Python Community

‍🚀 Летняя школа бэкенд-разработки Яндекса объявила набор! Хочешь провести лето с пользой, работая над реальными проектами в команде с профессионалами? Это твой шанс! Если ты: • Уверенно владеешь Python, Java или C++ • Знаешь основы алгоритмов и структур данных — подавай заявку в Летнюю школу бэкенд-разработки Яндекса. 🗓 Формат обучения: • С 2 июня по 27 июля — онлайн-лекции и практические занятия • С 28 июля по 24 августа — работа над проектами (онлайн или офлайн) 💡 Что тебя ожидает: • Реальные задачи и работа в фулстек-команде • Наставничество от инженеров Яндекса • Возможность получить оффер: более 50% выпускников становятся стажёрами или сотрудниками компании • Нетворкинг, лекции и отличная атмосфера 📍 Участие бесплатное. 🕓 Заявки принимаются до 27 апреля. Не упусти свой шанс! 🔗 Подробнее (https://yandex.ru/yaintern/schools/backend?utm_campaign=sschool25&utm_medium=social&utm_source=telegram&utm_term=pythonl/?erid=2SDnjcR5PTA) #backend #летняяшкола #яндекс #стажировка #разработка #python #java #cplusplus @Python_Community_ru

🔌 python-kasa — это библиотека для управления умными устройствами TP-Link с помощью Python. Если у вас есть умные розетки, лампы или другие устройства TP-Link и вы хотите их автоматизировать через Python, стоит обратить внимание на эту библиотеку. С её помощью можно легко включать и выключать устройства, проверять их статус и даже управлять ими через командную строку. Поддерживаются как модели Kasa, так и Tapo, включая розетки, выключатели, лампы и даже камеры. 🤖 GitHub (https://github.com/python-kasa/python-kasa) @Python_Community_ru

🗣 OuteTTS 1.0 — это современный инструмент с открытым исходным кодом для синтеза речи (Text-to-Speech), который фокусируется на высоком качестве озвучивания, клонировании голосов и поддержке множества языков. Основные функции: 🔊 Ключевые возможности: Высокая производительность: Способен создавать аудио длительностью до 42 секунд (~8192 токена) за один раз. Тем не менее, для достижения наилучших результатов рекомендуется ограничивать объем до ~7000 токенов. - Поддержка клонирования голоса: Использует образец голоса длиной, например, 10 секунд. В этом случае контекст для синтеза уменьшается: доступно около 32 секунд активного контента (из 42). - 20 языков: Поддерживает озвучивание на 20 различных языках, что делает его универсальным решением для мультиязычных проектов. 🛠️ Под капотом: Хотя в описании не так много деталей о модели, из репозитория на GitHub можно понять, что: Используются современные архитектуры трансформеров для TTS. Поддерживается реалистичное клонирование голоса по короткому фрагменту. Скорость генерации и качество аудио соответствуют лучшим TTS-системам с открытым кодом. Установка: git clone https://github.com/edwko/OuteTTS.git cd OuteTTS pip install -r requirements.txt python from outetts import OuteTTS tts = OuteTTS( reference_speaker_path="reference_audio/igor_voice.wav", language="ru" # поддерживаются и другие языки, например: "en", "ja" ) text = "Привет, Python разработчик! Я твой кастомный голосовой ассистент." audio = tts.generate(text) with open("output.wav", "wb") as f: f.write(audio) 📥 Ссылка на репозиторий (https://github.com/edwko/OuteTTS) @Python_Community_ru

‍Ibis — это библиотека, которая сочетает в себе SQL и Python. Устали постоянно переключаться между SQL и pandas? С помощью Ibis вы можете использовать SQL-запросы и Python-пайплайны в одном коде. Установка (с поддержкой DuckDB и примерами): ``` pip install 'ibis-framework[duckdb,examples]' ``` Пример: ```python import ibis penguins = ibis.examples.penguins.fetch() # SQL внутри Python res = penguins.sql(""" SELECT species, island, count(*) AS count FROM penguins GROUP BY 1, 2 """) # Фильтрация и сортировка в стиле Python res.order_by("count") ``` Результат: ``` ┏━━━━━━━━━━━┳━━━━━━━━━━━┳━━━━━━━┓ ┃ species ┃ island ┃ count ┃ ┡━━━━━━━━━━━╇━━━━━━━━━━━╇━━━━━━━┩ │ string │ string │ int64 │ ├───────────┼───────────┼───────┤ │ Adelie │ Biscoe │ 44 │ │ Adelie │ Torgersen │ 52 │ │ Adelie │ Dream │ 56 │ │ Chinstrap │ Dream │ 68 │ │ Gentoo │ Biscoe │ 124 │ └───────────┴───────────┴───────┘ ``` Что может Ibis: — SQL-прослойка для работы с датафреймами — Один и тот же код работает с DuckDB, PostgreSQL, BigQuery, SQLite и другими — Унифицированный синтаксис, не зависящий от движка — Отлично подходит для пайплайнов в области data science Где может пригодиться: — Аналитика — Дашборды — EDA и быстрые прототипы — Интеграция SQL в ноутбуках без особых усилий Совместим с Jupyter, Airflow и всей экосистемой Python. Подробнее [здесь](http://bis-project.org/) На Github [здесь](https://github.com/ibis-project/ibis) @Python_Community_ru

🖥 DeepGit: Repo Discovery — это бесплатный инструмент на основе искусственного интеллекта, который помогает находить полезные репозитории на GitHub с помощью семантического поиска. Он построен на системе LangGraph и использует анализ кода, документации и отзывы сообщества, чтобы выделять малоизвестные, но многообещающие проекты. Ключевые возможности: ▪ Семантическая проверка: ищет не просто по ключевым словам, а «понимает» содержание. ▪ Многогранный анализ: учитывает не только код, но и документацию, активность и отзывы сообщества. ▪ Интеграция с GitHub: сосредоточен на этом экосистемном источнике, упрощая выбор качественных проектов. 🖥 GitHub (https://github.com/zamalali/DeepGit) @Python_Community_ru

🖥 Watchdog — это библиотека, которая предназначена для мониторинга изменений в файловой системе и имеет стильный дизайн. Этот инструмент позволяет фиксировать различные операции с файлами и папками, такие как создание, удаление, модификация и перемещение, и работает в средах Linux, macOS и Windows. Библиотека будет особенно полезна в следующих случаях: ▪ автоматический перезапуск серверов при обновлениях файлов ▪ обработка новых загружаемых файлов в указанную папку ▪ синхронизация содержимого папок ▪ создание механизмов резервного копирования, которые быстро реагируют на изменения 🔗 Watchdog (https://github.com/gorakhargosh/watchdog) 🔗 Документация (https://python-watchdog.readthedocs.io/en/stable/quickstart.html) @Python_Community_ru

🗂️ Ballista — это распределённый движок для выполнения запросов, основанный на Apache DataFusion. Этот инструмент позволяет одновременно обрабатывать запросы на нескольких узлах, при этом сохраняя совместимость с существующими SQL-запросами, включая сложные операции объединения, подзапросы и общие табличные выражения. Процесс развертывания упрощён благодаря использованию Docker-образов и поддержке Kubernetes, а встроенные бенчмарки показывают, что Ballista уже может соперничать со Spark по скорости обработки запросов, подобных TPC-H. 🤖 GitHub (https://github.com/apache/datafusion-ballista) @Python_Community_ru

‍🖥 Вот 17 лучших репозиториев на GitHub для изучения Python с ссылками: 1. 30-Days-Of-Python (https://github.com/Asabeneh/30-Days-Of-Python) — 30-дневный челлендж по основам Python. 2. Python Basics (https://github.com/mikeckennedy/python-basics-exercises) — основы Python для новичков, просто и с примерами. 3. Learn Python (https://github.com/trekhleb/learn-python) — справочник с кодом, пояснениями и практическими примерами. 4. Python Guide (https://github.com/realpython/python-guide) — гайд по практикам, инструментам и сложным темам. 5. Learn Python 3 (https://github.com/jerry-git/learn-python3) — руководство по Python 3 с практическими заданиями для начинающих. 6. Python Programming Exercises (https://github.com/zhiwehu/Python-programming-exercises) — более 100 задач по Python. 7. Coding Problems (https://github.com/MTrajK/coding-problems) — алгоритмы и структуры данных для собеседований. 8. Project-Based-Learning (https://github.com/practical-tutorials/project-based-learning) — изучение Python через реальные проекты. 9. Projects (https://github.com/karan/Projects) — идеи проектов для улучшения навыков. 10. 100-Days-Of-ML-Code (https://github.com/Avik-Jain/100-Days-Of-ML-Code) — машинное обучение на Python шаг за шагом. 11. TheAlgorithms/Python (https://github.com/TheAlgorithms/Python) — алгоритмы и структуры данных на Python. 12. Amazing-Python-Scripts (https://github.com/aviaryan/amazing-python-scripts) — полезные скрипты: от утилит до автоматизации. 13. Geekcomputers/Python (https://github.com/geekcomputers/Python) — скрипты для работы с сетью, файлами и задачами. 14. Materials (https://github.com/realpython/materials) — код и проекты от Real Python. 15. Awesome Python (https://github.com/vinta/awesome-python) — лучшие фреймворки, библиотеки и ресурсы. 16. 30-Seconds-of-Python (https://github.com/30-seconds/30-seconds-of-python) — короткие сниппеты для быстрого решения задач. 17. Python Reference (https://github.com/rasbt/python_reference) — скрипты, туториалы и полезные советы. #python #github #learning @Python_Community_ru

‍📚 "Космический Python: Создание Чистых Архитектур для Приветствия Неудач" Это бесплатная книга, которая поможет читателю освоить процесс разработки сложного приложения на Python с применением современных архитектурных подходов. Целевая аудитория: Python-разработчики, которые уже знают основы языка, но хотят научиться проектировать и создавать крупные приложения, избегая плохой структуры проектов и "спагетти-кода". Ключевые темы и концепции, упомянутые в предисловии: ▪ Архитектурные паттерны: Особое внимание уделяется чистым архитектурам (Clean Architecture), таким как Порты и Адаптеры (Гексагональная Архитектура). Основная идея заключается в изоляции ядра бизнес-логики от внешних зависимостей, таких как базы данных, веб-фреймворки и внешние API. ▪ Предметно-ориентированное проектирование (Domain-Driven Design - DDD): Как моделировать сложную бизнес-логику, сосредоточившись на предметной области. ▪ Событийно-ориентированная архитектура (Event-Driven Architecture - EDA): Использование событий для взаимодействия компонентов системы, что способствует слабой связанности. ▪ Разделение ответственности запросов и команд (Command Query Responsibility Segregation - CQRS): Паттерн для разделения операций чтения и записи данных, что может повысить производительность и масштабируемость. ▪ Тестирование: Подчеркивается важность тестирования на разных уровнях (модульное, интеграционное, сквозное) как неотъемлемой части процесса разработки и поддержки архитектуры. ▪ Управление зависимостями (Dependency Injection): Техники для создания слабосвязанных компонентов. 🔗 Книга (https://www.cosmicpython.com/book/introduction.html) @Python_Community_ru

‍🖥 Textcase — это библиотека на языке Python, созданная для преобразования строк в разные стили написания. Библиотека поддерживает такие форматы, как snake_case, kebab-case, camelCase, PascalCase, CONSTANT_CASE, а также преобразование в нижний, верхний и титульный регистры. Основные характеристики Textcase: - Обработка акронимов: библиотека корректно распознает и форматирует акронимы в строках, например, HTTPRequest. GitHub - Поддержка символов вне ASCII: она правильно работает с символами, которые выходят за пределы ASCII. Однако библиотека не делает предположений о языке ввода; например, диграф 'ij' в голландском языке не будет капитализирован как единый символ. - Высокая производительность: библиотека реализована эффективно, без использования регулярных выражений. - Отсутствие внешних зависимостей: библиотека не требует внешних зависимостей, что делает ее легкой и простой для интеграции. Установка: pip install textcase Пример использования: from textcase import case, convert print(convert("example string", case.SNAKE)) # example_string print(convert("ExampleString", case.KEBAB)) # example-string print(convert("example-string", case.CAMEL)) # exampleString print(convert("Example String", case.PASCAL)) # ExampleString 🖥 Github (https://github.com/zobweyt/textcase) 📌 Документация (https://zobweyt.github.io/textcase/#features) @Python_Community_ru

⚡️ Asyncer — это небольшая библиотека, предназначенная для упрощения работы с асинхронным кодом, созданная автором FastAPI. Стоит отметить, что это не фреймворк, а набор вспомогательных инструментов, которые делают код более аккуратным и улучшают подсказки в IDE. Библиотека ориентирована на удобство разработчиков: она улучшает автозаполнение, помогает избежать ошибок при проверке типов данных и облегчает смешение асинхронного и синхронного кода. В данный момент в Asyncer всего 4 функции, поэтому интеграция в проект займёт всего несколько минут. 🤖 GitHub (https://github.com/fastapi/asyncer) @Python_Community_ru

🔎 ClatScope (https://github.com/Clats97/ClatScope) — это эффективный инструмент для проведения разведки с применением открытых источников (OSINT), созданный для сбора различной информации об IP-адресах, доменах, электронных почтах, номерах телефонов и многом другом! 🔐 Лицензия: Apache-2.0 🖥 Github (https://github.com/Clats97/ClatScope) @Python_Community_ru

🖥 Radon — это инструмент, который помогает разработчикам выявлять проблемы в коде с использованием метрик. В отличие от других линтеров, Radon предоставляет количественную оценку: сколько тестов необходимо для функции и насколько она чрезмерно сложна. Проект поддерживает версии Python от 2.7 до 3.12 и не требует внешних зависимостей. Результаты можно получить через командную строку или интегрировать в CI/CD-пайплайны. 📌 GitHub (https://github.com/rubik/radon) @Python_Community_ru

‍⚡️Мы анализируем продажи на маркетплейсах с помощью Python С каждым днем все больше компаний начинают работать на маркетплейсах, поэтому аналитики, которые могут работать с ними, становятся всё более востребованными. Хотите научиться использовать Python для анализа продаж и разработки эффективных стратегий? Андрон Алексанян, генеральный директор Simulative, в прямом эфире проведет анализ продаж на маркетплейсах с помощью Python. Никаких шуток, только полезные знания! 🧡 Что мы сделаем: 🟠Напишем скрипт на Python, который каждый час собирает статистику о позициях карточек на WB по ключевым запросам. 🟠Создадим наглядные визуализации для отслеживания изменений в позициях. 🟠Обсудим, как оформить этот проект для идеального портфолио. 🕗 Встречаемся 1 апреля в 18:30 по московскому времени. 😶Зарегистрироваться на бесплатный вебинар (https://r.bothelp.io/tg?domain=intensives_simulative_bot&start=c1717737634212-ds&funnel=web-0104&utm_source=telegram&utm_medium=paid-placement&utm_campaign=pythonl&utm_content=31-03-2025&erid=2VtzqwqdxCp) @Python_Community_ru

FastOpenAPI FastOpenAPI – это библиотека, предназначенная для создания и интеграции схем OpenAPI с использованием Pydantic v2 и различных фреймворков, таких как Falcon, Flask, Quart, Sanic, Starlette и Tornado. ▪ Проект вдохновлён FastAPI и предлагает разработчикам схожий удобный опыт создания API с автоматической генерацией документации. ▪ С помощью FastOpenAPI вы можете просто определять маршруты, выполнять валидацию данных и генерировать документацию в формате Swagger UI и ReDoc, что делает процесс разработки и поддержки API более простым. ▪ Быстрая интеграция с поддержкой строгой типизации через модели Pydantic делает библиотеку надёжным инструментом для создания современных веб-приложений. ▪ FastOpenAPI распространяется под лицензией MIT, что позволяет свободно использовать и изменять его в коммерческих и некоммерческих проектах. ▪ Github (https://github.com/mr-fatalyst/fastopenapi) @pythol @Python_Community_ru

📞 SSHClick (https://github.com/karlot/sshclick) — это инструмент для управления SSH-конфигурациями, созданный на Python с использованием фреймворков Click, Rich и Textual. 🌟 Он предлагает удобный интерфейс для работы с файлами ssh_config, позволяя визуализировать, фильтровать и редактировать записи. Это облегчает управление большими и сложными SSH-конфигурациями, особенно для системных администраторов, которые работают с множеством серверов. 🌟 Основные возможности SSHClick включают парсинг существующих SSH-конфигураций, добавление метаданных для группировки и фильтрации хостов, а также удобный текстовый интерфейс (TUI) для работы непосредственно в терминале. Инструмент помогает быстро находить и редактировать записи, сокращая время, затрачиваемое на ручное управление конфигурациями. 🔐 Лицензия: MIT 🖥 Github (https://github.com/karlot/sshclick) @linuxacademiya @Python_Community_ru

🖥 Как отлаживать код на Python, не покидая редактора, с использованием встроенного модуля pdb. 🔍 Пример быстрой отладки с помощью pdb Часто, когда код не работает должным образом, мы начинаем добавлять много print(). Это неудобно, медленно и засоряет код. Вместо этого вставь в нужное место следующую строку: import pdb; pdb.set_trace() Когда выполнение дойдет до этой строки, ты попадешь в интерактивную консоль отладчика прямо в терминале. Далее можно: - n (next) — перейти к следующей строке; - s (step) — зайти внутрь функции; - c (continue) — продолжить выполнение; - l (list) — показать текущий контекст; - p var — вывести значение переменной var. 💡 Пример def calc(a, b): import pdb; pdb.set_trace() result = a + b return result calc(2, 3) На строке с pdb.set_trace() ты остановишься и сможешь изучить, что происходит внутри. Зачем это нужно? - Понять, почему что-то идет не так. - Посмотреть, какие значения у переменных в момент ошибки. - Быстро отладить без запуска IDE — удобно в Docker, SSH или при работе с cron. Попробуй — один раз освоишь, и уже не захочешь возвращаться к print(). @Python_Community_ru

🖥 "Think Python" - базовая книга от O'Reilly Это одна из лучших книг для изучения Python. ❤️‍🔥 Как вам обложка? ❯ 3 издание (https://allendowney.github.io/ThinkPython/) ❯ 2 издание (https://greenteapress.com/thinkpython2/thinkpython2.pdf) @Python_Community_ru