en
Feedback

Don't get caught by a cheater! Telemetrio finds and tags such channels 👉 If you want to see the tag, subscribe

Python Portal

Python Portal

Open in Telegram

Всё самое интересное из мира Python Сотрудничество, реклама: @devmangx Работаем с @Spiral_Yuri РКН: https://clck.ru/3GMMF6

Show more

📈 Analytical overview of Telegram channel Python Portal

Channel Python Portal (@pythonportal) in the Russian language segment is an active participant. Currently, the community unites 51 095 subscribers, ranking 2 617 in the Technologies & Applications category and 12 076 in the Russia region.

📊 Audience metrics and dynamics

Since its creation on невідомо, the project has demonstrated rapid growth, gathering an audience of 51 095 subscribers.

According to the latest data from 27 October, 2026, the channel demonstrates stable activity. Although there has been a change in the number of participants by 706 over the last 30 days and by -22 over the last 24 hours, overall reach remains high.

  • Verification status: Not verified
  • Engagement rate (ER): The average audience engagement rate is 9.17%. Within the first 24 hours after publication, content typically collects 5.63% reactions from the total number of subscribers.
  • Post reach: On average, each post receives 4 684 views. Within the first day, a publication typically gains 2 876 views.
  • Reactions and interaction: The audience actively supports content: the average number of reactions per post is 16.
  • Thematic interests: Content is focused on key topics such as строка, none, true, модуль, peter.

📝 Description and content policy

The author describes the resource as a platform for expressing subjective opinions:
“Всё самое интересное из мира Python Сотрудничество, реклама: @devmangx Работаем с @Spiral_Yuri РКН: https://clck.ru/3GMMF6”

Thanks to the high frequency of updates (latest data received on 28 October, 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.

51 095
Subscribers
-2224 hours
+807 days
+70630 days
Posts Archive
photo content

«10 миллионов документов помещаются в 4 ГБ ОЗУ»: https://github.com/RyanCodrai/turbovec Корпус из 10 миллионов документов зан
«10 миллионов документов помещаются в 4 ГБ ОЗУ»: https://github.com/RyanCodrai/turbovec Корпус из 10 миллионов документов занимает 31 ГБ ОЗУ в формате float32. turbovec укладывает это в 4 ГБ и выполняет поиск быстрее, чем FAISS. turbovec — векторный индекс на Rust с Python-обвязками, построенный на алгоритме TurboQuant от Google Research — data-oblivious квантизаторе, который достигает границы Шеннона по искажению без обучения и без проходов по данным. 👉 @PythonPortal

Open-source проект Presenton (5K+ звёзд) генерирует презентации из промптов и документов. Поддерживает: - промпт → презентаци
Open-source проект Presenton (5K+ звёзд) генерирует презентации из промптов и документов. Поддерживает: - промпт → презентация - документ → презентация - экспорт PPTX и PDF - шаблоны - самохостинг (Докер) - API - BYOK - Ollama Работает через генерацию + редактирование + экспорт, без привязки к закрытому редактору. GitHub: github.com/presenton/pres 👉 @PythonPortal

👃👃👃 👉 @PythonPortal
👃👃👃 👉 @PythonPortal

Нужно понять, какие аргументы переданы в скрипт на Питоне. Для этого используется sys.argv — список, где: sys.argv[0] — имя с
Нужно понять, какие аргументы переданы в скрипт на Питоне. Для этого используется sys.argv — список, где: sys.argv[0] — имя самого скрипта дальше идут все переданные параметры запуска 👉 @PythonPortal

Библиотека Python itertools содержит много полезных функций. Одна из них — compress(), которая возвращает итератор по элемент
Библиотека Python itertools содержит много полезных функций. Одна из них — compress(), которая возвращает итератор по элементам из data, для которых соответствующий элемент в selectors равен True. Вот пример:

Непереводимая игра слов
Непереводимая игра слов

Не тратьте токены вашего AI на исследование проекта Создайте локальный семантический граф вашего кода с помощью этого инструм
Не тратьте токены вашего AI на исследование проекта Создайте локальный семантический граф вашего кода с помощью этого инструмента: ✓ –92% вызовов внешних инструментов ✓ Исследование кода на 71% быстрее ✓ Поддержка Claude Code, Cursor, Codex и OpenCode Локально и с открытым исходным кодом: → http://github.com/colbymchenry/codegraph 👉 @PythonPortal

Наследование в Python меняет путь поиска атрибутов, также известный как «method resolution order» (MRO): class Child: pass Ch
Наследование в Python меняет путь поиска атрибутов, также известный как «method resolution order» (MRO):
class Child:
    pass

Child.__mro__   # (__main__.Child, object)

class Child(Parent):
    pass

Child.__mro__   # (__main__.Child, __main__.Parent, object)
То есть MRO показывает, в каком порядке Python будет искать методы и атрибуты: сначала в классе потомке, затем в родителях по цепочке, и в конце — в базовом object. @PythonPortal

😢😢😢 👉 @PythonPortal
😢😢😢 👉 @PythonPortal

«Introduction to Algorithms» — выдающийся университетский ресурс для всех, кто изучает алгоритмы и компьютерные науки. Книга
«Introduction to Algorithms» — выдающийся университетский ресурс для всех, кто изучает алгоритмы и компьютерные науки. Книга охватывает вычислительную сложность, структуры данных, алгоритмы на графах, динамическое программирование, методы «разделяй и властвуй», жадные алгоритмы, рандомизированные алгоритмы и многие математические основы современной компьютерной науки. Особенно ценно здесь сочетание математической строгости и практического алгоритмического мышления. Это одна из тех книг, которые сильно меняют подход к анализу задач, эффективности и самим вычислениям. Обязательный инструмент в библиотеке любого разработчика и инженера, работающего в сфере компьютерных наук. https://www.cs.mcgill.ca/~akroit/math/compsci/Cormen%20Introduction%20to%20Algorithms.pdf 👉 @PythonPortal

«Open Data Structures» — ещё один очень полезный бесплатный ресурс для всех, кто изучает структуры данных и алгоритмы. Книга
«Open Data Structures» — ещё один очень полезный бесплатный ресурс для всех, кто изучает структуры данных и алгоритмы. Книга разбирает реализацию и анализ базовых структур: списков на массивах, связных списков, хеш-таблиц, бинарных деревьев, красно-чёрных деревьев, куч, алгоритмов сортировки, графов и структур данных для работы с целыми числами. Это полноценный открытый учебник для изучения одной из фундаментальных тем компьютерных наук и хороший референс, который стоит держать под рукой. https://opendatastructures.org/ods-python.pdf 👉 @PythonPortal

🔴 Реальный собес на Python от ТехЛида с опытом работы в Авито и Яндексе в прямом эфире 19 мая(уже завтра!) в 19:00 по мск пр
🔴 Реальный собес на Python от ТехЛида с опытом работы в Авито и Яндексе в прямом эфире 19 мая(уже завтра!) в 19:00 по мск приходи на прямой эфир с реальным собеседованием на Middle разработчика. Почему точно нужно прийти: 📂 Савва Демиденко, ТехЛид с опытом в Яндексе и Авито, будет задавать реальные вопросы и задачи разработчику-добровольцу 📂 Савва будет комментировать каждый ответ респондента, чтобы дать понять чего от вас ожидает собеседующий на интервью 📂 В конце можно будет задать любой вопрос Савве Это бесплатно. Эфир проходит в рамках менторской программы от ШОРТКАТ для Python-разработчиков, которые хотят повысить свой грейд, ЗП и прокачать скиллы. 🔍 Переходи в нашего бота, чтобы получить ссылку на эфир → @shortcut_py_bot Реклама. О рекламодателе.

Во многих приложениях требуется отображение строк в целые числа. В Python это обычно выглядит так: d = {"apple": 100, "banana
Во многих приложениях требуется отображение строк в целые числа. В Python это обычно выглядит так:
d = {"apple": 100, "banana": 200, "cherry": 300}
Если ключей 1 миллион, это может потреблять много памяти — больше 100 байт на ключ. Наш слон опубликовал новую библиотеку, которая использует около 9 байт на ключ. Да, всего 9 байт. Использование выглядит так:
from fastconstmap import ConstMap

d = {"apple": 100, "banana": 200, "cherry": 300}
m = ConstMap(d)

m["apple"]                  # -> 100
m.get_many(["banana", "cherry"])  # -> [200, 300]
Она может быть значительно быстрее (например, до 2 раз в некоторых случаях), чем стандартный словарь. Также её можно сериализовать и десериализовать на диск или в сеть для удобного повторного использования. https://pypi.org/project/fastconstmap/ гитхаб: https://github.com/lemire/fastconstmap 👉 @PythonPortal

Преврати любую авторегрессионную языковую модель в диффузионную языковую модель. dLLM — это Python-библиотека, которая объединяет обучение и оценку диффузионных языковых моделей. Её также можно использовать, чтобы превратить ЛЮБУЮ авторегрессионную языковую модель в диффузионную языковую модель с минимальными вычислительными затратами. 100% открытый исходный код. 👉 @PythonPortal

Методы в Python хранятся на уровне класса, а не экземпляра. Тогда как Python находит метод при вызове x.m()? Правило ICPO: Сн
Методы в Python хранятся на уровне класса, а не экземпляра. Тогда как Python находит метод при вызове x.m()? Правило ICPO: Сначала Python ищет атрибут в экземпляре (_i_nstance). Если не найден — проверяет класс (_c_lass). Дальше — родительские классы (_p_arent). В конце — object, корневой базовый класс (_o_bject). Именно поэтому метод можно определить один раз в классе, а использовать через любой экземпляр. 👉 @PythonPortal

Google выпустила свои официальные skills для AI-агентов. Компания опубликовала 13 skills, совместимых с Claude Code, Cursor,
Google выпустила свои официальные skills для AI-агентов. Компания опубликовала 13 skills, совместимых с Claude Code, Cursor, Copilot и другими агентами. Они позволяют агентам выполнять продвинутые задачи и автоматизировать сложные рабочие процессы. Это бесплатно и с открытым исходным кодом : https://github.com/google/skills 👉 @PythonPortal

🙂🙂🙂 👉 @PythonPortal
🙂🙂🙂 👉 @PythonPortal

Релиз Pyrefly type checker 1.0.0 уже здесь: https://pyrefly.org/blog/v1.0/ Вот основные улучшения: 🐍 Обновлённая диагностика стала в 2–125 раз быстрее 🐍 Полная проверка типов ускорена на 20–36% 🐍 Первичная индексация при первом сканировании стала в 2–3 раза быстрее 🐍 Использование памяти снижено на 40–60% 🐍 Добавлен отчёт о покрытии type checking 👉 @PythonPortal