Zen of Python
Open in Telegram
Полный Дзен Пайтона в одном канале Разместить рекламу: @tproger_sales_bot Правила общения: https://tprg.ru/rules Другие каналы: @tproger_channels Сайт: https://tprg.ru/site Регистрация в перечне РКН: https://tprg.ru/xZOL
Show more
Network:📈 Analytical overview of Telegram channel Zen of Python
Channel Zen of Python (@zen_of_python) in the Russian language segment is an active participant. Currently, the community unites 18 699 subscribers, ranking 6 987 in the Technologies & Applications category and 35 128 in the Russia region.
📊 Audience metrics and dynamics
Since its creation on невідомо, the project has demonstrated rapid growth, gathering an audience of 18 699 subscribers.
According to the latest data from 01 November, 2026, the channel demonstrates stable activity. Although there has been a change in the number of participants by -98 over the last 30 days and by -3 over the last 24 hours, overall reach remains high.
- Verification status: Not verified
- Engagement rate (ER): The average audience engagement rate is 6.47%. Within the first 24 hours after publication, content typically collects 4.27% reactions from the total number of subscribers.
- Post reach: On average, each post receives 1 211 views. Within the first day, a publication typically gains 798 views.
- Reactions and interaction: The audience actively supports content: the average number of reactions per post is 1.
- Thematic interests: Content is focused on key topics such as github, rust, pip, api, install.
📝 Description and content policy
The author describes the resource as a platform for expressing subjective opinions:
“Полный Дзен Пайтона в одном канале
Разместить рекламу: @tproger_sales_bot
Правила общения: https://tprg.ru/rules
Другие каналы: @tproger_channels
Сайт: https://tprg.ru/site
Регистрация в перечне РКН: https://tprg.ru/xZOL”
Thanks to the high frequency of updates (latest data received on 02 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.
18 699
Subscribers
-324 hours
-357 days
-9830 days
Posts Archive
18 702
100 вопросов с собеседований Python. Полный разбор реальных вопросов
Этот обширный набор вопросов охватывает различные аспекты языка программирования Python, включая базовые понятия, структуры данных, ООП, асинхронное программирование, веб-разработку и многое другое.
Изучите этот список, чтобы узнать, к чему быть готовым и как лучше подготовиться к собеседованию по Python.
#видео #советы
18 702
Простыми словами: DottedDict для работы со словарями
DottedDict — это удобный способ работы со словарями в Python, который позволяет обращаться к элементам словаря, используя точечную нотацию. Это делает код более читаемым и удобным, особенно когда у вас есть вложенные словари.
Зачем нужен DottedDict?
Обычные словари в Python требуют использования квадратных скобок для доступа к элементам. Когда у вас много вложенных словарей, это может стать неудобным и трудно читаемым. С DottedDict вы можете использовать точечную нотацию, как в объектах.
Прежде чем использовать DottedDict, его нужно установить. Это можно сделать с помощью pip:
pip install dotted-dictDottedDict.
from dotted_dict import DottedDict
# Создание DottedDict
data = DottedDict({
"user": {
"name": "Alice",
"contact": {
"email": "alice@example.com",
"phone": "123-456-7890"
}
}
})
# Доступ к элементам с использованием точечной нотации
print(data.user.name) # Результат: Alice
print(data.user.contact.email) # Результат: alice@example.comDottedDict и получили доступ к вложенным элементам с использованием точечной нотации.
Вы также можете изменять и добавлять элементы в DottedDict так же просто, как и в обычном словаре.
# Изменение значения
data.user.name = "Bob"
print(data.user.name) # Результат: Bob
# Добавление нового значения
data.user.contact.address = "123 Main St"
print(data.user.contact.address) # Результат: 123 Main St18 702
Популярные алгоритмы машинного обучения на Python
В этой статье в виде ссылок представлены все популярные алгоритмы классического машинного обучения с их подробным теоретическим описанием и немного упрощённой реализацией с нуля на Python, отражающей основную идею.
А если вам этого мало, то в конце каждой темы указаны дополнительные источники для более глубокого ознакомления.
#ml #алгоритмы
18 702
Экскурс в Rust для питонистов
Rust с каждым днём набирает всё большую популярность. Поэтому многие задумываются о переходе на него или хотя бы об изучении его для расширения знаний.
В этом докладе Михаил Грачев рассказал, как Rust выглядит для разработчиков, которые уже хорошо умеют Ruby, Python или JS. Это не «введение в Rust для новичков», это обзор от опытного разработчика для других опытных разработчиков: ключевые отличия, на что стоит обращать внимания и где будет болеть.
#видео #доклад #rust
18 702
Вопросы для подготовки к Python Developer интервью
Ловите большую шпаргалку, в которой вы найдёте ответы на более чем 100 вопросов, встречающихся на интервью. Автор этого репозитория лично собирал вопросы и ответы на них, что заслуживает отдельного уважения.
А если хотите прочитать в формате книги, то скачивайте .epub, прикреплённый к посту.
#шпаргалка
18 702
tg2md — простая библиотека для парсинга постов из Telegram в Markdown
С помощью этого небольшого скрипта вы сможете быстро преобразовать все посты источника, включая медиафайлы, в файлы с markdown разметкой для дальнейшей работы с Jekyll.
Всё, что нужно — запустить файл с указанием источника данных и путь к конечному каталогу. Подробнее в репозитории проекта.
#библиотека #инструменты #telegram
18 702
Обучайся ИТ и строй карьеру уже во время учебы
Это возможно в «Школе 21» — школе цифровых технологий, проекте Сбера
Вот лишь несколько особенностей:
— обучение в школе бесплатное, от тебя нужна только мотивация
— 100% выпускников работают в крутых ИТ-компаниях
— стажировка входит в образовательный трек
— во время обучения соберешь портфолио и получишь реальный опыт
Кампусы школы открыты уже в 13 городах России и работают 24/7.
Узнавай больше и подавай заявку на сайте «Школы 21» уже сейчас!
Реклама. Заказчик АНО "Школа 21" ИНН 7736316133
18 702
10 простых способов ускорить код на Python
Только ленивый не шутил про скорость работы Python. Да, зачастую он оказывается менее производительным, чем другие языки. Однако, существуют способы, которые позволяют значительно повысить скорость при выполнении сложных вычислений или даже обработке больших объёмов данных.
В этой статье собраны 10 таких способов. Читайте и сохраняйте, чтобы не забыть.
#советы
18 702
Как автоматизировать инфраструктуру с помощью Terraform и Ansible
Terraform и Ansible — два популярных инструмента, которые помогают автоматизировать инфраструктуру и управлять ей. Первый позволяет настраивать ресурсы, реализовывать масштабируемость и удобное управление цифровыми активами компании. А второй осуществляет доставку, развертывание и обслуживание продуктов на серверах.
В этой статье мы рассказали в чем их особенности и как их можно интегрировать в разработку.
#devops #ansible #terraform
18 702
Как создать аудиоплеер на Python с помощью FFmpeg
Вот отличный пример пет-проекта, который позволяет научиться работать сразу с несколькими библиотеками, чтобы на выходе получить готовый инструмент, решающий конкретную задачу.
Здесь автор рассказал, как подошёл к созданию проекта, выбору инструментов и с какими сложностями столкнулся. В статье также есть ссылка на репозиторий с готовым кодом.
#петпроект #статья #ffmpeg
18 702
Что должен знать каждый разработчик Python: 8 основных технологий
У каждого разработчика имеется свой набор технологий и инструментов, которые он использует в своей работе. Их выбор осуществляется в течение всего профессионального пути. Но есть и те, которые нужно знать каждому, не выбирая что-то одно.
В этой статье речь пойдёт о 8 таких технологиях, без которых никак не обойтись в работе в любой сфере от инжиниринга до бекенда.
#советы
18 702
Простыми словами: yield в Python
Ключевое слово
yield позволяет создавать генераторы — функции, которые могут возвращать значения одно за другим, сохраняя свое состояние для следующего вызова. Это полезно для работы с большими наборами данных, так как не нужно загружать все данные в память сразу.
Когда функция с yield вызывается, она возвращает объект-генератор. Этот объект можно итерировать (перебирать) для получения значений, которые функция «производит» по мере необходимости.
Предположим, у нас есть функция, которая возвращает числа от 1 до 3:
def simple_generator():
yield 1
yield 2
yield 3
# Получаем генератор
gen = simple_generator()
# Итерируем генератор
for value in gen:
print(value)
# Результат:
# 1
# 2
# 3simple_generator использует yield для возврата значений.
2. Каждый вызов yield приостанавливает выполнение функции и возвращает значение.
3. На следующий вызов итерации выполнение функции продолжается с места, где оно было приостановлено последним yield.
А теперь представьте, что вам нужно обработать очень большой список чисел, но вы хотите сделать это постепенно, по одному числу за раз. В этом случае генератор с yield идеально подходит.
Например, для фильтрации четных чисел:
def get_even_numbers(numbers):
for number in numbers:
if number % 2 == 0:
yield number
big_list = range(1000000) # Большой диапазон чисел
# Используем генератор для получения четных чисел
even_numbers = get_even_numbers(big_list)
# Печатаем первые 10 четных чисел
for _ in range(10):
print(next(even_numbers))
# Результат:
# 0
# 2
# 4
# 6
# 8
# 10
# 12
# 14
# 16
# 18yield:
1. Экономия памяти. Генератор не загружает все данные в память сразу, а генерирует элементы по мере необходимости.
2. Упрощение кода. Использование yield упрощает написание функций, которые должны постепенно возвращать результаты.
3. Меньше кода для обработки больших наборов данных. Генераторы позволяют легко работать с большими данными без необходимости вручную управлять промежуточными структурами данных.
#простымисловами18 702
Упрощаем запуск Python-приложений с помощью одной библиотеки
PyOxidizer — это инструмент, который позволяет вам создавать автономные исполняемые файлы с вшитым Python.
Представьте себе, что вы написали приложение на Python и хотите легко распространять его, не заботясь о том, установил ли пользователь Python или необходимые библиотеки. PyOxidizer берет ваше приложение, Python и все его зависимости, объединяет их в один исполняемый файл, который можно запустить на другом компьютере без дополнительных настроек. Это особенно полезно для упрощения распространения и установки ваших Python-приложений.
Инструкция по использованию, а также сама библиотека находятся в этом репозитории.
#библиотека
18 702
Создание красивого Desktop-приложения на Python
Эта статья отличается от туториалов, ведь здесь не будет готовых кусков кода или ссылки на репозиторий.
Автор поделился своим опытом и ощущениями от разработки десктопного приложения на Python с помощью customtkinter. Он также рассказал о своих болях, которые вызвал у него этот проект.
Если собираетесь начать нечто подобное, то эта статья может помочь вам заранее узнать возможные подводные камни.
#customtkinter #windows
18 702
Как устроен жизненный цикл запросов в Django
В мире веб-разработки понимание жизненного цикла запросов имеет решающее значение для оптимизации производительности, устранения проблем с отладкой и создания надежного приложения. Эта статья поможет вам разобраться с каждым из этапов жизненного цикла в Django.
#django #веб
18 702
Забирайте бесплатный курс по Python от института биоинформатики
Курс посвящен базовым понятиям и элементам языка программирования Python (операторы, числовые и строковые переменные, списки, условия и циклы). Он является вводным и наиболее подойдет слушателям, не имеющим опыта написания программ ни на одном из языков программирования.
Начать бесплатно можно по ссылке.
#курс
18 702
Использование подчеркивания в коде на Python
Подчёркивание
_ — это символ, который используется в именах на Питоне. Он влияет на то, как код работает и как его читают. Знания о том, куда поместить подчёркивание, помогает писать код.
Этими знаниями делится автор статьи по ссылке. Не поленитесь прочитать.
#основы18 702
Simba: Симуляция десятков тысяч частиц в потенциале Леннарда-Джонса
Как вам эта симуляция? Красивая? Вы можете создать такую же благодаря проекту, который создал автор этой статьи. Причём работает она на чистом Python с GPU-ускорением.
Узнать подробнее о проекте и попробовать его можно в статье.
