Python/ django

Kanalga Telegram’da o‘tish

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

Ko'proq ko'rsatish

Tarmoq:Machinelearning Rossiya10 253 Texnologiyalar & Aralashmalar2 206...

📈 Telegram kanali Python/ django analitikasi

Python/ django (@pythonl) Rus til segmentidagi kanali faol ishtirokchi. Hozirda hamjamiyat 60 007 obunachidan iborat bo'lib, Texnologiyalar & Aralashmalar toifasida 2 206-o'rinni va Rossiya mintaqasida 10 253-o'rinni egallagan.

📊 Auditoriya ko‘rsatkichlari va dinamika

невідомо sanasidan buyon loyiha tez o‘sib, 60 007 obunachiga ega bo‘ldi.

10 Iyun, 2026 dagi oxirgi ma’lumotlarga ko‘ra kanal barqaror faollikka ega. Oxirgi 30 kunda obunachilar soni -595 ga, so‘nggi 24 soatda esa -15 ga o‘zgardi va umumiy qamrov yuqori darajada qolmoqda.

Tasdiqlash holati: Tasdiqlanmagan
Jalb etish (ER): Auditoriya o‘rtacha 6.91% darajada jalb etiladi. Nashrdan keyingi dastlabki 24 soatda kontent odatda umumiy obunachilar sonining 3.31% ini tashkil etuvchi reaksiyalarni to‘playdi.
Post qamrovi: Har bir post o‘rtacha 4 148 marta ko‘riladi; birinchi sutkada odatda 1 986 ta ko‘rish yig‘iladi.
Reaksiyalar va o‘zaro ta’sir: Auditoriya faol: har bir postga o‘rtacha 20 ta reaksiya keladi.
Tematik yo‘nalishlar: Kontent github, claude, контекст, архитектура, api kabi asosiy mavzularga jamlangan.

📝 Tavsif va kontent siyosati

Muallif resursni shaxsiy fikrni ifoda etish maydoni sifatida ta’riflaydi:
“по всем вопросам @haarrp @itchannels_telegram - 🔥 все ит каналы @ai_machinelearning_big_data -ML @ArtificialIntelligencedl -AI @datascienceiot - 📚 @pythonlbooks РКН: clck.ru/3Fmxm...”

Yuqori yangilanish chastotasi (oxirgi ma’lumot 11 Iyun, 2026 da olingan) sababli kanal doimo dolzarb va katta qamrovli bo‘lib qoladi. Analitika auditoriya kontent bilan faol hamkorlik qilishini, uni Texnologiyalar & Aralashmalar toifasidagi muhim ta’sir nuqtasiga aylantirishini ko‘rsatadi.

60 007

Obunachilar

-1524 soatlar

-1277 kunlar

-59530 kunlar

4 148

Post ko'rishlar

~ 1 98624 soatlar

~ 2 48148 soatlar

6.91%

Muloqot nisbati

~ 1

Kuniga postlar

Ads index

beta

Postlar arxiv

60 007

⁉️ Готов стать профи в разработке на Python?- или будешь довольствоваться средним уровнем? Всего за 5 месяцев можно освоить широкий стек технологий на онлайн-курсе «Python Developer. Professional» и вырасти в доходе и должности. ➡️ Пройди тест по Python и проверь свои знания. Ответишь — пройдешь на продвинутый курс "Python Developer. Professional" от OTUS по специальной цене 🔥 Выбери светлую сторону силы и приходи на курс.

60 007

🖥 Language Detection using Python Определение языка с помощью Python. @pythonl

60 007

🔤Вопрос: как работает распаковка (*) в Python? Что происходит, скажем, в случае такого генераторного выражения?

gen = (num for num in range(10))
print(*gen)

🔜Всё проще, чем кажется. *args и **kwargs — это способы передачи переменного количества аргументов в функцию. Другими словами, они "распаковывают" значения из массива/словаря/множества и т.п. и передают эти значения в функцию. 🔜Пример использования *args:

def test(a, b): # Принимаем параметры a и b
    print(a + b) # Выводим их сложение

array = [1, 2] # Создаём массив из двух чисел

test(*array) # Вывод: 3

При записи *array значения для функции были преобразованы в test(1, 2) 🔜Пример использования **kwargs:

def test(a,b): # Принимаем параметры a и b
    print(a + b) # Выводим их сложение

dct = {'a':1, 'b':2} # Создаём словарь и записываем ключ-значение
test(**dct) # Вывод: 3

При записи **dct значения для функции были преобразованы в test(a=1, b=2) 🔜Таким же образом можно преобразовать данные в обратном направлении:

def test1(*var): # Принимаем параметры в виде множества
    print(var)
 
test1(1, 2, 3) # Вывод: (1, 2, 3)

def test2(**var): # Принимаем параметры в виде словаря
    print(var)

test2(a=1, b=2) # Вывод: {'a': 1, 'b': 2}

Такие вот дела 🖥 @pythonl

60 007

🚀 GPM AdTech Challenge от «Газпром-Медиа» и Getintent Когда: 18-30 марта Формат: гибридный Призовой фонд: 1 000 000 рублей Ты можешь стать победителем независимо от своего технического бэкграунда. Выбирай один из трех треков, создавай прототип и выигрывай 1 000 000 рублей. Регистрация до 13 марта: https://cnrlink.com/gpmpython 🎙 Frontend Мeetup от Росбанка Когда: 22 марта Формат: очный, Казань Вас ждут доклады специалистов Росбанка, СберМаркета и VK Добра. Авторы лучших вопросов получат мерч. Регистрация до 18 марта: https://cnrlink.com/rbkazanpython 💢 «Халява, приди!»‎ от Codenrock Когда: весь март Формат: онлайн Реши несложные, но увлекательные задачи по программированию и получи возможность стать обладателем промокода на любой маркетплейс. Это ли не халява? Регистрация до 20 марта: https://cnrlink.com/halyavapython Реклама. ООО "ЦУКЕР СТУДИЯ". ИНН 7751071015. erid: LjN8JyexX

60 007

🖥 Hotpdf: a fast PDF parsing library to extract text and find text within PDF hot pdf - это библиотека быстрого анализа PDF-файлов для извлечения текста и поиска текста в PDF-документах, созданная поверх pdfminer.six pip install hotpdf ▪ Github @pythonl

60 007

🔥Подборка лучших обучающих каналов для программистов. ➡️ Делитесь с коллегами и cохраняйте себе, чтобы не потерять 🚀 Data Science Анализ данных - полезные фишки, код, гайды и советы, маст-хэв датасаентиста Data Jobs - ds вакансии Аналитик данных Data Science книги - актуальные бесплатные книги Big data #️⃣C# С# академия С# заметки — код, лучшие практики, заметки программиста c# С# задачи и тесты С# библиотека - актуальные бесплатные книги C# вакансии - работа ⚡Машинное обучение Ml Собеседование - подготовка к собеседовению мл, алгоритмам, кодингу Ml ru - актуальные статьи, новости, код и обучающие материалы Ml Jobs - вакансии ML ML Книги - актуальные бесплатные книги МО ML чат Machine Learning - полезные статьи новости гайды и разбор кода ⚡️ Frontend Javascript академия - крупнейший js канал React - лучшие гайды и советы по работе с react Frontend - тутрориалы, уроки, гайды, код PHP Книги frontend Задачи frontend 🏆 Golang Golang - подробные гайды, разбор кода, лучшие практики, заметки Golang собеседование Golang вакансии Golang книги Golang задачи и тесты Golang чат Golang news - новости go 🐍 Python Python/django Python Собеседование - подготовка к собеседовению python и разбор алгоритмов Pro python - статьи, новости, код и обучающие материалы Python Jobs - вакансии Python Python чат Python книги ☕ Java Java академия Java вакансии Java чат Java вопросы с собеседований Java книги 🛢Базы данных Sql базы данных Библиотека баз данных SQL чат 💻 C++ C++ академия С++ книги C++ задачи - подготовка к собеседовению мл, алгоритмам C++ вакансии 💥 Хакинг Kali Linux Kali linux linux_kal - kali чат Информационная безопасность 🐧 Linux Linux academy 🦀 Rust Rust программирование Rust чат Rust книги для программистов 📲 Мобильная разработка Android разработка Мобильный разработчик гайды и уроки 🇬🇧 Английский для программистов 🧠 Искусственный интеллект ИИ и технологии Neural - нейросети для работы и жизни Книги ИИ Artificial Intelligence 🔥 DevOPs Devops для программистов Книги Devops 🌟 Docker/Kubernets Docker Kubernets 📓 Книги Библиотеки Книг для программситов 💼 Папка с вакансиями: Папка Go разработчика: Папка Python разработчика: Папка Data Science Папка Java разработчика Папка C# Папка Frontend

60 007

🌷 Happy Womens day! Выводим поздравление с 8 марта. @pythonl

60 007

🖥 Получение мостов tor из GMail с помощью Python Учите Python, он везде) 1 шаг — установка внешних библиотек pip install python-decouple opencv-python pyzbar IMAPClient decouple — для чтения данных из файла opencv — для чтения изображения с QR-кодом pyzbar — чтобы прочитать данные, закодированные в QR-коде IMAPClient — с помощью неё будем работать с сообщениями на почтовом сервере Так как мы будем использовать пароль приложений, а также логин от аккаунта Google, то в коде его желательно не использовать. Поэтому, необходимо создать файл «.env» с примерным содержимым:

login = "test@gmail.com"
pwd = "gffg sbbp jccj vhhi"

2 шаг — импорт библиотек 3 шаг — считывание данных из QR-кода 4 шаг — отправка письма 5 шаг — чтение почты ▶️ Полностью о каждом шаге можно прочитать тут @pythonl

60 007

🖥 `__init_subclass__` runs when your class is subclassed. Если вы хотите получать уведомление, когда класс Python 🐍 становится подклассом. Используйте: `__init_subclass__`. Он запускается, когда ваш класс становится подклассом. 🚀 @pythonl

60 007

🖥 Как расширить возможности стандартного Enum Иногда хочется, чтобы у констант были доп. параметры, хранящие прочие характеристики. Первое, что приходит на ум — это описать Enum, хранящий простые значения, и маппинг:

from dataclasses import dataclass
from enum import Enum

class Color(Enum):
    BLACK = 'black'
    WHITE = 'white'
    PURPLE = 'purple'

@dataclass(frozen=True)
class RGB:
    red: int
    green: int
    blue: int

COLOR_TO_RGB = {
    Color.BLACK: RGB(0, 0, 0),
    Color.WHITE: RGB(255, 255, 255),
    Color.PURPLE: RGB(128, 0, 128),
}

Здесь получается, что константы и характеристики располагаются сами по себе, к тому же они могут находится в разных частях системы. Это может привести к тому что при появлении новой константы в Color, никто не обновит маппинг, т.к. нет жёсткой и явной связи. Как же можно хранить всё необходимое в единой структуре? ▶️Вариант 1 на изображении. Кажется, что выглядит неплохо, но в таком варианте есть ограничение по количеству дополнительных параметров. Давайте попробуем еще немного улучшить. ▶️Вариант 2 Раз в 1 варианте у нас получилось сделать с использованием tuple, то значит получится и с typing.NamedTuple. К тому же будут именованные параметры, что повысит читабельность. В качестве члена перечисления будем хранить целиком объект typing.NamedTuple. Теперь чтобы у нас происходило корректное сравнение объектов нам нужно переопределить методы __hash__ и __eq__. Сравниваться объекты будут по одному полю — value. Получился в принципе рабочий вариант. Конечно у него есть свои ограничения, плюс решение не универсальное. ▶️Вариант 3 Что если вместо typing.NamedTuple использовать dataclass? Вроде идея здравая. Появляется возможность наследования классов, хранящих доп. параметры. Плюс вспомогательные функции из dataclasses. В качестве члена перечисления, как и в прошлый раз, будем хранить объект целиком, только теперь это dataclass. Ну вот, теперь другое дело) ➡️ Полезная статья в тему @pythonl

60 007

🖥 Довольно полезная либа для структурированных выводов для LLM - Instructor 🔥 ⭐️Работает на API вызова функций OpenAI, разработанном для простоты и прозрачности Метод instructor.patch() для класса OpenAI вводит несколько ключевых полезных вещей: 🟡Режим ответа: Укажите модель Pydantic, чтобы упростить извлечение выходных данных. 🟡Максимальное количество повторных попыток: Установите желаемое количество повторных попыток для запросов. 🟡Контекст валидации: Предоставьте объект контекста для расширенного доступа к валидатору. 🟡Используйте метод client.chat.completions.create для отправки запроса и извлечения данных в объект Pydantic. Параметр response_model указывает модель Pydantic, которую следует использовать для извлечения. Полезно аннотировать переменную типом модели ответа, что поможет вашей IDE обеспечить автозаполнение и проверку орфографии. https://pypi.org/project/instructor/ @pythonl

60 007

😎Разработчик, управляй памятью эффективно! 👉Начните на бесплатном вебинаре онлайн-курса «Программист С» — «Реализация динамических структур данных на Си и Python»: регистрация Структура вебинара: - Примеры динамических структур данных - Схемы управления динамической памятью в С и Python - Реализация бинарного дерева на С и Python - Применение функций управления динамической памятью. Вебинар будет полезен: - Программистам, изучающим языки С и Python, для развития навыков в области эффективного управления памятью. - Разработчикам в области больших данных. 🤝Понравится вебинар — продолжите обучение на курсе по специальной цене и даже в рассрочку!

60 007

🖥 You can use #Python and #Textual to create plots in your terminal? 🐍🔥 Знаете ли вы, что вы можете использовать #Python и #Textual для создания графиков в вашем терминале? 🐍 🔥 Это супер просто! Пример на картинке. @pythonl

60 007

Почему стоит зарегистрироваться на GitVerse? Разработчикам теперь доступна GitVerse – новая российская платформа от СберТеха для работы с исходным кодом. Сервис позволяет бесплатно создавать проекты с открытым и закрытым кодом, приглашать новых участников и общаться с единомышленниками в ИТ-сообществе. - Привлекайте соавторов для разработки и развития своего проекта с открытым исходным кодом. - Разрешайте вносить изменения в репозиторий, получайте запросы на слияние и объединяйте ветки. - Проверяйте и комментируйте код, объединяйте изменения. - Оптимизируйте рабочий процесс: назначайте ответственных за ревью и отслеживайте результат. - Переносите репозитории с других платформ и храните код в надежном месте. Переходите на новый уровень разработки с GitVerse. Зарегистрируйтесь и начните совместную работу над проектом уже сейчас.

60 007

⚡️ UV: An extremely fast Python package installer and resolver, written in Rust. Новейший инструмент для работы с зависимостями в Python Создатели позиционируют его как замену pip, pip-tools и virtualenv, инстурмент написан на Rust. На картинке вы видите сравнение uv с другими инструментами в разрешении зависимостей (слева) и установке (справа) зависимостей Trio с использованием прогретого кеша. ▪О проекте ▪GitHub ▪Docs @pythonl

60 007

🖥 Latexify — крутая библиотека Python, которая позволяет отображать функции в формате LaTeX pip install latexify То есть вы просто определяете функцию как обычно, например так:

def quadratic(a,b,c):
  return (-b + math.sqrt(b**2 - 4*a*c)) / (2*a)

Чтобы вывести формулу LaTeX, мы просто помещаем над определением функции декоратор @latexify.function и печатаем имя функции quadratic в ячейке Google Colab. Получается так — и мы увидем формулу:

@latexify.function
def quadratic(a,b,c):
  return (-b + math.sqrt(b**2 - 4*a*c)) / (2*a)

quadratic

Отлично подойдёт тем, кто занимается на стыке IT и физики/математики/других дисциплин; здесь в Google Colab можно затестить, как это работает 🖥 GitHub @pythonl

60 007

🖥 Build a typing assistant with Mistral 7B and Ollama - Python Tutorial Невероятно — локальный AI чат-бот на основе Ollama и Mistral 7B всего в сотню строк Python кода (!) 💻 Туториал 🖥 GitHub @pythonl

60 007

⁉️ Ты не хочешь карьерного роста в IT? Иначе почему ты все еще остаешься на среднем уровне в разработке? Когда всего за 5 месяцев можно освоить широкий стек технологий на онлайн-курсе «Python Developer. Professional» и вырасти в доходе и должности. ⬇️ Пройди тест по Python и проверь свои знания. Ответишь — пройдешь на продвинутый курс "Python Developer. Professional" от OTUS по специальной цене/ 🔥 Выбери светлую сторону силы и приходи на курс.

60 007

🖥 A little word cloud generator in Python Создание облака слов на основе файла 'cl.txt' Особенно полезно для задач NLP или при анализе соцсетей

from wordcloud import WordCloud

import matplotlib.pyplot as plt

# Read text from a file
with open('cl.txt', 'r', encoding='utf-8') as file:
    text = file.read()

# Generate word cloud
wordcloud = WordCloud(width=800, height=400, background_color='white').generate(text)

# Display the generated word cloud using matplotlib
plt.figure(figsize=(10, 5))
plt.imshow(wordcloud, interpolation='bilinear')
plt.axis('off')
plt.show()

Облако слов — это визуальное представление списка категорий/тегов. Чем чаще слово встречается, тем больший размер оно принимает в облаке. pip install wordcloud ▪Github @pythonl