Библиотека питониста | Python, Django, Flask
Открыть в Telegram
Все самое полезное для питониста в одном канале. Учиться у нас: clc.to/6e5Csg Для обратной связи: @proglibrary_feeedback_bot По рекламе: @tproger_sales_bot РКН: https://gosuslugi.ru/snet/67b885cbd501cf3b2cdb5b36
Больше
Сеть:📈 Аналитический обзор Telegram-канала Библиотека питониста | Python, Django, Flask
Канал Библиотека питониста | Python, Django, Flask (@pyproglib) языкового сегмента Русский является активным участником. Сейчас сообщество объединяет 37 077 подписчиков, занимая 3 622 место в категории Технологии и приложения и 17 119 место в регионе Россия.
📊 Показатели аудитории и динамика
С момента создания невідомо проект демонстрирует стремительный рост, собрав аудиторию из 37 077 подписчиков.
Согласно последним данным от 26 октября, 2026, канал показывает стабильную активность. За последние 30 дней изменение числа участников составило -253, а за последние 24 часа — -8, при этом общий охват остаётся высоким.
- Статус верификации: Не верифицирован
- Уровень вовлечённости (ER): Средний показатель вовлечённости аудитории составляет 5.30%. В первые 24 часа после публикации контент обычно набирает 2.82% реакций от общего числа подписчиков.
- Охват публикаций: В среднем каждый пост получает 1 966 просмотров. В течение первых суток публикация набирает 1 047 просмотров.
- Реакции и взаимодействия: Аудитория активно поддерживает контент: среднее количество реакций на один пост — 2.
- Тематические интересы: Контент сосредоточен на ключевых темах, таких как питониста, навигация, буст, строка, api.
📝 Описание и контентная политика
Автор описывает ресурс как площадку для выражения субъективного мнения:
“Все самое полезное для питониста в одном канале.
Учиться у нас: clc.to/6e5Csg
Для обратной связи: @proglibrary_feeedback_bot
По рекламе: @tproger_sales_bot
РКН: https://gosuslugi.ru/snet/67b885cbd501cf3b2cdb5b36”
Благодаря высокой частоте обновлений (последние данные получены 27 октября, 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.
37 077
Подписчики
-824 часа
-617 дней
-25330 дней
Архив постов
🐍 Python 3.10 завершил поддержку после последнего выпуска 3.10.22
Приложение продолжает запускаться — но официальных исправлений безопасности для этой ветки больше не будет. В анонсе от 1 октября Python 3.10.22 назван её последним выпуском.
Это отличается от режима security-only. Ветка в таком режиме ещё получает необходимые исправления безопасности, хотя новые возможности и обычные исправления ошибок в неё уже не добавляют.
По тому же анонсу:
— Python 3.11 получает исправления безопасности до октября 2027 года.
— Python 3.12 — до октября 2028 года.
— Выпуск 3.13.16 завершает этап полного сопровождения ветки 3.13; дальше остаются исправления безопасности.
Переезд не обязательно означает немедленный переход на 3.15
Выберите поддерживаемую ветку, совместимую с фреймворком и зависимостями. Проверьте тесты, нативные расширения, базовый образ контейнера и интерпретатор в CI.
Отдельная деталь: выпуски 3.10.22, 3.11.17 и 3.12.15 опубликованы только в исходниках, без официальных установщиков для Windows и macOS. Отсутствие нового установщика не следует путать с отсутствием исправленного исходного кода.
🔗 Статусы веток и октябрьские исправления Python
📍 Навигация: Вакансии • Задачи • Собесы
🐸 Библиотека питониста
🧠 Free-threaded Python не снимает с разработчика ответственность за общие данные
Убрать GIL — значит разрешить потокам выполнять Python-код параллельно. Но это не делает последовательность действий над общим состоянием безопасной.
Проверка остатка на счёте и списание денег должны оставаться согласованной операцией. Защита внутренних структур интерпретатора не знает, какое бизнес-правило вы пытаетесь сохранить.
На Python Language Summit обсудили более высокоуровневую модель: задачи заранее объявляют данные, к которым им нужен доступ, а планировщик организует выполнение.
В исследуемой модели BOC для этого используются Cown — объекты, связывающие данные с правилами совместного доступа, — и задачи, объявляющие свои зависимости.
Это пока исследование, а не новая гарантия Python
Прототип bocpy уже позволяет экспериментировать с подходом. Но описанная версия реализует изоляцию через субинтерпретаторы; полноценная модель владения требует изменений среды выполнения. Поддержка free-threading для этого прототипа ещё планируется.
Практический вывод для сегодняшнего кода: определяйте границы общей операции и явно защищайте её. Само отсутствие GIL проблему гонок не решает.
🔗 Какие примитивы безопасной конкурентности обсуждают разработчики
📍 Навигация: Вакансии • Задачи • Собесы
🐸 Библиотека питониста
📌 Один курс — хорошее вложение в себя. Два по той же цене — ещё лучше.
В Proglib Academy действует акция: покупаешь один курс, а второй получаешь в подарок.
Например, можно совместить два направления по работе с ИИ:
💥 ИИ для разработчиков — применение нейросетей в повседневной разработке: работа с кодом, тестирование и ревью. 💥 Разработка ИИ-агентов — архитектура агентов и создание собственных AI-решений.📍 Разница в цене — почти 50 тысяч рублей. Можно освоить больше, не выходя за рамки запланированного бюджета. А если тебе интереснее Python, алгоритмы, backend или DevOps — выбирай другую пару курсов из каталога. Акция действует до 31 октября включительно ⏳ ⏮️ Пора прокачать свой стек
🔍 OpenTelemetry строит карту связей между сервисами прямо в PyCharm
На схеме архитектуры один сервис обращается к другому. В работающем приложении между ними уже появились очередь и ещё два обработчика, а диаграмму никто не обновил.
Плагин OpenTelemetry для IDE JetBrains строит Service Map по трассировкам. Он использует spans — записи об отдельных участках работы запроса — и восстанавливает связи, которые действительно наблюдались при выполнении.
При запуске приложения плагин поднимает локальный backend для телеметрии и передаёт стандартные переменные окружения OTel. Приложение отправляет данные, backend обрабатывает их, а вкладка Service Map показывает получившуюся структуру.
Плагин не добавляет инструментирование за вас
Приложение и его библиотеки уже должны уметь создавать и отправлять подходящие spans. Иначе карте просто не из чего строиться.
Есть и другая граница: наблюдаемая карта не равна полному перечню зависимостей. Если редкая ветка ещё не выполнялась или часть вызовов не инструментирована, соответствующих связей на ней может не быть.
Для разбора конкретного сценария это полезное дополнение к исходному коду и документации.
🔗 Как плагин восстанавливает карту по трассировкам
#буст
📍 Навигация: Вакансии • Задачи • Собесы
🐸 Библиотека питониста
🧩 PEP 827 предлагает выводить типы CRUD-моделей из общей модели
У одной сущности появляются отдельные модели: для создания, публичного ответа и частичного обновления. Поля похожи, но правила различаются. Добавили свойство — теперь нужно проверить несколько определений.
На Python Language Summit обсудили PEP 827 о преобразовании типов. Идея — дать системе типов средства, которыми библиотека сможет описать такие преобразования.
В докладе это иллюстрируется примерно такой схемой:
# Идея из предложения, не готовый API:
type HeroPublic = Public[Hero]
type HeroCreate = Create[Hero]
type HeroUpdate = Update[Hero]🛡 Django исправил обход ограничений queryset в formset с редактируемым первичным ключом
Ограничили queryset формсета объектами текущего пользователя. Значит ли это, что поддельный POST точно не затронет чужую запись?
В некоторых конфигурациях Django ответ был отрицательным. CVE-2026-87975 затрагивала model formsets, у которых первичный ключ можно было задать через форму.
Поддельные данные позволяли удалить экземпляр вне ограниченного queryset или создать запись через формсет, предназначенный только для редактирования.
Когда стоит проверить код
В объявлении перечислены UUID и естественные первичные ключи, включённые в поля формы, а также определённые варианты OneToOneField и родительских связей в inline formsets.
Модели со стандартным BigAutoField этим конкретным дефектом не затронуты. Поэтому переносить описание на все Django-формы нельзя.
Исправление вошло в Django 6.1.2, 6.0.9 и 5.2.18. При обновлении выбирайте актуальный исправленный выпуск своей поддерживаемой ветки.
И добавьте проверку именно поддельного POST: интерфейс может не показывать лишний объект, но сервер обязан отвергнуть попытку передать его идентификатор вручную.
🔗 Условия уязвимости и исправленные ветки Django
📍 Навигация: Вакансии • Задачи • Собесы
🐸 Библиотека питониста
😎 Выбираешь один курс, второй получаешь бесплатно. Баг? Нет, акция!
До 31 октября в Proglib Academy можно выбрать два курса и заплатить только за один.
Например, можно совместить:
💥 ИИ для разработчиков — применение нейросетей в повседневной разработке: работа с кодом, тестирование и ревью. 💥 Разработка ИИ-агентов — архитектура агентов и создание собственных AI-решений.Вместе курсы стоят 108 000 ₽, но по акции оба обойдутся в 59 000 ₽. Экономия — 49 000 ₽ 🔥 Интересуют Python и ИИ или алгоритмы и архитектура? Можно выбрать любые два курса из каталога. Акция действует до 31 октября включительно ⏳ ⏬ Собрать свой учебный билд
📦 uv check подготавливает окружение и запускает проверку типов через ty
Проверка типов должна видеть те же зависимости, с которыми работает проект. Если окружения расходятся, можно получить ошибки импорта, которых нет при запуске, или пропустить настоящую проблему.
В экспериментальной интеграции uv и ty эту подготовку берёт на себя uv check:
uv checkuv check --package backend
uv check --all-packagesuv check --script report.py
📦 Tach: закрепите границы модулей в проверке
Договорились, что слой API не обращается к базе напрямую. Через месяц в нём появляется удобный импорт — и архитектурное правило снова существует только в памяти команды.
Tach проверяет зависимости между модулями Python по заданным границам. Можно контролировать разрешённые импорты, использование публичных интерфейсов и циклы зависимостей.
Начать с нескольких модулей
pip install tach
tach init
tach checktach init выбираются границы модулей. Настройки сохраняются в tach.toml. Если импорт нарушает объявленную зависимость, tach check сообщает об ошибке и завершается с ненулевым кодом — проверку удобно добавить в CI.
Для графа зависимостей есть tach show: он создаёт локальный DOT-файл. У варианта tach show --web другая механика — содержимое конфигурации передаётся для удалённой генерации графа.
🔗 Репозиторий и примеры
📍 Навигация: Вакансии • Задачи • Собесы
🐸 Библиотека питониста
#буст💾 Memray: где Python-приложение набирает память
Процесс занимает всё больше памяти, но список Python-объектов не объясняет, откуда взялся пик. Особенно если внутри работают NumPy или другие библиотеки с нативными расширениями.
Memray отслеживает выделение памяти в Python-коде, расширениях и самом интерпретаторе. Для первого разбора можно записать профиль и построить HTML-отчёт:
memray run -o profile.bin app.py
memray flamegraph -o memory.html profile.bin--native в команду запуска. В отчёте появятся нативные кадры стека — полезно для поиска аллокаций внутри расширений. Такой режим добавляет нагрузку, а отчёт с нативными символами нужно генерировать на той же машине, где записан профиль.
По умолчанию flamegraph показывает распределение аллокаций на пике памяти. Режим --leaks показывает аллокации, не освобождённые к концу записи. Это ещё не доказательство утечки Python-объектов: память может оставаться в пулах аллокатора.
Инструмент работает на Linux и macOS. Под Windows его установить нельзя.
🔗 Документация Memray
📍 Навигация: Вакансии • Задачи • Собесы
🐸 Библиотека питониста
#буст🔍 Посмотрите, что Polars собирается выполнить
В коде фильтр стоит после преобразования столбца. Это ещё не значит, что Polars выполнит операции именно в таком порядке: у lazy-запроса есть исходный и оптимизированный планы.
import polars as pl
query = (
pl.scan_csv("users.csv")
.with_columns(pl.col("name").str.to_uppercase())
.filter(pl.col("score") > 0)
)
print(query.explain(optimized=False))
print(query.explain())score не зависит от преобразования name. Оптимизатор может перенести фильтрацию к чтению CSV: ненужные строки не придётся сначала обрабатывать преобразованием.
Это называется predicate pushdown. В официальном примере видно, как отдельный FILTER превращается в SELECTION внутри CSV SCAN.
Сам explain() показывает план, а результат запроса получают через query.collect(). Не заменяйте замеры обещанием «lazy всегда быстрее»: сначала посмотрите, что изменилось в плане именно вашей задачи.
🔗 Разбор двух планов запроса
📍 Навигация: Вакансии • Задачи • Собесы
🐸 Библиотека питониста
#буст📚Напоминаем про наш полный курс «Самоучитель по Python для начинающих»
Мы написали и собрали для вас в одну подборку все 25 глав и 230 практических заданий!
🐍 Часть 1: Особенности, сферы применения, установка, онлайн IDE
🐍 Часть 2: Все, что нужно для изучения Python с нуля – книги, сайты, каналы и курсы
🐍 Часть 3: Типы данных: преобразование и базовые операции
🐍 Часть 4: Методы работы со строками
🐍 Часть 5: Методы работы со списками и списковыми включениями
🐍 Часть 6: Методы работы со словарями и генераторами словарей
🐍 Часть 7: Методы работы с кортежами
🐍 Часть 8: Методы работы со множествами
🐍 Часть 9: Особенности цикла for
🐍 Часть 10: Условный цикл while
🐍 Часть 11: Функции с позиционными и именованными аргументами
🐍 Часть 12: Анонимные функции
🐍 Часть 13: Рекурсивные функции
🐍 Часть 14: Функции высшего порядка, замыкания и декораторы
🐍 Часть 15: Методы работы с файлами и файловой системой
🐍 Часть 16: Регулярные выражения
🐍 Часть 17: Основы скрапинга и парсинга
🐍 Часть 18: Основы ООП – инкапсуляция и наследование
🐍 Часть 19: Основы ООП – абстракция и полиморфизм
🐍 Часть 20: Графический интерфейс на Tkinter
🐍 Часть 21: Основы разработки игр на Pygame
🐍 Часть 22: Основы работы с SQLite
🐍 Часть 23: Основы веб-разработки на Flask
🐍 Часть 24: Основы работы с NumPy
🐍 Часть 25: Основы анализа данных с Pandas
📋 marimo: ноутбук, который знает зависимости между ячейками
Поменяли исходные данные, а график остался старым — потому что забыли повторно выполнить нужную ячейку. В marimo выполнение строится по зависимостям между переменными, а не по положению ячеек на экране.
В автоматическом режиме после выполнения ячейки запускаются те, которые используют определённые в ней переменные. Для дорогих вычислений можно выбрать ленивый режим: зависимые ячейки будут отмечаться как устаревшие.
Попробовать локально
pip install marimo
marimo edit analysis.pymarimo run analysis.py.
Но магии с мутациями нет
items.append(42) в другой ячейке не запускает реактивный пересчёт. Документация советует создавать новую переменную либо менять объект в той же ячейке, где он определён.
🔗 Как работает реактивность
📍 Навигация: Вакансии • Задачи • Собесы
🐸 Библиотека питониста
#буст🧪 Как проверить HTTPX-клиент без настоящего запроса к API
Тест не должен зависеть от того, работает ли внешний сервис прямо сейчас. Для HTTPX есть RESPX: он перехватывает запросы и возвращает ответы, которые вы задали в тесте.
import httpx
import respx
@respx.mock
def test_status():
route = respx.get("https://example.org/status").mock(
return_value=httpx.Response(200, json={"ok": True})
)
response = httpx.get("https://example.org/status")
assert response.json() == {"ok": True}
assert route.call_count == 1respx_mock.
🔗 Гайд и настройки RESPX
📍 Навигация: Вакансии • Задачи • Собесы
🐸 Библиотека питониста
#бустRepost from Типичный программист
🧑💻 Какие навыки помогают вам в разработке в 2026 году?
Что вы чаще используете в работе? В каких задачах помогает ИИ, а где проще справиться самостоятельно?
Мы решили собрать портрет современного разработчика — и приглашаем вас поделиться своим опытом. Расскажите, какие навыки вам пригодились и как вы используете ИИ. Если обходите его стороной, нам тоже интересно узнать почему.
Опрос анонимный и займёт около 5 минут. Результаты опубликуем в общем большом исследовании.
👉 Пройти опрос
☔️ Планы на выходные снова испортила погода? У нас есть план получше.
Выходные — хороший повод заняться тем, на что вечно не хватает времени. Например, освоить новый навык или углубиться в знакомую тему.
📍 В Proglib Academy покупаешь один курс, а второй получаешь в подарок. Платишь только за один!
Вот несколько сочетаний:
💥 Разработка ИИ-агентов + Python
💥 Machine Learning + Математика для Data Science
Можно выбрать и другие курсы — под свои интересы и цели.
⏳ Акция действует до 18 октября.
➡️ Выбрать курсы и оставить заявку
🧠 SQL по CSV: без отдельного сервера базы данных
Для одноразового отчёта не всегда нужно загружать выгрузку в отдельную СУБД. DuckDB умеет выполнять SQL прямо по CSV, Parquet и JSON из Python.
Допустим, в
sales.csv есть столбцы city и amount:
import duckdb
rows = duckdb.sql("""
SELECT city, SUM(amount) AS total
FROM 'sales.csv'
GROUP BY city
ORDER BY total DESC
""").fetchall()
print(rows)fetchall() забирает результат в виде Python-объектов.
Нюанс для приложения
duckdb.sql() использует общую глобальную connection, которая не является потокобезопасной. Если запросы идут из разных потоков, каждому нужна собственная connection через duckdb.connect().
🔗 Примеры Python API
📍 Навигация: Вакансии • Задачи • Собесы
🐸 Библиотека питониста
#бустRepost from Точка входа в программирование
Вебинар в прямом эфире уже идёт десять минут. Вы только открыли трансляцию. Что для вас важнее всего?
Repost from Типичный программист
Приходится ли вам копипастить данные и какие именно, когда переходите из одной нейросети в другую?
Repost from Типичный программист
Общая папка для работы Claude Code и Codex
Луи-Франсуа Бушар собрал заметки, инструкции-скиллы, скрипты и итоги встреч в Obsidian. Его связка устроена так:
Папка хранит исходные материалы и решения
↓
Индекс указывает, где искать данные для задачи
↓
Claude Code планирует работу
↓
Codex выполняет задачи по его вызову
В описании этого рабочего процесса Бушар объясняет, зачем даёт агенту сведения для конкретной задачи. Начать предлагает с общей папки, короткого индекса и одного повторно используемого скилла.
#ии #инструменты
