇦 in the Ukrainian language segment is an active participant. Currently, the community unites 19 778 subscribers, ranking 6 648 in the Technologies & Applications category and 3 142 in the Ukraine region.
📊 Audience metrics and dynamics
Since its creation on невідомо, the project has demonstrated rapid growth, gathering an audience of 19 778 subscribers.
According to the latest data from 16 November, 2026, the channel demonstrates stable activity. Although there has been a change in the number of participants by -232 over the last 30 days and by -11 over the last 24 hours, overall reach remains high.
- Verification status: Not verified
- Engagement rate (ER): The average audience engagement rate is 9.12%. Within the first 24 hours after publication, content typically collects 5.25% reactions from the total number of subscribers.
- Post reach: On average, each post receives 1 803 views. Within the first day, a publication typically gains 1 038 views.
- Reactions and interaction: The audience actively supports content: the average number of reactions per post is 8.
- Thematic interests: Content is focused on key topics such as шпаргалка, mcp, user1, python'er, бібліотека.
📝 Description and content policy
The author describes the resource as a platform for expressing subjective opinions:
“▪️Вивчаємо Python разом.
▪️Високооплачувана професія
▪️Допомагаємо з пошуком роботи
Зв'язок: @Ekater1na_admin”
Thanks to the high frequency of updates (latest data received on 17 November, 2026), the channel maintains relevance and a high level of publication reach. Analytics show that the audience actively interacts with content, making it an important point of influence in the Technologies & Applications category.
heapq надавав публічні функції лише для мінімальної купи, де першим витягується найменший елемент. Щоб отримати максимальний, розробникам доводилося використовувати обхідний прийом із від’ємними значеннями
from heapq import heappush, heappop
heap = []
heappush(heap, -42)
heappush(heap, -100)
print(-heappop(heap)) # 100
Починаючи з Python 3.14, у heapq з’явився публічний API для максимальної купи. Тепер можна працювати з початковими значеннями без зміни знака
from heapq import heappush_max, heappop_max
heap = []
heappush_max(heap, 42)
heappush_max(heap, 100)
print(heappop_max(heap)) # 100
Для перетворення наявного списку передбачена heapify_max(). Вона будує максимальну купу за лінійний час
from heapq import heapify_max, heappop_max
scores = [45, 92, 18, 76]
heapify_max(scores)
print(heappop_max(scores)) # 92
print(heappop_max(scores)) # 76
Також додано:
- heappushpop_max() — додає елемент і повертає максимальний
- heapreplace_max() — витягує поточний максимум і додає новий елемент. Купа має бути непорожньою
from heapq import heapify_max, heappushpop_max
scores = [10, 30, 20]
heapify_max(scores)
result = heappushpop_max(scores, 25)
print(result) # 30
print(scores[0]) # 25
Складність додавання та вилучення елементів — O(log n), а побудови купи через heapify_max() — O(n)
Важливо: максимальна купа не є повністю відсортованим списком. Гарантується лише те, що найбільший елемент знаходиться на позиції heap[0]
Нові функції доступні лише в Python 3.14 і новіших версіях. У попередніх версіях їх імпорт призведе до ImportError
Новий API спрощує реалізацію черг із пріоритетами, планувальників та алгоритмів пошуку максимальних значень
Pythonimport voluptuous as v
Python@cache зі стандартної бібліотеки Python (3.9+)
Як це працює:
- Під час першого виклику результат обчислюється та зберігається
- Повторні виклики з тими самими аргументами беруть значення з кешу
- cache_clear() очищає кеш
- cache_info() показує статистику використання
from functools import cache
@cache
def calculate(n):
print("Обчислення...")
return n * n
print(calculate(10))
print(calculate(10))
calculate.cache_info()
calculate.cache_clear()
Важливо: аргументи мають бути хешованими, а @cache не обмежує розмір кешу. Якщо потрібно контролювати його обсяг, використовуйте @lru_cache(maxsize=...)
Особливо корисно для рекурсивних алгоритмів і функцій, які щоразу повертають однаковий результат для однакових аргументів
Pythongroupby(), Make New Columns — створення нових стовпців і застосування функцій, Combine Data Sets — об'єднання таблиць через merge() та concat(), Reshaping Data — зміна структури таблиць через melt() і pivot(), Data Filtering — вибірка рядків і стовпців за умовами, Sorting — сортування, перейменування та видалення стовпців, Windows — ковзні та накопичувальні обчислення, Plotting — візуалізація даних за допомогою графіків і гістограм
Pythonpython-dateutil доповнює стандартний модуль datetime корисними інструментами для роботи з датами й часом
Одна з найпопулярніших можливостей — нечіткий парсинг дат, який дозволяє розпізнавати дати в різних форматах без жорсткого шаблону
Pythonasyncio.Queue можна закривати через shutdown(), без використання None чи інших спеціальних значень
import asyncio
async def worker(queue):
while True:
try:
task = await queue.get()
except asyncio.QueueShutDown:
break
print(task)
queue.task_done()
async def main():
queue = asyncio.Queue()
task = asyncio.create_task(worker(queue))
await queue.put("task-1")
await queue.put("task-2")
queue.shutdown()
await queue.join()
await task
asyncio.run(main())
Після shutdown() нові елементи не додаються, а вже наявні обробляються. Коли черга спорожніє, get() викличе asyncio.QueueShutDown
Для примусового завершення є shutdown(immediate=True), який очищає чергу, але може порушити звичайну поведінку join()
Pythonstartswith() для перевірки належності файлу до директорії некоректно: метод порівнює лише рядкові префікси, а не компоненти файлового шляху
Наприклад, /srv/uploads_backup/file.txt також поверне True для перевірки startswith("/srv/uploads"), хоча ця директорія не є вкладеною
Для правильної перевірки використовуйте pathlib:
from pathlib import Path
base = Path("/srv/uploads").resolve()
path = Path("/srv/uploads/images/photo.jpg").resolve()
print(path.is_relative_to(base))
Метод is_relative_to() перевіряє, чи належить шлях до вказаної директорії з урахуванням компонентів шляху
Чому важливо використовувати resolve()?
Він нормалізує шлях, обробляє .. і розкриває символічні посилання. Без цього шлях може виглядати вкладеним у дозволену директорію, хоча фактично вказує за її межі
Важливо:
- is_relative_to() самостійно не викликає resolve() і перевіряє лише структуру шляху
- resolve() за замовчуванням не вимагає існування кінцевого файлу. Для суворої перевірки використовуйте strict=True
- Path.is_relative_to() доступний починаючи з Python 3.9
Зв'язка resolve() та is_relative_to() допомагає захиститися від виходу за межі дозволеної директорії під час обробки користувацьких шляхів, завантаження файлів і розпакування даних
Python