Библиотека питониста | Python, Django, Flask

📚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

CPython ABI: что означают теги в именах wheel-файлов и почему это важно

Когда pip устанавливает пакет, он выбирает нужный wheel по имени файла. Разобраться в этих тегах — значит понять почему одни пакеты устанавливаются, а другие нет.

📦 Анатомия имени wheel-файла

cryptography-48.0.0-cp311-abi3-macosx_10_9_universal2.whl
              ↑       ↑     ↑    ↑
          версия   python  abi  платформа

· py3-none-any — чистый Python, работает везде
· cp314-cp314 — только CPython 3.14, версия-специфичный ABI
· cp311-abi3 — CPython 3.11+, стабильный ABI (работает на 3.11 и новее)

🔤 API vs ABI — в чём разница

API — что написано в заголовочном файле (`Python.h`): сигнатуры функций, макросы, типы.

ABI — что реально в скомпилированном бинарнике: имена символов, смещения полей в структурах, размеры. Две библиотеки с разными ABI несовместимы — и падение может быть молчаливым.

🔑 Три уровня ABI в Python

· cp3XY — версия-специфичный ABI. Один wheel на каждый Python. Нужно выпускать новый каждый год.
· abi3 — стабильный ABI. Один wheel для Python 3.X и всех новых версий. Но не работает на free-threaded Python.
· cp3XYt — ABI free-threaded Python (без GIL). Отдельные теги: cp313t, cp314t.

⚡ Почему free-threaded Python сломал abi3

В GIL-версии структура PyObject выглядела так:

struct PyObject {
    Py_ssize_t ob_refcnt;  // байт 0
    PyTypeObject *ob_type; // байт 8
};

В free-threaded версии (Python 3.14+):

struct PyObject {
    uintptr_t ob_tid;       // id потока-владельца
    uint16_t ob_flags;
    PyMutex ob_mutex;       // per-object lock
    uint8_t ob_gc_bits;
    uint32_t ob_ref_local;  // локальный счётчик ссылок
    Py_ssize_t ob_ref_shared; // атомарный счётчик
    PyTypeObject *ob_type;  // теперь на другом смещении!
};

ob_type переехал — wheel скомпилированный под старую раскладку прочитает не те байты. Crash или тихая порча памяти.


🆕 Python 3.15: новый стабильный ABI abi3t

PyObject стал непрозрачным (opaque struct) — нельзя обращаться к полям напрямую, только через функции API. Это скрывает детали реализации и делает возможным один wheel для обеих сборок.

Стратегия для мейнтейнеров:

Python 3.12-3.13 → cp312-abi3 (один wheel)
Python 3.14      → + cp314t (free-threaded)
Python 3.15+     → cp315-abi3.abi3t (оба в одном)

Итого: тег в имени wheel = гарантия совместимости на уровне бинарного кода.

📍 Навигация: Вакансии • Задачи • Собесы

Библиотека питониста

#буст

😳 Documentation Driven Development звучит как ещё один модный термин. Пока не попробуешь объяснить свой проект AI.

Агент работает только с тем контекстом, который ему дали. Если документация неполная или устарела, он начинает додумывать — отсюда появляется неверный код.

🔘 На курсе «ИИ для разработчиков» эту тему разбирает Арсений Харланов. Он покажет, как подготовить документацию и контекст, чтобы агент понимал архитектуру проекта, ограничения и связи между компонентами.

Также разберём, как выбирать модель под задачу: Claude, DeepSeek, Qwen и другие ✏️

Впереди 7 недель работы со своим репозиторием. Вебинары проходят вживую и остаются в записи.

Стартуем 31 августа. До конца июля можно присоединиться по ранней цене, а доступ к материалам останется бессрочным 😀

🔗 Посмотреть, что будет на курсе

🏃‍♀️ Proglib Academy

🎹 Хорошая документация теперь нужна не только команде. Ниже — почему без неё проект начинает жить своей жизнью 👇

20 функций itertools: отсортированы по тому как часто реально нужны

itertools импортируют все, но используют 3-4 функции.

Вот полный список отсортированный по полезности — не как в документации.

🔥 Используешь постоянно

· chain(it1, it2) — склеить несколько итерируемых в одну
· chain.from_iterable(nested) — разгладить вложенный список лениво
· islice(it, start, stop) — срез итератора (без отрицательных индексов)
· compress('ABCDEF', [1,0,1,0,1,1]) — фильтр по булевой маске → A, C, E, F
· filterfalse(pred, it) — противоположность filter(), где предикат False


🙂 Используешь периодически

· starmap(pow, [(2,5),(3,2)]) — применить функцию с распаковкой кортежей
· pairwise([1,2,3]) — скользящие пары: (1,2),(2,3) — Python 3.10+
· batched(range(10), 3) — разбить на чанки фиксированного размера — Python 3.12+
· groupby(items, key=func) — группировка (данные должны быть отсортированы!)
· accumulate(nums, func) — накопительные суммы или любая бинарная функция
· takewhile(pred, it) — брать пока предикат True
· dropwhile(pred, it) — пропускать пока предикат True, потом всё остальное


🤔 Знаешь но редко тянешься

· tee(it, n=2) — разделить один итератор на n независимых
· zip_longest(a, b, fillvalue=None) — zip до самого длинного, заполняя пропуски
· combinations(items, r) — все комбинации без повторений
· combinations_with_replacement('AB', 2) — комбинации с повторениями: AA, AB, BB
· permutations(items, r) — все перестановки, порядок важен


😴 Скорее забыл что существует

· product(a, b) — декартово произведение = вложенные for-циклы
· count(start, step) — бесконечный счётчик, удобно с zip()
· cycle([1,2,3]) — бесконечно повторять итерируемое (хранит копию!)
· repeat(10, times=3) — повторить объект n раз


pairwise и batched — две которые большинство не знает, хотя именно они убирают кучу boilerplate кода.

Согласны?

📍 Навигация: Вакансии • Задачи • Собесы

Библиотека питониста

#буст

🤢 Чем больше разработчиков в команде начинают пользоваться Claude Code, тем заметнее одна проблема: кодовая база перестаёт выглядеть как работа одной команды.

Где-то есть тесты, где-то их забыли. Где-то агент следует архитектуре проекта, где-то предлагает решение, которое с ней не сочетается.

⚠️ И это не проблема Claude Code. Он просто следует тому контексту, который получает от каждого разработчика.

Сегодня покажем, как передать AI инженерный контекст команды и не превратить его внедрение в ещё один источник хаоса.

🗓 23 июля, 19:00 МСК
Бесплатно. 60 минут доклада + 30 минут вопросов.

🔗 Занять место на вебинаре и разобраться, почему так происходит

🏃‍♀️ Proglib Academy

Хороший разбор для тех, кто уже использует Claude Code в команде или только собирается его внедрять 🛸

The Hitchhiker's Guide to Python: классика которую стоит перечитать

Не официальная документация, а мнение опытных разработчиков о том как делать правильно: структура проекта, code style, тестирование, виртуальные окружения, деплой, выбор инструментов под конкретные задачи.

Особенно полезны разделы:
· Writing Great Python Code — структура, идиомы, common gotchas
· Scenario Guide — инструменты под конкретные задачи: веб, CLI, БД, ML, системное администрирование
· Shipping Great Python Code — как паковать и шипить код

🔗 Ссылка на ресурс

📍 Навигация: Вакансии • Задачи • Собесы

Библиотека питониста

#буст

Библиотека питониста

#развлекалово

😸 Каждый разработчик подходит к задаче со своим опытом: помнит прошлые решения, знает ограничения проекта и понимает, какой код команда пропустит на ревью.

Для человека это естественная часть работы. У Claude Code этого контекста по умолчанию нет — только задача и инструкции, которые ему дали.

Поэтому в большой команде недостаточно просто выбрать хорошую модель.

❗️ Нужно ещё объяснить ей, как у вас устроена разработка: какие подходы приняты, что обязательно проверять и по каким правилам принимать решения.

🗓 23 июля в 19:00 МСК поговорим об этом на бесплатном вебинаре с Алексеем Жиряковым — он Executive Director в Сбере, руководит
GenAI Data Platform, и с этой проблемой сталкивался не раз 🔥

Покажет живое демо, разберём, как встроить AI в процесс разработки так, чтобы он реально помогал, а не добавлял ещё один повод для споров на ревью.

🔗 Занять место на вебинаре

🏃‍♀️ Proglib Academy

✏️ Если вы уже работаете с Claude Code, Cursor или Copilot, этот вебинар будет особенно полезен.

Разберут, как превратить AI из инструмента для отдельных задач в часть инженерного процесса ⬇️

🧑‍💻 Учиться агентной разработке — у тех, кто уже внедряет её в бигтехе

Курс «ИИ для разработчиков» ведут практики из ведущих российских IT-компаний 🔥

🔵 Они прошли путь от первых экспериментов с AI до рабочих процессов, в которых агенты помогают команде писать код, готовить PR и быстрее доводить задачи до продакшена.

В ближайшее время познакомим вас с каждым преподавателем. Программа курса — по ссылке 🎹

🏃‍♀️ Proglib Academy

📍 Курс — это не только темы и домашние задания

Во многом его ценность определяет опыт тех, кто его разрабатывает и ведёт.

Об этом как раз новый пост Proglib Academy 🔥

🔍 pypimap: интерактивная карта всех PyPI пакетов

Визуализация экосистемы Python в одном месте.

Можно увидеть как пакеты связаны между собой, найти новые инструменты и понять масштаб экосистемы.

🔗 Ссылка на карту

📍 Навигация: Вакансии • Задачи • Собесы

Библиотека питониста

#буст

🫡 Один и тот же запрос к AI можно выполнить двумя способами — и получить совершенно разный результат.

1️⃣ способ — просто попросить написать код. Модель может сгенерировать рабочее решение, но именно на этапе проверки часто всплывают пропущенные edge case’ы, ошибки обработки или проблемы с тестами.

2️⃣ способ — дать агенту цикл Think → Act → Observe. Он не останавливается после первой попытки: планирует действия, проверяет результат и, если находит ошибку, исправляет её и пробует снова.

Самое интересное, что разница здесь не столько в модели ❕ Claude, GPT или другая LLM могут быть одинаковыми. Разницу создаёт инженерная система вокруг них.

📅 Именно это разберём 23 июля в 19:00 (МСК) на бесплатном вебинаре с Алексеем Жиряковым (Executive Director в Сбере, GenAI Data Platform, ex-CTO Stream и KION).

На живом демо покажем, как один и тот же запрос работает без агентной системы и с ней 🔥

🔗 Регистрация

🏃‍♀️ Proglib Academy

🔥 Курс «Разработка ИИ-агентов» стартовал, но вы еще успеваете присоединиться!

Мы только начали, а первый практический воркшоп пройдет только 23 июля. До этого времени вы спокойно успеете изучить материалы и нагнать группу.

💼 Главная фишка: финальный проект в портфолио:

В финальном проекте вы сможете выбрать один из двух вариантов: реализовать свою идею или решить задачу от партнера курса — крупной российской финтех-компании. Вы будете работать с датасетом, построенным по реальным сценариям, получите бизнес-контекст и продовые ограничения. В результате соберете AI-агента, который станет сильным проектом для портфолио.

🎁 Упомяните менеджеру специальное предложение «3 курса по цене 1»: Берете VIP-тариф — получаете курс «Разработка ИИ-агентов», хардкорный «AgentOps» и ещё один курс на выбор. Выгода 129.000 ₽!

Двери потока вот-вот закроются окончательно. Успейте забрать стек курсов и начать работу над реальным проектом

🔗 Занять место и забрать 3 курса

🔥 Стартуем СЕГОДНЯ! Новый поток курса «Разработка ИИ-агентов» открыт

По этому поводу мы решили выложить закрытую запись одного из уроков из программы. Найти её в поиске YouTube нельзя — она доступна только по ссылке и всем, кто будет на курсе.

Внутри глубокий разбор LLM от Алексея Яндутова (Senior ML-инженер, развивал ответы «Алисы» и «Нейро» в Яндексе). Учимся получать точный результат без галлюцинаций.

Что внутри урока:

- Устройство LLM.
- Рабочие шаблоны промптов (Persona, Chain-of-Thought и др.).
- Разбор реального кейса Яндекса. Как автоматизировать разметку, обойти качество людей на 5% и срезать косты на 60%.

После просмотра вы поймете, когда хватает промпт-инжиниринга, а когда нужен RAG или fine-tuning.

👉Смотреть закрытый урок на YouTube

Понравился урок? Переходите на новый уровень! Оставляйте заявку на курс, чтобы научиться проектировать надежные автономные системы. Обучение началось, но вы еще успеваете присоединиться.

🔗 Занять место на курсе

🚀 Уже завтра стартует новый поток курса «ИИ-агенты»!

Мы собрали мощнейший состав преподавателей. Учить вас проектировать архитектуру и собирать продакшн-агентов будут инженеры и исследователи из топовых IT-компаний.

Старт уже завтра!

Сомневаетесь, подойдет ли вам программа и подача? Начните с бесплатного демо-урока!

Всего за 2 часа вы заглянете под капот ИИ-агента, поймете, чем мышление модели отличается от ее ответа, и научите систему чинить собственный код. Это идеальный способ протестировать нашу платформу перед покупкой.

🔗 Пройти демо-урок и занять место на курсе

Стек и очередь в Python: и почему list не всегда правильный выбор

Большинство питонистов используют list для всего подряд.

Но у list есть конкретная асимптотика, и игнорировать её — значит писать медленный код.

📋 Stack (LIFO) → list

append() и pop() работают за O(1). Список оптимизирован именно для работы с концом:

stack = []
stack.append(1)
stack.append(2)
stack.append(3)
stack.pop()  # → 3
stack.pop()  # → 2

А вот insert(0, x) и pop(0) — это O(n). Каждый раз сдвигается весь массив:

# Медленно — 200k итераций занимают несколько секунд
for n in range(200_000):
    numbers.insert(0, n)

# Быстро — то же количество итераций, мгновенно
for n in range(200_000):
    numbers.append(n)

🔄 Queue (FIFO) → deque

Если нужна очередь — берите collections.deque. Операции с обоих концов работают за O(1):

from collections import deque

queue = deque()
queue.append(1)    # добавить справа
queue.append(2)
queue.append(3)
queue.popleft()    # → 1 (первый вошёл — первый вышел)
queue.popleft()    # → 2

deque — это double-ended queue. Можно добавлять и удалять с обоих концов эффективно:

queue.appendleft(0)   # добавить слева — O(1)
queue.pop()            # удалить справа — O(1)
queue.popleft()        # удалить слева — O(1)

Правило одной строкой

Нужен стек → list. Нужна очередь → deque. Использовать list как очередь через pop(0) — это O(n) на каждую операцию.

📍 Навигация: Вакансии • Задачи • Собесы

Библиотека питониста

#буст

📚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