Библиотека питониста | Python, Django, Flask

📱 Python новости за последние 7 дней

🖥 Разработка, инструменты и архитектура
— Как перестать бояться GUI-тестов — разбор подходов, инструментов и практик, которые делают GUI-тестирование удобным и надёжным.
— Создаем свой «Photoshop» на Python — пишем полноценный десктопный редактор изображений на Flet + Pillow.
— Как мы перестали использовать Python в production LLM-системах — почему большая часть пайплайна уехала на Rust/Go.
— Продвинутый логинг с Loguru — красивый, структурированный логинг с минимумом кода.

🧠 Глубже в Python: внутренности и трюки
— Магия Python: почему list — объяснение внутреннего устройства list, dict, хеширования и времени доступа.
— () или []: что выбрать — разбор тонкостей.
— Pendulum против datetime — новый взгляд на работу с датами: удобнее, чище API, меньше боли.
— Практичные Python-привычки, которые реально улучшают код —от обработки ошибок до структуры функций — must-have для джунов и мидлов.

🐸 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

Знатоки, вопрос 😁

🐸 Библиотека питониста

#развлекалово

📘 Хочешь в Data Science, но есть пробелы в знаниях математики?

Мы сделали экспресс-курс «Математика для Data Science», который за 2 месяца даст тебе фундамент, без которого ни одна ML-модель не взлетит 🚀

Что тебя ждёт:
🔹 живые вебинары с экспертами (НИУ ВШЭ, SberAI, Wildberries&Russ);
🔹 практика в Python, квизы и проверка заданий экспертами;
🔹 матрицы, регрессии, вероятности и статистика: всё на примерах из реальных задач;
🔹 старт — 4 декабря.

🔥 Не упусти халяву: сейчас 40% до 30 ноября

👉 Записаться на курс

📌 Python Hack: ускоряйте проверки принадлежности с помощью set вместо list

Когда нужно быстро проверить, содержится ли элемент в коллекции, многие по привычке используют список. Но это дорого по времени:
Проверка x in some_list проходит по всем элементам — сложность O(n).

Сравним:
— List — поиск по элементам, медленно на больших данных
— Set — хеш-таблица, поиск в среднем O(1)

Пример с миллионом элементов:

big_list = list(range(1000000))
big_set = set(big_list)
start = time.time()
print(999999 in big_list)
print(f"List lookup: {time.time() - start:.6f}s")

start = time.time()
print(999999 in big_set)
print(f"Set lookup: {time.time() - start:.6f}s")

Вывод:
List lookup: ~0.015000s
Set lookup: ~0.000020s

Разница — в сотни раз быстрее.

Где особенно полезно использовать set:
— удаление дубликатов,
— валидация входных данных,
— быстрый поиск «есть/нет»,
— пересечение/объединение коллекций,
— сравнение больших списков.

✅ Просто заменив list на set в местах, где важна скорость проверки, можно получить мощный прирост производительности без изменения логики.

🐸 Библиотека питониста

#буст

🧩 Понимать алгоритмы стало проще с memory_graph

Алгоритмы часто кажутся сложными студентам, особенно на первых шагах изучения.

С библиотекой memory_graph каждый этап выполнения кода становится наглядным — визуализация показывает, как изменяется память и данные во время работы программы.

Это помогает:
— интуитивно понять, как работает алгоритм,
— быстрее находить и исправлять ошибки,
— глубже освоить основы программирования и структур данных.

📊 На примере — визуализация Insertion Sort шаг за шагом.

➡️ Ссылка на пример

🐸 Библиотека питониста

#буст

Проект, доставшийся тебе от уволившегося коллеги 😁

🐸 Библиотека питониста

#развлекалово

🔍 Булевый поиск: как находить «спрятанные» вакансии в LinkedIn, GitHub и Google

Как искать вакансии, которые не видно через стандартные фильтры?

В этой статье — практическое руководство по булевому поиску:
🔎 На LinkedIn и hh. ru — чтобы обойти ограниченные фильтры и находить реальные позиции по нужным критериям.
🔎 На GitHub — где рекрутеры и компании публикуют вакансии прямо в репозиториях и issues.
🔎 Через Google — чтобы находить карьерные страницы компаний, которые не индексируются обычным поиском.

🔗 Статья

🐸 Библиотека питониста

#буст

🧠 Создаём граф знаний из документов с LLM

CocoIndex — инструмент для построения и обновления графов знаний в реальном времени.
Он использует LLM для извлечения связей между концептами в документах и автоматического построения графа:

➡️ Связи между субъектами и объектами — CocoIndex supports Incremental Processing
➡️ Упоминания сущностей в тексте — core/basics.mdx mentions CocoIndex and Incremental Processing

➡️ Подходит для динамических баз знаний, документации и исследовательских проектов.

📱 GitHub
🎞 Видео-туториал
➡️ Статья

🐸 Библиотека питониста

#буст

🧠 10 ключевых структур данных, которые мы используем каждый день

— List — лента в Twitter
— Stack — undo/redo в текстовом редакторе
— Queue — очередь печати или событий в игре
— Hash table — кэширование данных
— Array — численные операции и линейная алгебра
— Heap — планирование задач
— Tree — структура HTML-документа или AI-решения
— Suffix tree — поиск подстрок в тексте
— Graph — социальные связи и поиск пути
— R-tree — поиск ближайших соседей
— Vertex buffer — передача данных на GPU для рендеринга

💡 Какие ещё важные структуры данных стоит добавить в этот список?

🐸 Библиотека питониста

#буст

🛒 Black Friday от Proglib.academy!

Только до 30 ноября — скидка 40% на ВСЕ курсы.

Пора добавить в корзину не носки, а новые скиллы: Python, математика для Data Science, AI, алгоритмы и структуры данных, ML.

🎓 Выбирай курс, который реально двинет тебя в карьере, и учись со скидкой.

👉 Учиться со скидкой

📅 Предложение по годовому циклу релизов Django

Django в этом году отметил 20-летие. За это время текущий график релизов доказал свою эффективность, но возникают вопросы:

☹️ Номера версий мало что говорят. Видя Django 2.2, сложно понять, когда он вышел и насколько устарел.
☹️ Версии выглядят как семантические (x.0), но на деле не содержат серьёзных изменений. Например, Django 6.0 почти не отличается от 5.2 LTS.

Проблемы текущего цикла:
— Поддержка старых LTS-версий затрудняет обновления Python и создаёт нагрузку на CI.
— Разработчикам сторонних пакетов приходится поддерживать старые версии дольше, чем хотелось бы.
— Большая часть пользователей долго остаётся на неподдерживаемых версиях.

Решение — годовой цикл релизов:
✔️ Один крупный релиз Django в год, вместо одного каждые 8 месяцев.
✔️ Использование календарного версионирования: первая цифра — год, вторая — номер релиза.
✔️ Пример: Django 2028.1 — первый релиз серии, 2028.2 — следующий.
✔️ Каждый релиз получает 1 год исправлений багов и 2 года безопасности, то есть каждая версия будет фактически LTS.
✔️ Поддержка только актуальных версий Python (или плюс последняя «жёлтая»), что снижает нагрузку на CI и синхронизирует EOL Django с EOL Python.

Преимущества:
— Прозрачный и предсказуемый график релизов.
— Облегчённое обновление для компаний и пользователей.
— Каждая версия получает долгосрочную поддержку и безопасность.
— Возможность смелых изменений API без потери стабильности, особенно с инструментом django-upgrade для автоматических обновлений кода.

📌 Итог:
Предлагается внедрить годовой цикл релизов начиная с Django 7.0, с предсказуемой поддержкой Python и LTS для каждого релиза. Это улучшит обновляемость, снизит нагрузку на разработчиков и повысит долю пользователей на поддерживаемых версиях.

Что думаете?

🐸 Библиотека питониста

#буст

💻 Хочешь MacBook Pro? Просто начни учиться!

Да-да, вы не ослышались: Proglib.academy дарит макбук за учёбу!

Всё просто:

— купи любой курс Академии до 15 ноября;
— пройди 2 недели обучения (можно за два дня);
— напиши куратору в чате курса хэштег #розыгрыш.

📚 Выбирай свой курс:

▫️ «Математика для DS» — для тех, кто хочет уверенно работать с данными;
▫️ «Основы Python» — чтобы начать писать код с нуля;
▫️ «Алгоритмы и структуры данных» — для будущих инженеров;
▫️ «AI-агенты» или «Машинное обучение» — для тех, кто хочет прокачаться в ИИ.

👉 Участвовать в розыгрыше

📱 Python новости за последние 7 дней

🧩 Чистый и безопасный код
— Как `with` делает Python-код безопаснее и читабельнее — пояснение работы контекстных менеджеров и best practices их использования.
— Код, за который не стыдно — практика чистописания: читаемый, поддерживаемый и аккуратный Python-код для начинающих.
— Сначала логика, потом код — как писать программы для ESP на MicroPython, правильно разделяя логику и реализацию.

⚙️ Веб, API и контейнеризация
— Как не положить API: rate limiting в Python — реализация ограничений по количеству запросов для защиты сервиса.
— Docker для Python-разработчика — как упаковать приложение в контейнер и запускать его где угодно.
— Библиотека для доступа к данным ЦБ: cbrapi — работа с финансовыми данными через Python, быстрый старт.

🌐 Проекты и инструменты
— Создаем GUI на Python с Flet — от простого скрипта до полноценного Markdown-редактора.
— Создаем свой create-react-app на Python — интерактивный генератор проектов с Typer и Questionary для быстрого старта.

🧠 Карьерные и трендовые темы
— Особенности Python для собеседований. Часть 2 — на что точно обратят внимание на техническом интервью.
— Почему Python так популярен в 2025 году — анализ трендов, причин популярности и перспектив развития языка.

🐸 Библиотека питониста

#свежак

📦 Управление зависимостями Python с помощью `uv` (наглядно)

В экосистеме Python существует множество форматов для управления зависимостями — requirements.txt, pyproject.toml, uv.lock и другие.

С помощью `uv` можно управлять почти всеми из них — легко переходить между состояниями, обновлять, синхронизировать и восстанавливать окружения.

На графике показано, как именно можно переходить от одного состояния к другому с помощью команд uv.

> 💡 Примечание: “libs in env” обозначает установленные зависимости в виртуальном окружении, созданном через uv venv.

🐸 Библиотека питониста

#буст

💻 ВАЖНО: макбук ещё не забрали!

Proglib.academy продолжает розыгрыш MacBook Pro 14» (M3 Pro, 36 Гб, 1 Тб SSD).

Что нужно для участия?

— Берёшь любой курс Академии до 15 ноября.
— Проходишь хотя бы 2 недели обучения (можно за два дня).
— Пишешь куратору #розыгрыш. Всё — ты в игре!

Что за курсы?

▫️Алгоритмы и структуры данных — если хочешь готовиться к собесам в Яндекс, FAANG и не сидеть на джуне вечно.

▫️Архитектуры и шаблоны проектирования — учат думать как senior, а не просто писать код.

▫️ Python, математика для DS, основы IT и другие темы — можно стартовать с нуля или усилить то, что уже знаешь.

👉 Влетай, не думай!

🐸 Библиотека питониста

#развлекалово

🎁 И мозг прокачать, и макбук утащить!

Proglib.academy разыгрывает MacBook Pro 14 (M3 Pro, 36 GB, 1 TB SSD) 💻

Условия:

1️⃣ Покупаешь любой курс Proglib до 15 ноября.
2️⃣ Проходишь минимум 2 учебные недели (можно осилить за два вечера).
3️⃣ Пишешь куратору в чат своего курса: #розыгрыш.

Что за курсы?

— Математика для Data Science (6 месяцев боли и просветления).
— Основы Python, ML, алгоритмы, AI-агенты и даже курс для тех, кто в IT, но не кодит.

👉 Участвовать в розыгрыше