Не попадитесь на канал ботавода! Telemetrio находит и помечает такие каналы 👉 Хотите видеть метку — оформите подписку

Python/ django

Открыть в Telegram

по всем вопросам @workakkk @itchannels_telegram - 🔥 все ит каналы @ai_machinelearning_big_data -ML @ArtificialIntelligencedl -AI @datascienceiot - 📚 @pythonlbooks РКН: clck.ru/3FmxmM

Больше

Сеть: MachinelearningРоссия10 292Технологии и приложения2 244...

📈 Аналитический обзор Telegram-канала Python/ django

Канал Python/ django (@pythonl) языкового сегмента Русский является активным участником. Сейчас сообщество объединяет 58 385 подписчиков, занимая 2 244 место в категории Технологии и приложения и 10 292 место в регионе Россия.

📊 Показатели аудитории и динамика

С момента создания невідомо проект демонстрирует стремительный рост, собрав аудиторию из 58 385 подписчиков.

Согласно последним данным от 03 ноября, 2026, канал показывает стабильную активность. За последние 30 дней изменение числа участников составило -242, а за последние 24 часа — -32, при этом общий охват остаётся высоким.

Статус верификации: Не верифицирован
Уровень вовлечённости (ER): Средний показатель вовлечённости аудитории составляет 6.00%. В первые 24 часа после публикации контент обычно набирает 3.06% реакций от общего числа подписчиков.
Охват публикаций: В среднем каждый пост получает 3 501 просмотров. В течение первых суток публикация набирает 1 784 просмотров.
Реакции и взаимодействия: Аудитория активно поддерживает контент: среднее количество реакций на один пост — 18.
Тематические интересы: Контент сосредоточен на ключевых темах, таких как github, claude, контекст, архитектура, api.

📝 Описание и контентная политика

Автор описывает ресурс как площадку для выражения субъективного мнения:
“по всем вопросам @workakkk @itchannels_telegram - 🔥 все ит каналы @ai_machinelearning_big_data -ML @ArtificialIntelligencedl -AI @datascienceiot - 📚 @pythonlbooks РКН: clck.ru/3Fm...”

Благодаря высокой частоте обновлений (последние данные получены 04 ноября, 2026) канал поддерживает актуальность и высокий уровень охвата публикаций. Аналитика показывает, что аудитория активно взаимодействует с контентом, что делает его важной точкой влияния в категории Технологии и приложения.

58 385

Подписчики

-3224 часа

-1807 дней

-24230 дней

3 501

Просмотры поста

~ 1 78424 часа

~ 2 27148 часов

6.00%

Коэффициент вовлеченности

~ 1

Постов в день

Ads index

Архив постов

58 382

$🖥 Topological sorting Реализация алгоритма топологической сортировки # a # / \ # b c # / \ # d e edges = {"a": ["c", "b"], "$

🖥 Topological sorting Реализация алгоритма топологической сортировки



#     a
#    / \
#   b  c
#  / \
# d  e
edges = {"a": ["c", "b"], "b": ["d", "e"], "c": [], "d": [], "e": []}
vertices = ["a", "b", "c", "d", "e"]


def topological_sort(start, visited, sort):

    current = start

    visited.append(current)
    neighbors = edges[current]
    for neighbor in neighbors:

        if neighbor not in visited:
            sort = topological_sort(neighbor, visited, sort)

    sort.append(current)

    if len(visited) != len(vertices):
        for vertice in vertices:
            if vertice not in visited:
                sort = topological_sort(vertice, visited, sort)

    return sort

if __name__ == "__main__":
    sort = topological_sort("a", [], [])
    print(sort)

▪Topological sorting ▪Топологическая сортировка @pythonl

58 382

🔥 Подборка полезных папок с каналами для датасаентисов Папки, где вы найдете каналы с разбором лучших практик написания кода на Python и Golang до каналов по машинному обучению и нейросетям (папки работают на последних версиях тг). https://t.me/addlist/2Ls-snqEeytkMDgy - Машинное обучение https://t.me/addlist/8vDUwYRGujRmZjFi - Python https://t.me/addlist/MUtJEeJSxeY2YTFi - Golang

58 382

🖥 typeshed Typeshed contains external type annotations for the Python standard library and Python builtins, as well as third party packages as contributed by people external to those projects. Typeshed содержит внешние аннотации типов для стандартной библиотеки Python и встроенных модулей Python, а также пакеты сторонних разработчиков. 🖥 Github @pythonl

58 382

🖥 Quick and Dirty Guide To Numpy Расширенный учебник по Numpy ▪Colab ▪NumPy Cheatsheets @pythonl

58 382

⚡️ Стартовал прием заявок на Технологический конкурс НТИ Up Great «Экстренный поиск»! Участникам предстоит преодолеть комплексный технологический барьер, предусматривающий разработку технологий и технических решений, объединенных в единую систему, позволяющую эффективно использовать техническое зрение при поиске пропавших людей с применением беспилотных воздушных судов (БВС). На первом этапе (Сателлит №1) участникам необходимо разработать программное решение для поиска объектов (людей) на изображениях, полученных с БВС. Призовой фонд Сателлита №1 составляет 5 млн руб. Лучшим командам, удовлетворяющим требованиям технического регламента, организаторами будут предоставлены БВС для участия во втором этапе (Сателлит №2) и финале конкурса. Призерами и победителями могут стать только налоговые резиденты РФ. 📲 Заявки на Сателлит № 1 принимаются до 12 июня 2023 г. по ссылке. Конкурс организуется совместно МФТИ, Фондом НТИ и добровольческим поисково-спасательным отрядом «ЛизаАлерт». Общий призовой фонд составляет 135 млн руб.

58 382

🖥 5 examples on how to improve your Python code Полезные примеры того, как улучшить ваш код на Python 1. Using List Comprehensions

squares = []

for x in range(10):
    squares.append(x**2)

print(squares)

2. Using Generators

with open('example.txt') as f:
    for line in (line.strip() for line in f):
        print(line)

3. Using the zip() function

names = ['Pippo', 'Pluto', 'Paperino']
ages = [25, 30, 35]

for name, age in zip(names, ages):
    print(f'{name} is {age} years old')

4. Using DefaultDict

from collections import defaultdict

s = 'hello world'

d = defaultdict(int)
for c in s:
    d[c] += 1

print(d)

5. Using enumerate()

fruits = ['apple', 'banana', 'cherry']

for i, fruit in enumerate(fruits):
    print(f'{i}: {fruit}')

▪Techniques to Write Better Python Code ▪Улучшение Python-кода @pythonl

58 382

🖥 5 Mistakes Every Python Developer Should Avoid! 5 ошибок, которых должен избегать каждый разработчик Python! 1. Avoid using global variables Избегайте использовать глобальных переменных

# Using global variables
my_var = 42

def my_function():
    global my_var
    my_var += 1
    return my_var

# Using local variables
def my_function2(my_var):
    my_var += 1
    return my_var

2. Avoid blocking I/O operations Избегайте блокировки операций ввода/вывода

# Blocking I/O
import requests

response = requests.get('https://example.com')
print(response.text)

# Non-blocking I/O using asyncio
import asyncio
import aiohttp

async def fetch(session, url):
    async with session.get(url) as response:
        return await response.text()

async def main():
    async with aiohttp.ClientSession() as session:
        html = await fetch(session, 'https://example.com')
        print(html)

asyncio.run(main())

3. Avoid using eval() and exec() избегайте использования eval() и exec()

# Using eval() to execute code
my_var = '1 + 1'
result = eval(my_var)

# Using ast.literal_eval() to safely evaluate literals
import ast

my_var = '[1, 2, 3]'
result = ast.literal_eval(my_var)

4. Avoid using mutable default arguments Избегайте использования изменяемых аргументов

# Using mutable default arguments
def my_function(my_list=[]):
    my_list.append(1)
    return my_list

result1 = my_function()  # [1]
result2 = my_function()  # [1, 1]

# Using immutable default arguments
def my_function2(my_list=None):
    if my_list is None:
        my_list = []
    my_list.append(1)
    return my_list

result3 = my_function2()  # [1]
result4 = my_function2()  # [1]

5. Avoid using *args and **kwargs excessively Избегайте частого использования *args и **kwargs

def my_function(*args, **kwargs):
    arg1 = args[0]
    arg2 = kwargs.get('arg2', 'default_value')
    return arg1, arg2

result = my_function('value1', arg2='value2')

# Using named arguments and default values
def my_function2(arg1, arg2='default_value'):
    return arg

▪Article ▪10 самых распространенных ошибок Python @pythonl

58 382

⚡ Example that demonstrates how to use Redis with the redis-py library, which is a popular Redis client for Python. Ниже приведен пример, демонстрирующий, как использовать Redis с библиотекой redis-py, которая является популярным клиентом Redis для Python. $ pip install redis

import redis

# Create a Redis client
r = redis.Redis(host='localhost', port=6379, db=0)

# String Operations
r.set('mykey', 'Hello Redis!')
value = r.get('mykey')
print(value)  # Output: b'Hello Redis!'

# List Operations
r.lpush('mylist', 'element1')
r.lpush('mylist', 'element2')
r.rpush('mylist', 'element3')
elements = r.lrange('mylist', 0, -1)
print(elements)  # Output: [b'element2', b'element1', b'element3']

# Set Operations
r.sadd('myset', 'member1')
r.sadd('myset', 'member2')
r.sadd('myset', 'member3')
members = r.smembers('myset')
print(members)  # Output: {b'member2', b'member1', b'member3'}

# Hash Operations
r.hset('myhash', 'field1', 'value1')
r.hset('myhash', 'field2', 'value2')
value = r.hget('myhash', 'field1')
print(value)  # Output: b'value1'

# Sorted Set Operations
r.zadd('mysortedset', {'member1': 1, 'member2': 2, 'member3': 3})
members = r.zrange('mysortedset', 0, -1)
print(members)  # Output: [b'member1', b'member2', b'member3']

# Delete a key
r.delete('mykey')

# Close the Redis connection
r.close()

▪Github @pythonl

58 382

🖥 6 Python f-strings tips and tricks f-строки в Python обеспечивают более читабельный, лаконичный и менее подверженный ошибкам способ форматирования строк, чем традиционное форматирование строк. Они обладают множеством полезных функций, которые обязательно пригодятся в повседневной работе. 1. String Interpolation The most used f-string feature by far is string interpolation. All you need to do is wrap the value or variable in curly braces ({}) and you're good to go.

str_val = 'apples'
num_val = 42

print(f'{num_val} {str_val}') # 42 apples

2. Variable names Apart from getting a variable's value, you can also get its name alongside the value.

str_val = 'apples'
num_val = 42

print(f'{str_val=}, {num_val = }') # str_val='apples', num_val = 42

3. Mathematical operations Not syntactically unlike variable names, you can also perform mathematical operations in f-strings.

num_val = 42

print(f'{num_val % 2 = }') # num_val % 2 = 0

4. Printable representation Apart from plain string interpolation, you might want to get the printable representation of a value.

str_val = 'apples'

print(f'{str_val!r}') # 'apples'

5. Number formatting Numbers are a great candidate for this. If, for example, you want to trim a numeric value to two digits after the decimal, you can use the .2f format specifier.

price_val = 6.12658

print(f'{price_val:.2f}') # 6.13

6. Date formatting Finally, dates can also be formatted the same way as numbers, using format specifiers. As usual, %Y denotes the full year, %m is the month and %d is the day of the month.

from datetime import datetime;

date_val = datetime.utcnow()

print(f'{date_val=:%Y-%m-%d}') # date_val=2021-07-09

▪String Formatting Best Practices ▪F-strings или как сделать код чуть более быстрым @pythonl

58 382

🖥 Pydantic: 10 Most Common Usage Patterns Pydantic: 10 наиболее распространенные варианты использования 1. Basic Data Validation Use Pydantic models to validate incoming data easily.


from pydantic import BaseModel

class User(BaseModel):
    name: str
    age: int

user = User(name='John Doe', age=30)

2. Default Values Define default values for your model fields.


class User(BaseModel):
    name: str
    age: int = 18  # Default value

3. Optional Fields Mark fields as optional using the Optional type.

from typing import Optional

class User(BaseModel):
    name: str
    age: Optional[int] = None

4. Custom Validators Create custom validators with the @validator decorator.

from pydantic import validator

class User(BaseModel):
    name: str
    age: int

    @validator('age')
    def validate_age(cls, value):
        if value < 18:
            raise ValueError('User must be 18+')
        return value

5. Nested Models Use Pydantic models to validate nested data structures.

class Address(BaseModel):
    street: str
    city: str

class User(BaseModel):
    name: str
    age: int
    address: Address

6. Lists of Models Handle lists of a specific model. from typing import List

class User(BaseModel):
    name: str
    age: int

class UserList(BaseModel):
    users: List[User]

7. Union Fields Use Union to allow a field to be one of several types.

from typing import Union

class User(BaseModel):
    identifier: Union[str, int]

8. Value Constraints Impose constraints on values using Field.

from pydantic import Field

class User(BaseModel):
    name: str
    age: int = Field(..., gt=0, lt=120)  # Greater than 0, less than 120

9. Aliases for Fields Define aliases for model fields, which can be useful for fields that are Python keywords. c

lass User(BaseModel):
    name: str
    class_: str = Field(alias='class')

10. Recursive Models Make models that can contain themselves.

from typing import Optional

class TreeNode(BaseModel):
    value: int
    left: Optional['TreeNode'] = None
    right: Optional['TreeNode'] = None

TreeNode.update_forward_refs() # Resolve string annotations @pythonl

58 382

🖥 Difference between Numpy’s All and Any Methods If you want to get the row whose ALL values satisfy a certain condition, use numpy’s all method. To get the row whose AT LEAST one value satisfies a certain condition, use numpy’s any method. Если вы хотите получить строку, ВСЕ значения которой удовлетворяют определенному условию, используйте метод numpy's all. Чтобы получить строку, в которой хотя бы одно значение удовлетворяет определенному условию, используйте метод numpy's any. В приведенном коде показана разница в выводах между all и any.

import numpy as np

a = np.array([[1, 2, 1], [2, 2, 5]])

# get the rows whose all values are fewer than 3
mask_all = (a<3).all(axis=1)
print(a[mask_all])
"""
[[1 2 1]]
"""

mask_any = (a<3).any(axis=1)
print(a[mask_any])
""" 
[[1 2 1]
 [2 2 5]]
"""

▪Numpy docs @pythonl

58 382

🔥 Хардкорный тест по Python (не для новичков), который проходит всего 30% разработчиков 🔥 Ответьте на 20 вопросов и проверьте, насколько вы готовы к обучению на курсе — «Python Developer. Professional» На курсе поймете структуру современной разработки ПО, научитесь писать простой и идиоматичный код, за который не будет мучительно стыдно, сможете тестировать и поддерживать код, научитесь создавать высоконагруженные системы и многое другое. Время прохождения теста ограниченно 30 минут 👉 Пройти вступительный тест — https://otus.pw/oM7l/ 💣 Пройдите тест, чтобы записаться на курс по спец. цене, проверить свои знания и получить доступ к 2 открытым урокам курса. Реклама. Информация о рекламодателе на сайте www.otus.ru.

58 382

D-Tale: Библиотека Python для визуализации и анализа данных без кода Вы когда-нибудь хотели увидеть весь фрейм данных, а не только головку или хвостик? Если да, попробуйте использовать D-Tale. В приведенном выше GIF показано, как будет выглядеть ваш DataFrame при использовании D-Tale. D-Tale также полезен для анализа и визуализации данных без кода. ▪D-Tale. @pythonl

58 382

🖥 tmuxp A session manager for tmux. Built on libtmux. Менеджер сессий для tmux. Написан на базе libtmux. 🖥 Github @pythonl

58 382

❗️Как пройти техническое собеседование на ML-специалиста? ⚠️ Узнайте на примере mock-интервью с преподавателями курса «MLOps» в OTUS! На открытом уроке вы сможете наблюдать один из этапов собеседования при найме ML-специалистов — ML System Design секцию. 👉 Для удачного прохождения этого этапа не достаточно только знания алгоритмов машинного обучения. Также проверяются навыки проектирования ML систем, которые могут успешно работать в промышленной среде. Больше инструментов MLOps ждет вас на курсе. Обратите внимание: возможные способы оплаты обучения. 👉 Готовьте вопросы и записывайтесь на вебинар! https://otus.pw/jPwz/ Нативная интеграция. Информация о продукте www.otus.ru

58 382

🖥 PyGitHub If you want to manage your Github resources (repositories, user profiles, organizations, etc.) from Python scripts, try PyGithub. Above is an example to get a list of Github repositories when searching for a certain topic. Если вы хотите управлять Github (репозиториями, профилями пользователей, организациями и т.д.) с помощью скриптов на Python, попробуйте PyGithub. Выше приведен пример получения списка репозиториев Github при поиске определенной темы. $ pip install PyGithub 🖥 Github 📌 Документация @pythonl

58 382

🤖Errbot Errbot is a chatbot. It allows you to start scripts interactively from your chatrooms for any reason: random humour, chatops, starting a build, monitoring commits, triggering alerts... Errbot - это чат-бот, который можно подключить к чату, при этом бот будет вести осмысленный и интересный диалог. 🖥 Github @pythonl

58 382

📚9 must-have Python developer tools. 9 обязательных инструментов Python разработчика. 1. PyCharm IDE 2. Jupyter notebook 3. Keras 4. Pip Package 5. Python Anywhere 6. Scikit-Learn 7. Sphinx 8. Selenium 9. Sublime Text @pythonl

58 382

С++ Академия - это канал/школа + под руководством опытного сеньора-программиста. Если вы все еще не нашли хорошую работу в ит, ваше обучение неэффективно! Извините, но это чистая правда. Мы предлагаем обучение языку C++ в видеоуроках и практических заданиях, выполнять которые можно удаленно в любом месте. Знания языка С++ – это отличная инвестиция времени в будущую профессию, а сами уроки совершенно бесплатны. Изучить C++

58 382

Python security best practices cheat sheet Updated cheat sheet to make sure you keep your Python code secur Список полезных советов про работу с внешними данными, сканированию кода, загрузке пакетов, сериализации данных, форматированию строк и другим мерам безопасности: https://snyk.io/blog/python-security-best-practices-cheat-sheet/ @pythonl