Python 🇺🇦
▪️Вивчаємо Python разом. ▪️Високооплачувана професія ▪️Допомагаємо з пошуком роботи Зв'язок: @Ekater1na_admin
Больше📈 Аналитический обзор Telegram-канала Python 🇺🇦
Канал Python 🇺🇦 языкового сегмента Украинский является активным участником. Сейчас сообщество объединяет 19 778 подписчиков, занимая 6 648 место в категории Технологии и приложения и 3 142 место в регионе Украина.
📊 Показатели аудитории и динамика
С момента создания невідомо проект демонстрирует стремительный рост, собрав аудиторию из 19 778 подписчиков.
Согласно последним данным от 16 ноября, 2026, канал показывает стабильную активность. За последние 30 дней изменение числа участников составило -232, а за последние 24 часа — -11, при этом общий охват остаётся высоким.
- Статус верификации: Не верифицирован
- Уровень вовлечённости (ER): Средний показатель вовлечённости аудитории составляет 9.12%. В первые 24 часа после публикации контент обычно набирает 5.25% реакций от общего числа подписчиков.
- Охват публикаций: В среднем каждый пост получает 1 803 просмотров. В течение первых суток публикация набирает 1 038 просмотров.
- Реакции и взаимодействия: Аудитория активно поддерживает контент: среднее количество реакций на один пост — 8.
- Тематические интересы: Контент сосредоточен на ключевых темах, таких как шпаргалка, mcp, user1, python'er, бібліотека.
📝 Описание и контентная политика
Автор описывает ресурс как площадку для выражения субъективного мнения:
“▪️Вивчаємо Python разом.
▪️Високооплачувана професія
▪️Допомагаємо з пошуком роботи
Зв'язок: @Ekater1na_admin”
Благодаря высокой частоте обновлений (последние данные получены 17 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.
heapq надавав публічні функції лише для мінімальної купи, де першим витягується найменший елемент. Щоб отримати максимальний, розробникам доводилося використовувати обхідний прийом із від’ємними значеннями
from heapq import heappush, heappop
heap = []
heappush(heap, -42)
heappush(heap, -100)
print(-heappop(heap)) # 100
Починаючи з Python 3.14, у heapq з’явився публічний API для максимальної купи. Тепер можна працювати з початковими значеннями без зміни знака
from heapq import heappush_max, heappop_max
heap = []
heappush_max(heap, 42)
heappush_max(heap, 100)
print(heappop_max(heap)) # 100
Для перетворення наявного списку передбачена heapify_max(). Вона будує максимальну купу за лінійний час
from heapq import heapify_max, heappop_max
scores = [45, 92, 18, 76]
heapify_max(scores)
print(heappop_max(scores)) # 92
print(heappop_max(scores)) # 76
Також додано:
- heappushpop_max() — додає елемент і повертає максимальний
- heapreplace_max() — витягує поточний максимум і додає новий елемент. Купа має бути непорожньою
from heapq import heapify_max, heappushpop_max
scores = [10, 30, 20]
heapify_max(scores)
result = heappushpop_max(scores, 25)
print(result) # 30
print(scores[0]) # 25
Складність додавання та вилучення елементів — O(log n), а побудови купи через heapify_max() — O(n)
Важливо: максимальна купа не є повністю відсортованим списком. Гарантується лише те, що найбільший елемент знаходиться на позиції heap[0]
Нові функції доступні лише в Python 3.14 і новіших версіях. У попередніх версіях їх імпорт призведе до ImportError
Новий API спрощує реалізацію черг із пріоритетами, планувальників та алгоритмів пошуку максимальних значень
Pythonimport voluptuous as v
Python@cache зі стандартної бібліотеки Python (3.9+)
Як це працює:
- Під час першого виклику результат обчислюється та зберігається
- Повторні виклики з тими самими аргументами беруть значення з кешу
- cache_clear() очищає кеш
- cache_info() показує статистику використання
from functools import cache
@cache
def calculate(n):
print("Обчислення...")
return n * n
print(calculate(10))
print(calculate(10))
calculate.cache_info()
calculate.cache_clear()
Важливо: аргументи мають бути хешованими, а @cache не обмежує розмір кешу. Якщо потрібно контролювати його обсяг, використовуйте @lru_cache(maxsize=...)
Особливо корисно для рекурсивних алгоритмів і функцій, які щоразу повертають однаковий результат для однакових аргументів
Pythongroupby(), Make New Columns — створення нових стовпців і застосування функцій, Combine Data Sets — об'єднання таблиць через merge() та concat(), Reshaping Data — зміна структури таблиць через melt() і pivot(), Data Filtering — вибірка рядків і стовпців за умовами, Sorting — сортування, перейменування та видалення стовпців, Windows — ковзні та накопичувальні обчислення, Plotting — візуалізація даних за допомогою графіків і гістограм
Pythonpython-dateutil доповнює стандартний модуль datetime корисними інструментами для роботи з датами й часом
Одна з найпопулярніших можливостей — нечіткий парсинг дат, який дозволяє розпізнавати дати в різних форматах без жорсткого шаблону
Pythonasyncio.Queue можна закривати через shutdown(), без використання None чи інших спеціальних значень
import asyncio
async def worker(queue):
while True:
try:
task = await queue.get()
except asyncio.QueueShutDown:
break
print(task)
queue.task_done()
async def main():
queue = asyncio.Queue()
task = asyncio.create_task(worker(queue))
await queue.put("task-1")
await queue.put("task-2")
queue.shutdown()
await queue.join()
await task
asyncio.run(main())
Після shutdown() нові елементи не додаються, а вже наявні обробляються. Коли черга спорожніє, get() викличе asyncio.QueueShutDown
Для примусового завершення є shutdown(immediate=True), який очищає чергу, але може порушити звичайну поведінку join()
Pythonstartswith() для перевірки належності файлу до директорії некоректно: метод порівнює лише рядкові префікси, а не компоненти файлового шляху
Наприклад, /srv/uploads_backup/file.txt також поверне True для перевірки startswith("/srv/uploads"), хоча ця директорія не є вкладеною
Для правильної перевірки використовуйте pathlib:
from pathlib import Path
base = Path("/srv/uploads").resolve()
path = Path("/srv/uploads/images/photo.jpg").resolve()
print(path.is_relative_to(base))
Метод is_relative_to() перевіряє, чи належить шлях до вказаної директорії з урахуванням компонентів шляху
Чому важливо використовувати resolve()?
Він нормалізує шлях, обробляє .. і розкриває символічні посилання. Без цього шлях може виглядати вкладеним у дозволену директорію, хоча фактично вказує за її межі
Важливо:
- is_relative_to() самостійно не викликає resolve() і перевіряє лише структуру шляху
- resolve() за замовчуванням не вимагає існування кінцевого файлу. Для суворої перевірки використовуйте strict=True
- Path.is_relative_to() доступний починаючи з Python 3.9
Зв'язка resolve() та is_relative_to() допомагає захиститися від виходу за межі дозволеної директорії під час обробки користувацьких шляхів, завантаження файлів і розпакування даних
Python