Библиотека питониста | Python, Django, Flask

🐸 Библиотека задач по Data Science

⏰ Сегодня последний день!

🎁 Только при оплате до 19 октября — курс «Базовая математика» в подарок!

Успей попасть на экспресс-курс «Математика для Data Science» — 10 живых вебинаров, практика на Python, поддержка менторов и преподаватели из ВШЭ, Яндекс Практикума и Wildberries.

За 2 месяца разберёшься с тем, на чём держится Data Science:

• векторы, матрицы и регрессия;
• градиенты, оптимизация, вероятности и статистика;
• реальные задачи анализа данных;

🎓 Построишь математический фундамент и поймёшь, как работают алгоритмы ML под капотом.

👉 Записаться на курс

Старт — 6 ноября, не упусти бонус!🎁

📱 Python новости за последние 7 дней

🧩 Практика и алгоритмы
— Элегантный обход двоичного дерева поиска — идиоматичные подходы к обходу BST на Python 3, включая рекурсивные и итеративные методы.
— Генераторы для начинающих —пошаговое введение в генераторы с домашним заданием — учимся экономить память и писать чистый код.
— Декораторы. Продвинутый уровень — универсальный шаблон декоратора и продвинутые приёмы для чистого и повторно используемого кода.

⚙️ Инструменты Python
— Пул интерпретаторов в Python 3.14 — что это такое, зачем нужен и как использовать новые возможности для параллелизма и масштабирования.
— Занимательные графики с matplotlib — практические примеры построения визуализаций — от простых до интересных “игровых” графиков.

🧠 Карьерные советы и тренды
— От джуна к эксперту — как карта навыков и план развития помогают Python-разработчику строить карьеру и прокачивать скиллы.
— Python-разработчик в 2025 году — скилсет джуниора, ожидания рынка и актуальные тренды для начинающих специалистов.

🐸 Библиотека питониста

#свежак

📚Напоминаем про наш полный курс «Самоучитель по Python для начинающих»

Мы написали и собрали для вас в одну подборку все 25 глав и 230 практических заданий!

🐍 Часть 1: Особенности, сферы применения, установка, онлайн IDE
🐍 Часть 2: Все, что нужно для изучения Python с нуля – книги, сайты, каналы и курсы
🐍 Часть 3: Типы данных: преобразование и базовые операции
🐍 Часть 4: Методы работы со строками
🐍 Часть 5: Методы работы со списками и списковыми включениями
🐍 Часть 6: Методы работы со словарями и генераторами словарей
🐍 Часть 7: Методы работы с кортежами
🐍 Часть 8: Методы работы со множествами
🐍 Часть 9: Особенности цикла for
🐍 Часть 10: Условный цикл while
🐍 Часть 11: Функции с позиционными и именованными аргументами
🐍 Часть 12: Анонимные функции
🐍 Часть 13: Рекурсивные функции
🐍 Часть 14: Функции высшего порядка, замыкания и декораторы
🐍 Часть 15: Методы работы с файлами и файловой системой
🐍 Часть 16: Регулярные выражения
🐍 Часть 17: Основы скрапинга и парсинга
🐍 Часть 18: Основы ООП – инкапсуляция и наследование
🐍 Часть 19: Основы ООП – абстракция и полиморфизм
🐍 Часть 20: Графический интерфейс на Tkinter
🐍 Часть 21: Основы разработки игр на Pygame
🐍 Часть 22: Основы работы с SQLite
🐍 Часть 23: Основы веб-разработки на Flask
🐍 Часть 24: Основы работы с NumPy
🐍 Часть 25: Основы анализа данных с Pandas

♾️ 17 формул, которые изменили мир

Математика в действии — как уравнения, придуманные века назад, сегодня управляют интернетом, медициной, космосом и вашими финансами.

📎 Читать статью

А если после статьи захотите разобраться, как эта математика работает в Data Science — вот экспресс-курс, который всё расставит по полочкам:

«Математика для Data Science»

— практика и живые уроки
— разбор кода и проверка домашних
— поддержка в Telegram-чате

🎓 За 2 месяца поймёте, как работают алгоритмы ML под капотом.
🗓️ Старт — 6 ноября

👉 Записаться на курс

🐸 Библиотека питониста

#развлекалово

Недавно мы анонсировали старт нового курса «Математика для Data Science».

В ближайшие дни выйдет серия постов о том, что ждёт вас на курсе, а пока познакомим вас с его экспертами.

Спикеры курса:

👤 Ксения Кондаурова
Преподаватель и автор курсов для бакалавриата Центрального Университета (Т-Банк), спикер и методист для Edutoria (Сбербанк). Ксения расскажет, как линейная алгебра применяется для построения предсказательных моделей, и научит проверять гипотезы для бизнеса с помощью статистики.

👤 Диана Миронидис
Преподаватель НИУ ВШЭ, автор и методист Яндекс Практикума. Самый экстравагантный преподаватель из всех, с кем вы учились, — убедитесь, что математика может быть нескучной. Диана погрузит в математический анализ, научит исследовать функции и находить параметры, при которых ошибка модели минимальна.

👤 Маргарита Бурова
Академический руководитель образовательных программ по аналитике и анализу данных, Wildberries & Russ. Проведёт квиз с розыгрышем годовой подписки TG Premium. Маргарита — эксперт в дата-сайенс, ИИ и математических методах анализа данных, фанат развития ИТ-образования.

Вместе с экспертами за 8 недель вы не просто получите знания, а познакомитесь с математикой заново.

🎁 Только при оплате до 19 октября курс «Базовая математика» в подарок!

👉 Записаться на курс

🐍 Python 3.14 — релиз, который добавил красок (буквально)

Самые заметные и полезные нововведениями Python 3.14 — без теоретических JIT и free-threading, только практичные вещи, которые можно использовать уже сегодня ⬇️

1️⃣ Python теперь в цвете:
— REPL и PDB получили синтаксическую подсветку,
— unittest теперь подсвечивает тесты (зелёные — прошли, красные — упали),
— argparse и json выдают цветной вывод,
— даже calendar теперь выделяет текущую дату.

Пример:

$ python -m unittest
..F
======================================================================
FAIL: test_example (tests)
----------------------------------------------------------------------
AssertionError: Expected 42 != 0
# Теперь ошибки — красным, успехи — зелёным

2️⃣ Pathlib стал полноценным файловым менеджером

Теперь можно копировать и перемещать файлы без shutil:

from pathlib import Path

source = Path("readme.txt")
destination = Path("docs/readme.md")

source.copy_into(destination.parent)
source.move(destination)

3️⃣ Более дружелюбные ошибки

Python теперь подсказывает опечатки:

improt math
# SyntaxError: invalid syntax. Did you mean 'import'?

4️⃣ REPL с автодополнением импортов

Пример:

import col<TAB>
# collections, colorsys

5️⃣ date и time получили свои strptime()

Больше не нужно идти через datetime:

from datetime import date
date.strptime("2026-03-14", "%Y-%m-%d")
# datetime.date(2026, 3, 14)

6️⃣ uuid7() — UUID, отсортированные по времени создания

Пример:

from uuid import uuid7
print(uuid7())
# UUID('0199b0ac-10b0-7628-8c45-96ab90bcc870')

7️⃣ Cleaner multi-exception catching

Больше никаких скобок:

try:
    int("abc")
except ValueError, TypeError:
    print("Invalid number")

8️⃣ Concurrency стал умнее

InterpreterPoolExecutor из concurrent.futures позволяет запускать несколько интерпретаторов Python в одном процессе, но с отдельными GIL — почти как multiprocessing, только легче.

💡 Если вы хотели повод обновиться — вот он.

Если хочется разобраться, как Python устроен изнутри — от ссылок и памяти до потоков и архитектуры интерпретатора,
рекомендуем курс Программирование на языке Python.

🐸 Библиотека питониста

#буст

🔥 PyTorch 2.9: новые возможности и улучшения

Новая версия приносит улучшения в производительность, переносимость и опыт разработчика:
🔜 Стабильный libtorch ABI для C++/CUDA расширений
🔜 Symmetric memory для мульти-GPU ядер
🔜 Расширенная поддержка wheel: ROCm, XPU, CUDA 13
🔜 Оптимизации для Intel, Arm и x86

С 3,216 коммитами от 452 участников, PyTorch 2.9 продолжает развивать open source AI для разработчиков по всему миру.

🟡 Полный блог о релизе: https://clc.to/Pvqrqw

🐸 Библиотека дата-сайентиста

#свежак

🤖 Hypothesis — пусть Python сам придумывает тесты

Хотите тестировать Python-код умнее, а не больше?

Попробуйте Hypothesis — библиотеку, которая сама генерирует тестовые данные и помогает находить неожиданные крайние случаи.
Вместо десятков однотипных тестов вы просто описываете свойства, которые ваш код должен соблюдать — всё остальное Hypothesis сделает за вас.

👉 Это не просто «юнит-тесты», а полноценное исследование поведения программы. Отличный способ обнаружить скрытые баги ещё до продакшна.

🔗 Документация и код: https://clc.to/NlOt_g

🐸 Библиотека питониста

#буст

🎲 Мы не только учим, но и играем!

На экспресс-курсе «Математика для Data Science» — викторина с призом TG-Premium 🎁
Проверь знания, прокачай математику и забери приз.

‼️ Оплатишь до 19 октября — получишь базовый курс в подарок.

👉 Записаться на курс

➡️ Python не стоит на месте

Пока все обсуждают Python 3.14, уже вышла Python 3.15 Alpha.

Что нового:
ℹ️ PEP 799 – новый пакет для профилирования: единая организация инструментов Python профилирования
ℹ️ PEP 686 – UTF-8 теперь используется по умолчанию
ℹ️ PEP 782 – новый C API PyBytesWriter для создания объектов bytes
ℹ️ Улучшенные сообщения об ошибках

🔸 Подробнее

🐸 Библиотека питониста

#свежак

🧐 Хочешь в Data Science, но не знаешь, с чего начать?

Пройди короткий тест по математике — бот покажет, насколько ты готов к переходу и что стоит подтянуть.

Всего пару минут — и ты поймёшь, куда двигаться дальше.

👉 Пройти тест

📚 Классика, которая не стареет: курс по структурам данных

Одни из легендарных лекций по структурам данных от MIT, где каждая лекция — как путешествие в глубину компьютерной науки.

Темы, которые остаются актуальными и сейчас:
➡️ Time travel — персистентные структуры данных: как «помнить прошлое», но не менять его.
➡️ Geometry — работа с многомерными данными (карты, таблицы, базы).
➡️ Dynamic optimality — идеальное дерево поиска: существует ли оно вообще?
➡️ Memory hierarchy — оптимизация работы с кэшем, даже не зная его размера.
➡️ Hashing — самая используемая структура данных в мире, и до сих пор поле активных исследований.
➡️ Integers — когда логарифм слишком медленно, а константа — возможна.
➡️ Dynamic graphs — как быстро пересчитывать граф при изменениях связей.
➡️ Strings — поиск подстрок в гигантских текстах (Google, ДНК и всё между).
➡️ Succinct structures — структуры, которые занимают почти столько же места, сколько сами данные.

🎓 Ссылка на лекции от MIT

Хочешь прокачаться в алгоритмах с практикой и поддержкой?
— Алгоритмы и структуры данных
⚡️ Сейчас действует акция –40% на курс и ещё несколько программ.

🐸 Библиотека питониста

#буст

⏫ Быстрый способ увидеть все зависимости Python-пакета

Инструмент PyPIPlus мгновенно показывает все зависимости любого Python-пакета с PyPI.

Полезно для дата-сайентистов:
😗 Офлайн-установки — особенно на изолированных серверах
😗 Экономия времени — мгновенный список всех зависимостей и их подзависимостей
😗 Аудит пакетов — быстро понять, что реально подтягивает пакет

Идеально для: подготовки окружений, деплоя моделей, аудита сторонних библиотек и управления зависимостями.

🐸 Библиотека дата-сайентиста

#буст

🤓 Пока Python стал π-thon, ты можешь стать Data Scientist'ом

В Proglib.academy стартует экспресс-курс «Математика для Data Science»: 10 живых вебинаров, практика на Python и спикеры из ВШЭ, Яндекс Практикума и Wildberries, которые всё разложат по полочкам.

В программе:
🔹 матан, линал, теория вероятностей;
🔹 3 практических проекта + викторина с розыгрышем TG Premium;
🔹 поддержка преподавателей и чат с единомышленниками;

🎁 Оплати курс до 19 октября — получи курс по базовой математике в подарок.
🗓️ Старт — 6 ноября

👉 Записаться на курс

👀 Что нового в Python 3.14

7 самых мощных фич новой версии, которые стоит знать 👇

1️⃣ Template Strings (t-строки)

Новый синтаксис t"" (PEP 750) — как f-строки, но безопасные.
Они предотвращают SQL-инъекции и другие уязвимости, возвращая объект Template, а не str.

➡️ Теперь можно форматировать строки без риска.

2️⃣ Встроенный Zstandard

Meta-разработанный алгоритм компрессии zstd теперь в стандартной библиотеке.

➡️ Быстрее, чем zlib и gzip, при этом с отличным уровнем сжатия.

3️⃣ Отложенная оценка аннотаций

Больше никаких NameError при аннотациях внутри классов!
Теперь Python лениво вычисляет типы только при обращении.

➡️ Код становится чище, читаемее и без хаков.

4️⃣ Новый REPL с подсветкой и автодополнением

Терминал Python теперь ближе к IDE:
подсветка синтаксиса, умное автодополнение — даже без VSCode.

➡️ Идеально для быстрого дебага и работы на удалённых серверах.

5️⃣ Контроль в finally-блоках

Теперь Python предупреждает, если в finally встречаются return, break, continue.

➡️ Меньше неожиданных багов, больше логики.

6️⃣ Упрощённый синтаксис except

Теперь без лишних скобок:

except ZeroDivisionError, TypeError:

➡️ Минимализм, как он есть. Мелочь — но приятно.

7️⃣ Настоящий Multithreading без GIL

Самое ожидаемое: Free-threaded Python официально поддерживается!
Без глобального интерпретатора блокировки (GIL).

➡️ Результат:
— Обычный Python: 12.65 сек
— Free-threaded Python: 3.16 сек

🐸 Библиотека питониста

#буст

😢 PyOCI — приватный PyPI без облаков и головной боли

Почему вообще нужен PyOCI? Потому что не хочется зависеть от очередного «облачного провайдера» только ради того, чтобы хранить приватные Python-пакеты.

PyOCI делает так, что любой OCI-registry (вроде ghcr.io или Azure Container Registry) начинает работать как обычный Python-index.
То есть можно использовать GitHub Packages как приватный PyPI — с уже встроенной системой доступа и без лишней настройки.

➡️ Как это работает

1⃣ PyOCI выступает прокси между pip и вашим OCI-registry.
2⃣ Он поддерживает любые регистры, реализующие [OCI distribution spec](https://github.com/opencontainers/distribution-spec).
3⃣ После публикации пакеты появляются прямо в интерфейсе OCI — как обычные контейнеры, просто с метаданными Python-пакетов.

Пример установки:

pip install --index-url="https://<user>:<token>@pyoci.com/<registry>/<namespace>/" <package>

Пример: установка пакета hello-world из организации allexveldman через ghcr.io:

pip install --index-url="https://$GITHUB_USER:$GITHUB_TOKEN@pyoci.com/ghcr.io/allexveldman/" hello-world

Идеально подходит, если хочется:
🔃 держать приватные Python-пакеты в GitHub Container Registry,
🔃 не возиться с доступами в PyPI,
🔃 использовать уже существующую инфраструктуру Docker-образов.

📱 Репозиторий

🐸 Библиотека питониста

#буст

В proglib.academy — Глобальная распродажа знаний ‼️

💥 Весь октябрь –40% на те курсы, которые выбирают чаще всего.

Курсы с практикой, без воды и пафоса.
Просто берёшь и делаешь апгрейд.

👉 Успей забрать свой курс на proglib.academy