Python Portal
Открыть в Telegram
Всё самое интересное из мира Python Сотрудничество, реклама: @devmangx Менеджер: @Spiral_Yuri РКН: https://clck.ru/3GMMF6
Больше
Сеть:📈 Аналитический обзор Telegram-канала Python Portal
Канал Python Portal (@pythonportal) языкового сегмента Русский является активным участником. Сейчас сообщество объединяет 50 990 подписчиков, занимая 2 541 место в категории Технологии и приложения и 12 059 место в регионе Россия.
📊 Показатели аудитории и динамика
С момента создания невідомо проект демонстрирует стремительный рост, собрав аудиторию из 50 990 подписчиков.
Согласно последним данным от 27 августа, 2026, канал показывает стабильную активность. За последние 30 дней изменение числа участников составило -384, а за последние 24 часа — -25, при этом общий охват остаётся высоким.
- Статус верификации: Не верифицирован
- Уровень вовлечённости (ER): Средний показатель вовлечённости аудитории составляет 9.38%. В первые 24 часа после публикации контент обычно набирает 4.76% реакций от общего числа подписчиков.
- Охват публикаций: В среднем каждый пост получает 4 786 просмотров. В течение первых суток публикация набирает 2 425 просмотров.
- Реакции и взаимодействия: Аудитория активно поддерживает контент: среднее количество реакций на один пост — 19.
- Тематические интересы: Контент сосредоточен на ключевых темах, таких как строка, none, true, модуль, peter.
📝 Описание и контентная политика
Автор описывает ресурс как площадку для выражения субъективного мнения:
“Всё самое интересное из мира Python
Сотрудничество, реклама: @devmangx
Менеджер: @Spiral_Yuri
РКН: https://clck.ru/3GMMF6”
Благодаря высокой частоте обновлений (последние данные получены 28 августа, 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.
50 990
Подписчики
-2524 часа
-1347 дней
-38430 день
Архив постов
50 990
Будь ленивым разработчиком 😴😴😴
Лучшие разработчики — не те, кто пишет больше всего кода. Это те, кто пишет минимум кода и при этом решает задачу быстрее, качественнее и надёжнее.
Это избыточный подход:
transposed = []
for i in range(len(matrix[0])):
row = []
for r in matrix:
row.append(r[i])
transposed.append(row)transposed = list(zip(*matrix))Лень — не про небрежность. Это про уважение к своему времени и времени команды. Это про вложение ресурсов в понимание идиом языка, чтобы фокусироваться на реальных задачах, а не переизобретать базовые вещи. У каждого сильного разработчика есть набор «ленивых» приёмов: ✔️генераторы списков вместо вложенных циклов ✔️
collections.defaultdict вместо ручных проверок
✔️ контекстные менеджеры вместо ручного открытия/закрытия ресурсов
✔️короткие выражения, которые проходят ревью
Цель — не демонстрировать объём проделанной работы, а доставлять чистые и поддерживаемые решения с минимальными затратами.
👉 @PythonPortal
50 990
Используй f-строки Python и спецификаторы форматирования, чтобы быстро и на скорую руку собирать таблицы:
d = {'a':10, 'bcd': 2, 'e': 3456}
for key, value in d.items():
print(f'{key:.<5}{value:.>5}')a.......10 bcd......2 e.....3456👉 @PythonPortal
50 990
Sentrux измеряет архитектуру кодовой базы в реальном времени.
Что делает:
→ Оценивает «здоровье» архитектуры (0–10000)
→ Отслеживает модульность, циклические зависимости, глубину, равномерность, избыточность
→ Работает за миллисекунды (Rust + tree-sitter, 52 языка)
→ Отдает фидбек, пока агенты пишут код
Как работает:
→ scan / rescan анализируют структуру
→ check_rules применяет ограничения
→ evolution отслеживает изменения во времени
→ Правила лежат в
.sentrux/rules.toml (связность, слои, циклы)
Экспонируется как MCP-сервер:
→ Агенты получают живой структурный фидбек прямо в процессе сессии
Вместо:
code → review позже
Получаешь:
code → оценка → исправление (внутри цикла)
https://github.com/sentrux/sentrux
👉 @PythonPortal
50 990
Теперь можно искать по PDF на 500 страниц без чанкинга и без векторизации.
Андрей Карпати недавно озвучил идею:
что если база знаний работает как вики, а не как векторная база?
OpenKB — open-source CLI, построенный вокруг этой концепции.
Он компилирует сырые документы в структурированную связанную вики-систему с помощью LLM.
Знания накапливаются, а не пересобираются при каждом запросе.
В классическом RAG контекст каждый раз восстанавливается заново. Здесь модель опирается на уже построенную структуру.
Длинные PDF разбираются через PageIndex — древовидный индекс без векторов, который позволяет рассуждать по структуре документа.
Что получается на выходе:
> авто-суммаризация и страницы концептов
> кросс-ссылки между документами
> детект противоречий и пробелов
> режим наблюдения за изменениями
> markdown, совместимый с Obsidian
Поддерживаются PDF, Word, PowerPoint, Excel, HTML и изображения.
Таблицы и фигуры извлекаются нативно.
Один новый файл может автоматически обновить до 15 страниц в вики.
База знаний начинает сохранять то, что уже было выучено.
https://github.com/VectifyAI/OpenKB
👉 @PythonPortal
50 990
![Нужно обнулить время (до полуночи) в серии datetime в Pandas — используется dt.normalize: df['x'].dt.normalize() На выходе та](data:image/jpeg;base64,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)
Нужно обнулить время (до полуночи) в серии datetime в Pandas — используется
dt.normalize:
df['x'].dt.normalize()На выходе та же серия datetime, но у всех значений время
00:00:00.
👉 @PythonPortal50 990
Нужно округлить даты/время в Pandas:
*
dt.floor — вниз (к предыдущему интервалу)
* dt.ceil — вверх (к следующему интервалу)
* dt.round — к ближайшему интервалу
Пример:
s.dt.floor('3h') # предыдущий 3-часовой слот
s.dt.ceil('15m') # следующий 15-минутный слот
s.dt.round('1D') # ближайшие сутки
👉 @PythonPortal50 990
f-строки в Python:
* Перед строкой ставится f
* Возвращается обычная строка
* Выражения в {} вычисляются и подставляются
x = 5
y = 7
f'{x} + {y} = {x+y}' # 5 + 7 = 12
x = [1, 2]
y = [3, 4]
f'{x} + {y} = {x+y}' # [1, 2] + [3, 4] = [1, 2, 3, 4]
👉 @PythonPortal50 990
Хотите освоить анализ данных, но не знаете, с чего начать?
Центр непрерывного образования ФКН НИУ ВШЭ запускает онлайн-программу профессиональной переподготовки «Практический анализ данных» — полный цикл обучения от нуля до уровня практикующего аналитика.
Что вас ждет:
🟣Python для автоматизации и анализа данных: от первых строк кода до Pandas и визуализации
🟣SQL на продвинутом уровне: оконные функции, индексы, партиционирование, оптимизация запросов
🟣Прикладная статистика и A/B-тестирование: проверка гипотез, планирование экспериментов, работа с малыми выборками
🟣Основы машинного обучения: регрессия, классификация, кластеризация
🟣Дашборды в Tableau и Yandex DataLens
🟣Продуктовая аналитика: метрики, сегментация, приоритизация гипотез
🟣Хранилища данных: архитектура DWH, Hadoop, Spark, ETL, Airflow
Преподаватели — практикующие специалисты из Wildberries, Вкусно — и точка и других компаний. По окончании вы получите диплом о профессиональной переподготовке НИУ ВШЭ.
📁 Старт: 12 мая.
Подробнее о программе 📍
50 990
Твой ПК скоро станет по-настоящему «умным».
Aiden — это полноценная ИИ-операционная система, которая работает на 100% локально на Windows или Linux:
- 1500+ компонуемых навыков
- 89+ автономных инструментов
- Управляет мышью, клавиатурой, экраном и приложениями (по сути как JARVIS)
- 6-слойная память + граф знаний
- Рой сабагентов, работающих параллельно
- Голос + каналы (Discord, Telegram, WhatsApp…)
Всё офлайн через Ollama.
Без аккаунтов.
Без телеметрии.
Без отправки данных в облако.
Это не чат-бот — это ассистент, который живёт внутри твоей машины.
Будущее персонального ИИ уже здесь, и оно с открытым исходным кодом.
👉 @PythonPortal
50 990
Не усложняй методы
startswith и endswith.
Когда нужно проверить, начинается ли строка с одного из нескольких вариантов, не используй цикл — передай кортеж, и метод сам проверит совпадение с любым из значений в кортеже.
user_string = input()
starts = ('One', 'Two', 'Three')
# Переусложнённо
for s in starts:
if user_string.startswith(s):
# Сделать что-то и выйти
break
# Чистый вариант
if user_string.startswith(starts):
# Сделать что-то
50 990
Если видишь одну и ту же переменную по обе стороны
and, обрати внимание на этот синтаксический сахар:
x, y, z = 20, 15, 3
# Традиционный способ с 'and'
if x > y and y > z:
...
# Питоничный способ — цепное сравнение
if x > y > z:
...
👉 @PythonPortal50 990
Если тебе нужны 3+ вложенных цикла — остановись и отрефактори.
Глубокую вложенность лучше избегать: такой код сложнее читать и поддерживать.
Цель всегда одна — читаемость и поддерживаемость.
Если ловишь себя на глубокой вложенности, остановись и подумай, можно ли сделать это понятнее. Использование библиотеки часто будет лучшей альтернативой.
👉 @PythonPortal
50 990
У вас больше не будет возможности попасть в ШАД в этом году.
Школа анализа данных от Яндекса — бесплатная двухлетняя программа по машинному обучению, Data Science, анализу данных и ИИ. Внутри — сильная база, практические задачи из индустрии, преподаватели из Яндекса и мощное комьюнити.
Поступить можно по двум трекам: классическому, где нужно пройти 3 этапа отбора, и альтернативному — для специалистов с опытом.
Учиться можно офлайн, гибридно или онлайн. Отбор сложный, но ваша карьера вас точно поблагодарит.
Анкету нужно подать до 3 мая включительно. По этой ссылке
50 990
Чёрт… хакеры это точно оценят.
Кто-то выложил в опенсорс универсальный тулкит для взлома, который объединяет все основные инструменты пентеста в одно CLI-меню.
Ставишь один раз — и сразу получаешь доступ к инструментам из всех категорий: анонимность, сбор информации, атаки на беспроводные сети, подбор паролей, сканирование веба, фреймворки эксплуатации, генерация полезной нагрузки и т.д.
Называется HackingTool.
→ Одно меню запускает Tor, Anonsurf, Macchanger и цепочки прокси за секунды
→ Включает Nmap, Dracnmap, RED HAWK и ReconSpider для полной разведки сети
→ Содержит SQLMap, XSStrike, WPScan и SecretFinder для эксплуатации веба
→ Есть John the Ripper, Hashbuster и BruteX для атак на пароли
51K звёзд. Работает на любом Linux-дистрибутиве.
Полностью опенсорс.
👉 @PythonPortal
50 990
GitHub-репозитории, чтобы прокачать Python
- Веб-разработка с Django — https://github.com/django/django - Инструментарий для Data Science — https://github.com/rasbt/python-machine-learning-book - Алгоритмические задачи — https://github.com/TheAlgorithms/Python - Рецепты машинного обучения — https://github.com/ageron/handson-ml2 - Лучшие практики тестирования — https://github.com/pytest-dev/pytest - Скрипты для автоматизации — https://github.com/soimort/you-get - Продвинутые концепции Python — https://github.com/faif/python-patternsКидайте в закладки и делитесь с коллегами 🌟 👉 @PythonPortal
