Python Portal

Kanalga Telegram’da o‘tish

Всё самое интересное из мира Python Сотрудничество, реклама: @devmangx Менеджер: @Spiral_Yuri РКН: https://clck.ru/3GMMF6

Ko'proq ko'rsatish

Tarmoq:Times | Финансы Rossiya11 922 Texnologiyalar & Aralashmalar2 557...

📈 Telegram kanali Python Portal analitikasi

Python Portal (@pythonportal) Rus til segmentidagi kanali faol ishtirokchi. Hozirda hamjamiyat 52 416 obunachidan iborat bo'lib, Texnologiyalar & Aralashmalar toifasida 2 557-o'rinni va Rossiya mintaqasida 11 922-o'rinni egallagan.

📊 Auditoriya ko‘rsatkichlari va dinamika

невідомо sanasidan buyon loyiha tez o‘sib, 52 416 obunachiga ega bo‘ldi.

11 Iyun, 2026 dagi oxirgi ma’lumotlarga ko‘ra kanal barqaror faollikka ega. Oxirgi 30 kunda obunachilar soni -817 ga, so‘nggi 24 soatda esa -54 ga o‘zgardi va umumiy qamrov yuqori darajada qolmoqda.

Tasdiqlash holati: Tasdiqlanmagan
Jalb etish (ER): Auditoriya o‘rtacha 9.36% darajada jalb etiladi. Nashrdan keyingi dastlabki 24 soatda kontent odatda umumiy obunachilar sonining 5.57% ini tashkil etuvchi reaksiyalarni to‘playdi.
Post qamrovi: Har bir post o‘rtacha 4 908 marta ko‘riladi; birinchi sutkada odatda 2 919 ta ko‘rish yig‘iladi.
Reaksiyalar va o‘zaro ta’sir: Auditoriya faol: har bir postga o‘rtacha 26 ta reaksiya keladi.
Tematik yo‘nalishlar: Kontent строка, none, true, модуль, peter kabi asosiy mavzularga jamlangan.

📝 Tavsif va kontent siyosati

Muallif resursni shaxsiy fikrni ifoda etish maydoni sifatida ta’riflaydi:
“Всё самое интересное из мира Python Сотрудничество, реклама: @devmangx Менеджер: @Spiral_Yuri РКН: https://clck.ru/3GMMF6”

Yuqori yangilanish chastotasi (oxirgi ma’lumot 12 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.

52 416

Obunachilar

-5424 soatlar

-2227 kunlar

-81730 kunlar

4 908

Post ko'rishlar

~ 2 91924 soatlar

~ 3 48948 soatlar

9.36%

Muloqot nisbati

~ 3

Kuniga postlar

Ads index

beta

Postlar arxiv

52 416

👉 @PythonPortal

52 416

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}')

Вывод:

a.......10
bcd......2
e.....3456

👉 @PythonPortal

52 416

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

52 416

👉 @PythonPortal

52 416

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

52 416

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. 👉 @PythonPortal

52 416

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

👉 @PythonPortal

52 416

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]

👉 @PythonPortal

52 416

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 📍

52 416

👉 @PythonPortal

52 416

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

52 416

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

👉 @PythonPortal

52 416

Ну что, проверим ваши знания? 👉 @PythonPortal

52 416

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:
    ...

👉 @PythonPortal

52 416

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

52 416

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

52 416

Repost from Айти мемы

Использую Claude Opus 4.7, чтобы отцентрировать div

52 416

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

52 416

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-patterns

Кидайте в закладки и делитесь с коллегами 🌟 👉 @PythonPortal

52 416

F = q(E + v \times B) Наблюдать, как сила Лоренца из абстракции из учебника превращается в 30 000 об/мин в реальном времени — чистый дофамин. В какой-то момент поток магнитного поля уже воспринимается как физическое размытие. Большинство видит «крутящуюся игрушку», но по факту это векторное произведение скорости и магнитного поля, дающее силу, создающую момент на якоре. Это и есть практическое проявление уравнений Максвелла — не формулы, а реальная физика в работе. Это демонстрация базового принципа работы коллекторных электродвигателей постоянного тока. 👉 @PythonPortal