Python/ django
Kanalga Telegram’da o‘tish
по всем вопросам @workakkk @itchannels_telegram - 🔥 все ит каналы @ai_machinelearning_big_data -ML @ArtificialIntelligencedl -AI @datascienceiot - 📚 @pythonlbooks РКН: clck.ru/3FmxmM
Ko'proq ko'rsatish
Tarmoq:📈 Telegram kanali Python/ django analitikasi
Python/ django (@pythonl) Rus til segmentidagi kanali faol ishtirokchi. Hozirda hamjamiyat 58 985 obunachidan iborat bo'lib, Texnologiyalar & Aralashmalar toifasida 2 163-o'rinni va Rossiya mintaqasida 10 194-o'rinni egallagan.
📊 Auditoriya ko‘rsatkichlari va dinamika
невідомо sanasidan buyon loyiha tez o‘sib, 58 985 obunachiga ega bo‘ldi.
30 Avgust, 2026 dagi oxirgi ma’lumotlarga ko‘ra kanal barqaror faollikka ega. Oxirgi 30 kunda obunachilar soni -294 ga, so‘nggi 24 soatda esa -18 ga o‘zgardi va umumiy qamrov yuqori darajada qolmoqda.
- Tasdiqlash holati: Tasdiqlanmagan
- Jalb etish (ER): Auditoriya o‘rtacha 6.30% darajada jalb etiladi. Nashrdan keyingi dastlabki 24 soatda kontent odatda umumiy obunachilar sonining 3.34% ini tashkil etuvchi reaksiyalarni to‘playdi.
- Post qamrovi: Har bir post o‘rtacha 3 716 marta ko‘riladi; birinchi sutkada odatda 1 969 ta ko‘rish yig‘iladi.
- Reaksiyalar va o‘zaro ta’sir: Auditoriya faol: har bir postga o‘rtacha 19 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 @workakkk
@itchannels_telegram - 🔥 все ит каналы
@ai_machinelearning_big_data -ML
@ArtificialIntelligencedl -AI
@datascienceiot - 📚
@pythonlbooks
РКН: clck.ru/3Fm...”
Yuqori yangilanish chastotasi (oxirgi ma’lumot 31 Avgust, 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.
58 985
Obunachilar
-1824 soatlar
-57 kunlar
-29430 kunlar
Postlar arxiv
58 993
👩💻 python-sortedcontainers — библиотека коллекций Python, которые поддерживают автоматическую сортировку: SortedList, SortedDict и SortedSet!
🌟 Эти структуры данных реализованы на чистом Python, но обеспечивают производительность, сравнимую с библиотеками на C. Библиотека выделяется простотой использования, отсутствием необходимости компиляции и эффективностью операций, таких как вставка, удаление и поиск, которые выполняются быстрее линейного времени.
🔐 Лицензия: Apache-2.0
🖥 Github
@pythonl
58 993
🖥 Githubkit
Когда вы вызываете API GitHub вы вручную обрабатываете HTTP-запросы, токены и JSON-ответы, чтозанимает много времени и чреватым ошибками.
githubkit, библиотека Python, предлагает чистый, типизированный интерфейс для взаимодействия с API GitHub.
pip install githubkit
# or, use poetry
poetry add githubkit
# or, use pdm
pdm add githubkit
# or, use uv
uv add githubkit
from githubkit import Response
from githubkit.versions.latest.models import FullRepository
resp: Response[FullRepository] = github.rest.repos.get("owner", "repo")
repo: FullRepository = resp.parsed_data
print(repo.full_name)58 993
👩💻 fastapi-mvc — инструмент для повышения производительности разработчиков, создающих API на основе FastAPI!
🌟 Он позволяет быстро генерировать проекты с использованием архитектурного паттерна MVC, включая все необходимые компоненты, такие как WSGI + ASGI серверы, Sphinx-документация, полное покрытие тестами и интеграцию с Kubernetes.
🌟 Инструмент автоматически создает структуры проектов, Makefile, конфигурации GitHub Actions, Helm Charts, Dockerfile и поддерживает управление зависимостями через Poetry. Также он включает возможность обновлять уже сгенерированные проекты до новых версий шаблонов и предоставляет виртуализированную среду разработки с использованием Vagrant.
🖥 Github
@pythonl
58 993
Учишь Python, но как дело доходит до собственного кода — всё, кирдык? 😥
На форумах только одно: «Больше практиковаться!» А толку? Ноль понимания и никакой поддержки от профи…
Плавали - знаем)) Поэтому специально для тебя - чат для Python-щиков 🤝
Что получишь?
1️⃣ Сможешь задавать любые вопросы без страха и осуждения и получать ответы за минуты, а не часы поиска в инете
2️⃣ Регулярные плюшки в виде стримов от препода с 15-ти летним опытом
3️⃣ Общение с единомышленниками и заряд мотивации
➡️ А еще, забирай в закрепе БЕСПЛАТНЫЙ вводный курс по Python
Короче, всё для прокачки! Залетай к нам — ссылка на чат (тык)
58 993
👩💻 Flask-Rebar — интеграция для создания REST API с использованием Flask, Marshmallow и Swagger!
🌟 Он облегчает создание и валидацию запросов и ответов через Marshmallow-схемы и автоматически генерирует документацию OpenAPI (Swagger UI).
🔐 Лицензия: MIT
🖥 Github
@pythonl
58 993
👩💻 starlette-admin — фреймворк для создания административных интерфейсов в приложениях на Starlette и FastAPI!
🌟 Он позволяет легко генерировать интерфейсы для работы с данными, поддерживает различные ORM (например, SQLAlchemy, SQLModel, MongoEngine) и включает функции для CRUD-операций, фильтрации, экспорта данных, а также аутентификацию и авторизацию.
🔐 Лицензия: MIT
🖥 Github
@pythonl
58 993
🖥 Интерпретатор Python, написанный на Python в 500 строк кода
Byterun - это интерпретатор Python. Работая над Byterun, автор обнаружил, что фундаментальная структура интерпретатора Python легко укладывается в ограничение на размер в 500 строк. В этой статье рассмотрена структура интерпретатора и дан контекст для его дальнейшего изучения.
Цель не в том, чтобы объяснить все, что нужно знать об интерпретаторах, - как и во многих других интересных областях программирования и информатики, - вы можете посвятить годы глубокому пониманию этой темы.
Byterun был написан Недом Батчелдером, опираясь на работу Пола Шварца. Его структура похожа на основную реализацию Python, CPython, поэтому понимание Byterun поможет вам понять интерпретаторы в целом и интерпретатор CPython в частности. (Если вы не знаете, какой Python вы используете, то, скорее всего, это CPython).
Статья: https://aosabook.org/en/500L/a-python-interpreter-written-in-python.html
Github: https://github.com/nedbat/byterun
@pythonl
58 993
👩💻 CuPy — библиотека Python для вычислений с использованием GPU, полностью совместимая с NumPy и SciPy!
🌟 CuPy позволяет переносить существующий код на базе NumPy/Scipy для работы с платформами NVIDIA CUDA или AMD ROCm, минимизируя изменения в приложении.
🌟 CuPy поддерживает как высокоуровневые операции над массивами, так и низкоуровневые возможности, такие как вызовы CUDA API, использование потоков и интеграция с программами на C/C++.
🔐 Лицензия: MIT
🖥 Github
@pythonl
58 993
👩💻 traitlets — библиотека Python, которая используется для создания конфигурационных объектов с поддержкой типов и значений!
🌟 Она предоставляет удобные способы управления аттрибутами объектов, их типами и значениями, включая события и обработку ошибок. Эта библиотека широко используется в проектах, связанных с IPython, Jupyter и другими инструментами для научных вычислений.
🔐 Лицензия: BSD-3-Clause
🖥 Github
@pythonl
58 993
🖥 Выводим поздравление с Новым годом, с помощью Python
import time
import random
import pyfiglet as pf
from pyfiglet import Figlet
from termcolor import colored
text = "С новым 2025 годом"
color_list = ['red', 'green', 'blue', 'yellow']
data_list = []
with open('texts.txt') as f:
data_list = [line.strip() for line in f]
happy_new_year_art = pf.figlet_format(text)
for i in range(0, 1):
if i % 2 == 0:
f = Figlet(font=random.choice(data_list))
text_art = colored(f.renderText(text), random.choice(color_list))
else:
text_art = happy_new_year_art
print("\n", text_art)
58 993
👩💻 Model Context Protocol (MCP) Python SDK — официальный SDK для создания серверов и клиентов, которые работают с MCP — протоколом, упрощающим взаимодействие приложений с LLM!
🌟 MCP стандартизирует предоставление контекста для LLM, отделяя управление данными от взаимодействия с самой моделью.
🌟 С помощью этого SDK можно создавать MCP-серверы, которые предоставляют ресурсы, инструменты и шаблоны взаимодействия с моделями, а также клиенты, подключающиеся к любым MCP-серверам. Поддерживаются стандартные методы передачи данных, такие как stdio и Server-Sent Events (SSE).
🔐 Лицензия: MIT
🖥 Github
@pythonl
58 993
👩💻 Эта статья объясняет основы численного анализа и его применение в реальных задачах с использованием Python!
🌟 Она охватывает методы приближённого решения сложных математических задач, когда точные решения невозможны или слишком ресурсоёмки. Рассматриваются такие темы, как частичные дифференциальные уравнения (PDE), оптимизация, и решение задач с помощью библиотек Python, таких как SciPy.
🔗 Ссылка: *клик*
@pythonl
58 993
👩💻 docopt-ng — это форк оригинальной библиотеки docopt, используемой для создания удобных и понятных интерфейсов командной строки!
🌟 Библиотека автоматически генерирует парсер аргументов на основе документации (docstring), написанной в модуле Python. docopt-ng улучшает оригинал, добавляя поддержку аннотаций типов, полное покрытие тестами и активное обслуживание.
🌟 С помощью docopt-ng разработчики могут определять команды, опции и аргументы прямо в документации, что упрощает написание и поддержку кода. Библиотека парсит шаблон вызова из раздела "Usage" в docstring и обеспечивает проверку аргументов, возвращая результаты в удобном формате. Подходит для Python 3.7 и выше.
🔐 Лицензия: MIT
🖥 Github
@pythonl
58 993
👩💻 pytune — инструмент для постэксплуатации, предназначенный для специалистов красных команд!
🌟 Он позволяет внедрять фальшивые устройства в системы Microsoft Intune и Entra ID. С помощью этого инструмента злоумышленники могут украсть настройки устройств, такие как конфигурации VPN и Wi-Fi, извлечь учетные данные доменных компьютеров (если настроен Hybrid Autopilot), скачивать приложения и PowerShell-скрипты, а также обходить проверки на соответствие безопасности.
🔐 Лицензия: Apache-2.0
🖥 Github
@pythonl
58 993
Уголок AI-энтузиастов от Сбера 🤖
Sber AI Lab — центр экспертизы Сбера в области искусственного интеллекта и активный участник глобального научного комьюнити.
✅ Команда создаёт полезные алгоритмы, фреймворки и технологии в разных сферах: от банкинга до медицины.
✅ Топ по количеству научных статей на A*/A конференции и Q1 журналы в Сбере
✅ Среди open-source решений лаборатории ИИ: LightAutoML (победитель Kaggle Grand Prix 2024), RePlay, pytorch-lifestream, eco2ai и другие инструменты. Узнать больше о решениях можно на GitHub.
Ты можешь стать частью нашей команды и сделать свой вклад в развитие AI-проектов в интересных тебе направлениях тут.
58 993
Repost from Python вопросы с собеседований
👩💻 questionary — библиотека для Python, которая предоставляет простой и удобный способ создавать интерактивные текстовые интерфейсы в командной строке! Эта библиотека подходит для создания диалогов с пользователем, например, для выбора из списка, ввода текста или подтверждения.
🔍 Основные возможности Questionary:
🌟 Разнообразие типов вопросов: Ввод текста, Выбор одного варианта из списка, Выбор нескольких вариантов, Подтверждение, Ввод пароля, Слайдер!
🌟 Поддержка настроек: Можно кастомизировать внешний вид и поведение вопросов, есть возможность задать предустановленные значения по умолчанию.
🌟 Интуитивный и минималистичный API.
🌟 Поддержка ANSI-цветов: Возможность стилизовать вопросы для более выразительного отображения.
🔐 Лицензия: MIT
🖥 Github
@python_job_interview
58 993
👩💻 questionary — библиотека для Python, которая предоставляет простой и удобный способ создавать интерактивные текстовые интерфейсы в командной строке! Эта библиотека подходит для создания диалогов с пользователем, например, для выбора из списка, ввода текста или подтверждения.
🔍 Основные возможности Questionary:
🌟 Разнообразие типов вопросов: Ввод текста, Выбор одного варианта из списка, Выбор нескольких вариантов, Подтверждение, Ввод пароля, Слайдер!
🌟 Поддержка настроек: Можно кастомизировать внешний вид и поведение вопросов, есть возможность задать предустановленные значения по умолчанию.
🌟 Интуитивный и минималистичный API.
🌟 Поддержка ANSI-цветов: Возможность стилизовать вопросы для более выразительного отображения.
🔐 Лицензия: MIT
🖥 Github
@python_job_interview
