Zen of Python
رفتن به کانال در 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
نمایش بیشتر
شبکه:📈 تحلیل کانال تلگرام Zen of Python
کانال Zen of Python (@zen_of_python) در بخش زبانی روسی بازیگری فعال است. در حال حاضر جامعه شامل 18 712 مشترک است و جایگاه 7 001 را در دسته فناوری و برنامه‌ها و رتبه 35 195 را در منطقه روسيا دارد.
📊 شاخص‌های مخاطب و پویایی
از زمان ایجاد در невідомо، پروژه رشد سریعی داشته و 18 712 مشترک جذب کرده است.
بر اساس آخرین داده‌ها در تاریخ 29 اکتبر, 2026، کانال فعالیت پایداری دارد. در ۳۰ روز گذشته تغییر اعضا برابر -99 و در ۲۴ ساعت گذشته برابر -4 بوده و همچنان دسترسی گسترده‌ای حفظ شده است.
- وضعیت تأیید: تأیید نشده
- نرخ تعامل (ER): میانگین تعامل مخاطب 6.27% است و در ۲۴ ساعت نخست پس از انتشار، محتوا معمولاً 4.24% واکنش نسبت به کل مشترکان کسب می‌کند.
- دسترسی پست‌ها: هر پست به طور میانگین 1 173 بازدید دریافت می‌کند. در اولین روز معمولاً 793 بازدید جمع‌آوری می‌شود.
- واکنش‌ها و تعامل: مخاطبان به‌طور فعال حمایت می‌کنند؛ میانگین واکنش به هر پست 1 است.
- علایق موضوعی: محتوا بر موضوعات کلیدی مانند github, rust, pip, api, install تمرکز دارد.
📝 توضیح و سیاست محتوایی
نویسنده این فضا را محل بیان دیدگاه‌های شخصی توصیف می‌کند:
“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”
به لطف به‌روزرسانی‌های پرتکرار (آخرین داده در تاریخ 30 اکتبر, 2026)، کانال همواره به‌روز و دارای دسترسی بالاست. تحلیل‌ها نشان می‌دهد مخاطبان به‌طور فعال با محتوا تعامل دارند و آن را به نقطه اثرگذاری مهم در دسته فناوری و برنامه‌ها تبدیل کرده‌اند.
18 712
مشترکین
-424 ساعت
-467 روز
-9930 روز
آرشیو پست ها
18 712
В чем сида аннотаций типов
Type Hints — годный инструмент, ибо помогают находить ошибки типов ещё до запуска кода, но настоящая их сила в другом. С ними вы думаете о структуре данных, делая код менее ломким. Появились в Python 3.5 в 2015 году и прижились так хорошо. что даже IDE напоминают вам о них ворнингами.
Взгляните на функцию, что вычисляет скидку для списка товаров:
def calculate_discount(items, discount):
return [item * (1 - discount) for item in items]
discount?
— Что возвращает функция?
Код «самопроясняется», если добавить typing.List:
from typing import List
def calculate_discount(items: List[float], discount: float) -> List[float]:
return [item * (1 - discount) for item in items]
List[float], если она также могла бы принять кортеж, множество или генератор?
from collections.abc import Iterable
def calculate_discount(items: Iterable[float], discount: float) -> List[float]:
return [item * (1 - discount) for item in items]
items — любая итерируемая структура: список, кортеж, генератор. Такой подход делает функцию более универсальной.
Это и есть главное преимущество Type Hints: они заставляют задуматься — а не слишком ли жёсткие ограничения я накладываю на входные данные? А не стоит ли сделать интерфейс функции более абстрактным?
Допустим, вы проектируете класс заказа. Если сначала использовали List для хранения товаров, то подумав о типах, вы можете заменить это на Set, чтобы избежать повторений. Или вместо хранения всех элементов в памяти начать использовать генератор для ленивой загрузки данных из базы.
Аннотации типов подталкивают вас к обобщённому проектированию, где функции и классы не зависят от конкретных реализаций.
Входы — как можно шире, выходы — как можно конкретнее.#основы @zen_of_python
18 712
Repost from Типичный программист
Делитесь своим опытом в опросе про облака
Мы готовим большое исследование по облачным технологиям и хотим узнать ваше мнение.
Расскажите, как вы работаете с облаками, какие у вас возникают вопросы или трудности. Фидбэк можно оставить в этой гугл-форме
Спасибо 🙏
18 712
django-action-triggers | Вебхуки для всего отовсюду на Django
Библиотека позволяет инициировать всевозможные события на вашем Django-сайте по триггеру — апдейту базы данных. В отличие от т.н. сигналов, могут управляться динамически, без редеплоя.
Репозиторий проекта
@zen_of_python
18 712
Коллекция питонических роадмапов
Вашему вниманию дорожные карты из Py-мира с небезызвестного сайта roadmap.sh.
По технологиям:
— Python;
— SQL;
По специальностям:
— Data Engineer (потребуется VPN);
— Data Analyst;
— Data Scientist;
И даже Prompt Engineer, если вы хотите позабавиться или ужаснуться.
#основы
@zen_of_python
18 712
PyXL | Python + Bare Metal
Код можно интерпретировать непосредственно на железе без виртуальной машины (VM) и JIT-компиляции. Это положительно скажется на скорости.
Среди возможностей:
— собственный процессор, исполняющий байт-код Python напрямую, минуя традиционные интерпретаторы;
— высокая скорость отклика GPIO: В тестах на плате Arty-Z7-20 с FPGA Zynq-7000 PyXL демонстрирует время отклика GPIO в 480 наносекунд, что в 30 раз быстрее, чем у MicroPython на PyBoard;
На сайт проекта
#инструмент
@zen_of_python
18 712
Кто из вас сильный? Признавайтесь, надо мебель в соседнем классе перенести.
#кек
@zen_of_python
😎 — как мощны мои лапищи
🌚 — пишу с нейрокопайлотами
18 712
Между гадалками и LLM для верстки сайтов есть нечто общее: обе оперируют узким проверенным словарем на ~1000 слов, чтобы выразить свои мысли и при этом попасть в "болевые точки" клиента.
#кек
@zen_of_python
18 712
Вашему вниманию — Змеиный культ Некрополиса, типичная IT-команда разработки
#кек
@zen_of_python
18 712
Раз вам зашел питонический фон для созвонов от ChatGPT, оцените, на что способен Midjourney, если не скупиться на слова в промте:
#кек
@zen_of_python
18 712
Вопросы подписчиков
Zen of Python поддерживает новоприбывших (и не только) в особой рубрике. Как это работает:
— Спрашивайте что угодно (в комментариях под этим постом), связанное с Python. Здесь нет плохих вопросов!
— Сообщество вас поддержит. Самые интересные вопросы мы разберём в отдельном посте.
#вопросы_новичков
@zen_of_python
18 712
Вопросы подписчиков
Zen of Python поддерживает новоприбывших (и не только) в особой рубрике. Как это работает:
— Спрашивайте что угодно (в комментариях под этим постом), связанное с Python. Здесь нет плохих вопросов!
— Сообщество вас поддержит. Самые интересные вопросы мы разберём в отдельном посте;
#вопросы_новичков
@zen_of_python
18 712
Repost from Код найма
Расскажите про свой опыт поиска работы
Мы сейчас проводим исследование — хотим разобраться, как айтишники ищут работу: на что обращаете внимание в вакансии, что для вас точно красный флаг, а что — зеленая простыня. Мы хотим из первых уст узнать про все боли, подводные камни и нюансы рекрутинга в ИТ в 2025 году, поэтому просим вашей помощи — пройдите опрос, который займет у вас около 15 минут.
Давайте поможем компаниям и специалистам эффективнее и быстрее находить друг друга.
18 712
pytest-testmon | Крохотная автоматизация тестов
Счастлив тот питонист, чей работодатель имеет ресурс на тестирование своего кода. Эта библиотека позволяет автоматически покрывать тестами только затронутые изменениями участки кода, снимая с вас эту нагрузку.
Проект на pypi.org
#инструмент
@zen_of_python
18 712
orbital | Обработка датасета прямо из БД
Если вам довелось готовить собственные датасеты перед загрузкой в модель и запускать пайплайны scikit-learn, то повторять такое на каждом банче из БД на SQL вы точно не захотите. Этот инструмент как раз превращает типовые операции StandardScaler, OneHotImputer, SimpleImputer и многие другие.
Проект на GitHub
#инструмент
@zen_of_python
18 712
pipask | pip, который не пропустит зловред
Дожили: через pypi.org можно слить свои креды / логопассы и дать возможность майнить крипту мошенникам. Пока админ плачет в сторонке вас еще миновала участь установить нечто злое, попробуйте вместо привычных менеджеров зависимостей pipask: он использует метаданные, чтобы оценить вероятность угрозы и подтягивает базу osv.dev (про уязвимости).
Ждем, когда PSF сшерлочат эту фичу.
Репозиторий проекта
#инструмент
@zen_of_python
18 712
Качество кода в эпоху LLM
Один из сеньоров сказал на одной конференции:
«Если разработчик не использует LLM для автоматизации рутины, то он просто тратит ресурсы своей компании»
Вот на таком прокрустовом ложе мы с вами оказались: c LLM база мгновенно забывается, без нее — пишешь / отлаживаешь медленнее.
ИИ-ассистенты:
— генерируют код по промту;
— предлагают автодополнение на основе контекста;
— подсказывают, как улучшить код.
Но они реактивные — не анализируют весь проект автоматически. ИИ не гарантирует соответствие стандартам проекта, превращая код в кашу.
Если вы уже не готовы отказаться от копайлотов вроде ChatGPT или Cursor, с качеством кода помогут несправедливо забытые:
— линтеры (pylint, flake8);
— тайпчекеры (mypy);
— security-сканеры (bandit);
— «покрыватели тестами» (coverage, pytest-cov);
— профилировщики (cProfile).
Вышеописанные инструменты:
— формализуют согласно стандарту PEP8;
— находят ошибки, неиспользуемые импорты, — «мертвый код», несоответствия типов (
mypy);
— работают без контекста задачи — поэтому «беспристрастны»;
#инструмент #основы
@zen_of_python18 712
Почему все реже встречается __init__
В питоническом комьюнити некоторые призывают отказаться от пользовательских методов
__init__ в контексте dataclasses.
До Python 3.7 разработчикам приходилось вручную определять этот метод для инициализации атрибутов экземпляра класса. Например, чтобы создать объект 2DCoordinate(x=1, y=2), необходимо было явно прописать метод init с параметрами x и y. Альтернативы — фабричные функции и абстрактные классы, были менее удобны и приводили к усложнению кода.
С появлением «структур данных» необходимость в ручном определении __init__ для простых структур данных отпала:
from dataclasses import dataclass
@dataclass
class Person:
name: str
age: int
person = Person(name="Alice", age=30)
print(person)
class FooBarWidget(FooWidget):
def __init__(self):
self.publisher = zmq.Context.instance().socket(zmq.PUSH)
self._init()
def _init(self):
def worker_thread_start():
FooWidget.__init__(self)
self.run()
worker_thread = Thread(target=worker_thread_start, daemon=True)
worker_thread.start()
FooWidget.__init__, могут быть недоступны в основном потоке до завершения инициализации в дочернем потоке, что вызывает ошибки при обращении к ним.
#основы
@zen_of_python18 712
Бывает, просыпаешься утром и понимаешь — хочется перемен. Сменить город, страну, климат. Поработать с видом на океан или встретить закат в кофейне где-нибудь в центре Европы. Только вот отпуска на всё не хватает.
А может, и не нужен отпуск? Есть компании, где работать можно откуда угодно — хоть с берега, хоть с балкона, хоть из уютного офиса, если так больше нравится.
Точка — как раз из таких. Здесь главное — результат, а не география. Ты сам выбираешь, где тебе комфортно: дома, в классном офисе или в другом часовом поясе.
В финтех-компании Точка работает 1300 IT-специалистов — разработчиков, продактов, дата-сайентистов и дизайнеров. Они создают IT-продукты, которым доверяют 700 000 предпринимателей. Здесь ценят инициативу, самостоятельность и продуманность решений.
Хочешь жить по своим правилам и при этом делать классные вещи вместе с командой?
Переходи по ссылке — там подробно расписано, как в Точке работают и кого сейчас ищут. Возможно, это именно твой путь.
Это #партнёрский пост
18 712
Апгрейд Win-установочника Python
Разработчики языка оптимизируют
процесса установки Python на Windows с помощью т.н. PyManager. Вот его ключевые:
— Единый инструмент установки. Ранее существовало несколько способов установки Python на Windows: традиционный установщик
.exe, пакет в Microsoft Store и NuGet-пакеты. PyManager объединяет их в один инструмент, упрощая процесс установки и управления версиями Python.
— Управление несколькими версиями
PyManager позволяет устанавливать и управлять несколькими версиями Python одновременно, включая возможность установки конкретных версий и архитектур (например, py install 3.11.4 --arch=arm64). Это особенно полезно для тестировщиков.
PEP-773
#факт
@zen_of_python