Python 🇺🇦
▪️Вивчаємо Python разом. ▪️Високооплачувана професія ▪️Допомагаємо з пошуком роботи Зв'язок: @Ekater1na_admin
Показати більше📈 Аналітичний огляд Telegram-каналу Python 🇺🇦
Канал Python 🇺🇦 у мовному сегменті Українська є активним учасником. На даний момент спільнота об'єднує 19 778 підписників, посідаючи 6 648 місце в категорії Технології та додатки та 3 142 місце у регіоні Україна.
📊 Показники аудиторії та динаміка
З моменту свого створення невідомо, проект продемонстрував стрімке зростання, зібравши аудиторію у 19 778 підписників.
За останніми даними від 16 листопада, 2026, канал демонструє стабільну активність. Хоча за останні 30 днів спостерігається зміна кількості учасників на -232, а за останні 24 години на -11, загальне охоплення залишається високим.
- Статус верифікації: Не верифікований
- Рівень залученості (ER): Середній показник залученості аудиторії становить 9.12%. Протягом перших 24 годин після публікації контент зазвичай збирає 5.25% реакцій від загальної кількості підписників.
- Охоплення публікацій: В середньому кожен допис отримує 1 803 переглядів. Протягом першої доби публікація в середньому набирає 1 038 переглядів.
- Реакції та взаємодія: Аудиторія активно підтримує контент: середня кількість реакцій на один пост – 8.
- Тематичні інтереси: Контент зосереджений навколо ключових тем, таких як шпаргалка, mcp, user1, python'er, бібліотека.
📝 Опис та контентна політика
Автор описує ресурс як майданчик для висловлення суб'єктивної думки:
“▪️Вивчаємо Python разом.
▪️Високооплачувана професія
▪️Допомагаємо з пошуком роботи
Зв'язок: @Ekater1na_admin”
Завдяки високій частоті оновлень (останні дані отримано 17 листопада, 2026), канал підтримує актуальність та високий рівень охоплення публікацій. Аналітика показує, що аудиторія активно взаємодіє з контентом, що робить його важливою точкою впливу в категорії Технології та додатки.
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