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 20 874 subscribers, ranking 6 483 in the Technologies & Applications category and 2 945 in the Ukraine region.
📊 Audience metrics and dynamics
Since its creation on невідомо, the project has demonstrated rapid growth, gathering an audience of 20 874 subscribers.
According to the latest data from 10 June, 2026, the channel demonstrates stable activity. Although there has been a change in the number of participants by -180 over the last 30 days and by -14 over the last 24 hours, overall reach remains high.
- Verification status: Not verified
- Engagement rate (ER): The average audience engagement rate is 9.35%. Within the first 24 hours after publication, content typically collects 5.50% reactions from the total number of subscribers.
- Post reach: On average, each post receives 1 951 views. Within the first day, a publication typically gains 1 148 views.
- Reactions and interaction: The audience actively supports content: the average number of reactions per post is 10.
- 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 11 June, 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.
>>> from datetime import date, timedelta
>>> dt = date(2022, 11, 3)
>>> dt-timedelta(days=1)
???
👉 Відповідь
#Python // #practice // Архів книгshutil багато хто вже, ймовірно, знайомий, але його зазвичай використовують у контексті завдань копіювання, перенесення файлів і папок.
Але за допомогою shutil можна отримати навіть інформацію про пам'ять на жорсткому диску. Метод disk_usage повертає кількість всієї, зайнятої та вільної пам'яті.
import shutil
total_b, used_b, free_b = shutil.disk_usage('.')
gb = 10 ** 9
print('Total: {:6.2f} GB'.format(total_b / gb))
print('Used: {:6.2f} GB'.format(used_b / gb))
print('Free : {:6.2f} GB'.format(free_b / gb))
# Output:
# Total: 245.11 GB
# Used : 128.38 GB
# Free: 99.04 GB
Так як всі три значення повертаються в байтах, у прикладі ми їх перевели та вивели у гігабайти для кращої наочності.
#shutil // #practice // PythonВ компанії зазначають, що таким чином хочуть розворушити українську IT-спільноту і покреативити — ну і власне, це гарний маркетинговий хід, оскільки кошти переможцю нададуть лише як депозит, який можна витратити на будь-який з курсів.👉 Детальніше #Python // #news // Архів книг
truncate() змінює розмір файлу до заданої кількості байтів. Якщо розмір не вказано, використається поточна позиція.
Зверніть увагу: якщо вказаний розмір перевищує поточний розмір файлу, результат буде залежати від платформи.
f = open ("demofile2.txt", "a")
f.truncate(20)
f.close()
f = open("demofile2.txt", "r")
print(f.read())
Файл може залишитися незмінним, збільшитися до вказаного розміру, якщо він був заповнений нулями, або збільшитися до вказаного розміру з невизначеним новим вмістом.
#truncate // #practice // Pythonstatistics.stdev() обчислює стандартне відхилення вибірки даних. Стандартне відхилення — це міра того, наскільки розкидані числа.
import statistics
print(statistics.stdev([1, 3, 5, 7, 9, 11]))
# 3.7416573867739413
print(statistics.stdev([2, 2.5, 1.25, 3.1, 1.75, 2.8]))
# 0.6925797186365383
print(statistics.stdev([-11, 5.5, -3.4, 7.1]))
# 8.414471660973927
print(statistics.stdev([1, 30, 50, 100]))
# 41.67633221226008
Велике стандартне відхилення свідчить про те, що дані розкидані, а невелике — що дані згруповані близько до середнього значення. Стандартне відхилення виявляється у тих самих одиницях, що й дані.
#Python // #practice // Архів книгHelloWorld з методом index, що декорований за допомогою cherrypy.expose — він буде доступним як обробник HTTP-запитів.
import cherrypy
class HelloWorld:
@cherrypy.expose
def index(self):
return "Hello World!"
cherrypy.quickstart(HelloWorld())
Потім запускається веб-сервер CherryPy за допомогою методу cherrypy.quickstart та передачі йому екземпляра класу HelloWorld.
Результатом роботи цього коду буде те, що при надсиланні GET-запиту на кореневий маршрут (/) сервер поверне рядок "Hello World!".
#CherryPy // #theory // Python☑️ Оцінимо ваш поточний рівень та перспективи. ☑️ Складемо конкретний план: які компанії та навички допоможуть зробити наступний крок. ☑️ Розкажемо, які можливості є на міжнародному ринку для IT-спеціалістів з України. ☑️ Все без складнощів і зайвих теорій. Просто і по суті.Навіщо це вам? Щоб не втрачати час на здогадки і відразу знати, що робити, щоб перейти на новий рівень у кар'єрі. 🎟 Записатися на консультацію просто: https://i.goit.global/VinbM Не пропустіть можливість дізнатися, як отримувати більше, залишаючись собою!
tp = (0)
lst = [0]
print(tp.__ sizeof__() > lst.__sizeof__())
👉 Відповідь
#Python // #practice // Архів книгintersection() повертає набір, який містить схожість між двома чи більше наборами.
x = {"apple", "banana", "cherry"}
y = {"google", "microsoft", "apple"}
z = x.intersection(y)
print(z) # ['apple']
x = {"a", "b", "c"}
y = {"c", "d", "e"}
z = {"f", "g", "c"}
result = x.intersection(y, z)
print(result) # ['c']
Набір, що повертається, містить тільки елементи, які існують в обох наборах або у всіх наборах, якщо порівняння виконується більш, ніж з двома наборами.
#intersection // #practice // Python
Available now! Telegram Research 2025 — the year's key insights 
