Ще пости — сторінка 9

324 поста усього
P
Python и 1000 уязвимостей
@osint_pythons
416

🆕 PyPI ввёл запрет на изменение релизов спустя 14 дней после публикации

Специалист по безопасности из Python Software Foundation Сет Ларсон объявил, что индекс пакетов Python (PyPI) теперь будет отклонять новые файлы, загружаемые в релизы старше 14 дней.

Это ограничение призвано предотвратить «отравление» старых релизов в случае компрометации токенов публикации или рабочих процессов проектов PyPI.

— Обсуждение этого поведения началось во время PEP 740 в январе 2024 года. Дискуссия возобновилась в марте 2026 года после компрометации популярных пакетов LiteLLM и Telnyx. Она произошла из-за «изменяемой ссылки» в GitHub Action Trivy.

🖥 Читать подробнее

P
Python Portal
@pythonportal
4K

Этот проект представляет собой полный курс по Python — от нулевого уровня до backend-разработки, который создавался в прямом эфире на Twitch.

Покрывает основы Python, продвинутые темы и разработку backend-приложений. Включает создание REST API с аутентификацией и интеграцией с базой данных. Весь код организован по директориям: Basic, Intermediate и Backend. Видео-уроки содержат таймкоды для каждой темы.

👉 @PythonPortal

• AI & Python •
@aipyth0n
8.1K

⌨️‏ #Python_Quiz

خروجی این کد پایتون چیه؟ 🤔

#برنامه_نویسی #پایتون #Python #Programming #quiz ┏━━━━━━━━┓ 〓 @AIPyth0n ┗━━━━━━━━┛

D
Data Science Jobs
@datascienceml_jobs
2K

#вакансия #datascientist #six_sigma #python #удаленно

Гибридная вакансия на стыке Data Scientist, инженера данных и аналитика Формат: удаленный, фуллтайм Локация: РФ По всем вопросам: @Masha_UIT

Требования — Уверенное владение Python, умение писать чистый и поддерживаемый код. — Опыт работы с библиотеками: - pandas; - NumPy; - scikit-learn. — Практический опыт анализа временных рядов. — Опыт визуализации данных с использованием statsmodels, Matplotlib и/или Plotly. — Знание и практическое применение методологии Six Sigma. — Наличие сертификации Six Sigma не ниже уровня Green Belt. — Понимание и применение цикла DMAIC (Define–Measure–Analyze–Improve–Control). — Опыт участия минимум в двух проектах цифровизации промышленных предприятий с подтвержденным экономическим эффектом. — Опыт реализации проектов по одному или нескольким направлениям: - СУУТП; - СГДО; - RTO; - видеоаналитика; - предиктивная аналитика; - рекомендательные системы.

Для резюме: @Masha_UIT ⚠️ Убедительная просьба ознакомиться с правилами безопасности при отклике на вакансии в Телеграме. Последнее время увеличилось число мошеннических схем, когда мошенники прикрываются работодателем

Z
Zen of Python
@zen_of_python
1.6K

OpenCode: ИИ-агент для Python в терминале, который не уводит код в облако

Если вы предпочитаете командную строку графическим IDE, OpenCode может оказаться удобнее: он работает как TUI прямо в консоли, понимает контекст Python-проекта и рефакторит код с учётом всей кодовой базы, а не вставленного фрагмента.

Для питониста тут два полезных момента. Первый — локальность: провайдер подключается из вашей среды, файлы остаются на вашей машине. Второй: встроенный Pyright и режимы Plan/Build, которые либо показывают план правок, либо применяют его сразу. Ещё AGENTS.md позволяет явно прописать правила проекта: от стиля до команд запуска.

Для старта достаточно бесплатного ключа Gemini. Подробности в обзоре.

Z
Zen of Python
@zen_of_python
2.6K

OpenCode: ИИ-агент для Python в терминале, который не уводит код в облако

Если вы предпочитаете командную строку графическим IDE, OpenCode может оказаться удобнее: он работает как TUI прямо в консоли, понимает контекст Python-проекта и рефакторит код с учётом всей кодовой базы, а не вставленного фрагмента.

Для питониста тут два полезных момента. Первый — локальность: провайдер подключается из вашей среды, файлы остаются на вашей машине. Второй: встроенный Pyright и режимы Plan/Build, которые либо показывают план правок, либо применяют его сразу. Ещё AGENTS.md позволяет явно прописать правила проекта: от стиля до команд запуска.

Для старта достаточно бесплатного ключа Gemini. Подробности в обзоре.

Б
Библиотека питониста | Python, Django, Flask
@pyproglib
1.8K

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

Б
Библиотека Python разработчика | Книги по питону
@bookpython
876

🔑 Использование объектов в качестве ключей словаря в Python

В Python вы можете использовать любой объект в качестве ключа словаря, если он реализует метод __hash__. Этот метод возвращает целое число, но при этом важно соблюдать одно ключевое требование: равные объекты должны иметь одинаковый хэш (обратное утверждение необязательно).

👉 Не используйте изменяемые объекты в качестве ключей! Если объект изменяется после добавления в словарь, он становится "невидимым" для поиска, так как его хэш может измениться.

🌀 Странность с отрицательными хэшами

Есть интересная особенность, которая может вас удивить при отладке или написании юнит-тестов. Рассмотрим следующий пример:

class A: def __init__(self, x): self.x = x

def __hash__(self): return self.x

Результаты хэширования экземпляров класса:

>>> hash(A(2)) 2 >>> hash(A(1)) 1 >>> hash(A(0)) 0 >>> hash(A(-1)) # внимание! -2 >>> hash(A(-2)) -2

💡 В CPython значение -1 зарезервировано для внутренних ошибок. Если хэш-значение равно -1, интерпретатор автоматически преобразует его в -2. Это может вызывать неожиданные проблемы при сравнении или использовании объектов в качестве ключей.

📲 Мы в MAX

👉@BookPython

D
Dev & ML Connectable Jobs
@dev_connectablejobs
5.5K

QA Engineer в Innowise

📍Польша/Грузия 💎Опыт веб-тестирования, тестирования мобильных приложений, настольных приложений, пользовательского интерфейса, API/веб-сервисов 🚀В компании работает много русскоговорящих специалистов

Innowise — выполняет проекты в области разработки ПО и инженерии, работая с клиентами из США, Дании, Германии и других стран

Размер команды — 1k-5k

Узнать детали и откликнуться: тут

Другие вакансии: — AQA Python Engineer — Golang Developer — Python Developer

Д
Джуниор Вакансии Стажировки IT
@juniors_rabota_jobs
4.8K

Стажер_специалист по автоматическому тестированию Краснодар, гибрид

Описание вакансии: В MAGNIT TECH 🧲 стартует новый набор на стажировку! Сейчас мы открываем набор стажеров-тестировщиков и приглашаем принять участие в отборе.

📍 Что важно: — проживание в Краснодаре; — готовность работать в гибридном формате. Если ты студент 2–3 курса, обучаешься в магистратуре или на специалитете и хочешь получить практический опыт в IT — будем рады твоему отклику! ☺️

Чем ты будешь заниматься: - Проводить различные виды тестирования: функциональное, интеграционное, регрессионное и системное - Готовить тестовые макеты, данные и окружение для проверки функционала - Разрабатывать автотесты на Python и писать заглушки (stubs/mocks) для внешних сервисов - Составлять и поддерживать актуальность тестовой документации: тест-кейсы, чек-листы и отчеты

Мы ожидаем: - Знание техник тест-дизайна, видов тестирования и методологий (Agile, Waterfall). - Умение работать с неполными требованиями - Навыки Linux (терминал, логи), SQL (JOIN) и понимание REST, JSON, XML - Опыт автоматизации на Python (pytest) и Git. - Готовность быстро осваивать новое - Развитая коммуникация: умение задавать вопросы, уточнять требования и переводить с «технического» на язык бизнеса - Системное мышление и внимание к деталям: понимание бизнес-контекста и влияния изменений на продукт

Аналитик данных Удалённо

В аналитический центр торгового пространства и эталонных матриц требуется Аналитик данных для разработки математических моделей, прогнозирования и кластеризации данных с целью оптимизации ассортимента и зонирования магазинов.

Чем ты будешь заниматься — Рассчитывать модели эластичности оборота и доходности, с учетом специфики разных групп товаров — Моделировать точки насыщения товарных категорий — Заниматься кластеризацией торговых точек по различным факторам — Автоматизировать отчётности и регулярные аналитические процессы — Работать с Ad hoc-запросами от бизнеса — Поддерживать и развивать существующие отчёты

Мы ожидаем — Знания статистики, теории вероятностей, основы эконометрики, анализ временных рядов. — Классическое машинное обучение: кластеризация, регрессионные и классификационные модели, градиентный бустинг — SQL: оконные функции, оптимизация запросов (T-SQL / MySQL) — Excel: продвинутый уровень (сводные таблицы, сложные формулы) — Python: pandas для обработки и трансформации данных — sklearn для задач ML — SQLAlchemy для работы с базами данных — Matplotlib и Seaborn для визуализации — A/B-тесты: дизайн экспериментов, проверка гипотез, интерпретация результатов

Будет плюсом — Power Query и Power Pivot для ETL и модели данных в Excel — VBA (чтение и правка существующих макросов) — Создание аналитических дашбордов в PowerBI — xlwings для интеграции с Excel — Опыт в ритейле

Мы предлагаем — Оформление в аккредитованную ИТ-компанию — Конкурентоспособную заработную плату (обсуждается индивидуально) — ДМС со стоматологией и льготными условиями для членов семьи — Технику для работы

Понравились вакансии? 💚 — да 🌚 — нет

———

🖤 Разместить вакансию 💙 Удалёнка 🫶 Удалёнка джунам 🫶 Стажировки 💚 Разрабам 💖 Дизайнерам 🟠 Маркетологам 🖤 HR 💜 QA 🟡 Менеджерам

мы также есть там, куда всех хотят отправить — https://max.ru/it_vakansii_jobs

P
Python Developer
@python_tg
2.3K

▪️ Полезная шпора по Python

Нашли удобную шпаргалку на русском, где собрали всё самое нужное по языку.

В одном месте основные конструкции: строки, списки, словари, функции, классы, исключения, регулярки и встроенные функции.

⛓ Ссылка на шпору

tags: #полезное

➡ Python Developer | 📲 MAX

P
Python Portal
@pythonportal
4K

Чтобы превратить вызовы LLM в понятные и компонуемые workflows, не нужен огромный фреймворк.

PocketFlow — минималистичный Python-фреймворк для разработчиков, которые создают агентов, RAG-пайплайны и другие LLM-приложения.

Он позволяет проектировать логику приложения в виде графа, соединяя небольшие узлы, которые используют общее состояние и направляют выполнение через именованные действия.

Ключевые возможности:

• Графовые flows — можно объединять узлы в цепочки, создавать ветвления по действиям, циклы и вложенные flows. • Узлы из трёх этапов — подготовка, выполнение и постобработка разделены и работают с общим состоянием. • Настройка повторных попыток — можно задать количество ретраев, задержки между ними и fallback-поведение при ошибках выполнения. • Batch- и async-режимы — обработка списков элементов, повторный запуск flows с параметрами и параллельное выполнение асинхронных batch-задач. • Практический cookbook — примеры агентов, RAG, workflows, стриминга и приложений с human-in-the-loop.

Проект с открытым исходным кодом и распространяется по лицензии MIT.

👉 @PythonPortal

G
Generative AI
@generativeai_gpt
1.9K

If you want to get a job as a machine learning engineer, don’t start by diving into the hottest libraries like PyTorch,TensorFlow, Langchain, etc.

Yes, you might hear a lot about them or some other trending technology of the year...but guess what!

Technologies evolve rapidly, especially in the age of AI, but core concepts are always seen as more valuable than expertise in any particular tool. Stop trying to perform a brain surgery without knowing anything about human anatomy.

Instead, here are basic skills that will get you further than mastering any framework:

𝐌𝐚𝐭𝐡𝐞𝐦𝐚𝐭𝐢𝐜𝐬 𝐚𝐧𝐝 𝐒𝐭𝐚𝐭𝐢𝐬𝐭𝐢𝐜𝐬 - My first exposure to probability and statistics was in college, and it felt abstract at the time, but these concepts are the backbone of ML.

You can start here: Khan Academy Statistics and Probability - https://www.khanacademy.org/math/statistics-probability

𝐋𝐢𝐧𝐞𝐚𝐫 𝐀𝐥𝐠𝐞𝐛𝐫𝐚 𝐚𝐧𝐝 𝐂𝐚𝐥𝐜𝐮𝐥𝐮𝐬 - Concepts like matrices, vectors, eigenvalues, and derivatives are fundamental to understanding how ml algorithms work. These are used in everything from simple regression to deep learning.

𝐏𝐫𝐨𝐠𝐫𝐚𝐦𝐦𝐢𝐧𝐠 - Should you learn Python, Rust, R, Julia, JavaScript, etc.? The best advice is to pick the language that is most frequently used for the type of work you want to do. I started with Python due to its simplicity and extensive library support, and it remains my go-to language for machine learning tasks.

You can start here: Automate the Boring Stuff with Python - https://automatetheboringstuff.com/

𝐀𝐥𝐠𝐨𝐫𝐢𝐭𝐡𝐦 𝐔𝐧𝐝𝐞𝐫𝐬𝐭𝐚𝐧𝐝𝐢𝐧𝐠 - Understand the fundamental algorithms before jumping to deep learning. This includes linear regression, decision trees, SVMs, and clustering algorithms.

𝐃𝐞𝐩𝐥𝐨𝐲𝐦𝐞𝐧𝐭 𝐚𝐧𝐝 𝐏𝐫𝐨𝐝𝐮𝐜𝐭𝐢𝐨𝐧: Knowing how to take a model from development to production is invaluable. This includes understanding APIs, model optimization, and monitoring. Tools like Docker and Flask are often used in this process.

𝐂𝐥𝐨𝐮𝐝 𝐂𝐨𝐦𝐩𝐮𝐭𝐢𝐧𝐠 𝐚𝐧𝐝 𝐁𝐢𝐠 𝐃𝐚𝐭𝐚: Familiarity with cloud platforms (AWS, Google Cloud, Azure) and big data tools (Spark) is increasingly important as datasets grow larger. These skills help you manage and process large-scale data efficiently.

You can start here: Google Cloud Machine Learning - https://cloud.google.com/learn/training/machinelearning-ai

I love frameworks and libraries, and they can make anyone's job easier.

But the more solid your foundation, the easier it will be to pick up any new technologies and actually validate whether they solve your problems.

Best Data Science & Machine Learning Resources: https://topmate.io/coding/914624

All the best 👍👍

Б
Библиотека программиста (книги для разработчиков)
@programmist_of
1.7K

📚 Python Real-World Projects: Craft your Python portfolio with deployable applications (2023) ✍️ Автор: Steven F. Lott

Внутри тебя ждет 12 практических проектов и необходимая база:

❣️ Основные артефакты приложения, включая документацию и тестовые сценарии

❣️ Подходы к получению данных: обработку файлов, RESTful API и SQL-запросы

❣️ Как создать notebook для анализа данных, чтобы определить свойства исходных данных

❣️ Как писать приложения для валидации, очистки, преобразования и нормализации данных

❣️ Базовые методы графического анализа для визуализации данных

❣️ Основы построения инструментов для одномерного и многомерного статистического анализа

❣️ Как создавать отчёты из исходных данных с помощью инструментов публикации в JupyterLab

🔗 Скачать

📲 Мы в MAX

👉@programmist_of

К
Книги для программистов
@bfbook
4.7K

📚 Build Your Own Robot: Using Python, CRICKIT, and Raspberry PI (2024) ✍️ Автор: Marwan Alsabbagh

Это не просто книга, а полноценный гайд, как создать собственного железного друга на базе простых компонентов и с минимальными затратами.

🗜 Что внутри:

▪️Простой Python-код для управления моторами и сенсорами ▪️Камеры для захвата фото и даже распознавания лиц ▪️Создание веб-приложения для удалённого управления роботом ▪️Управление джойстиком ▪️Чтение QR-кодов, чтобы находить и идентифицировать объекты

🐍 Здесь не нужно быть инженером-электронщиком. Всё, что тебе нужно — это минимальные знания Python и готовность собрать робота из доступных компонентов, используя отвертку.

💡 Чему ты научишься:

▪️Управлению моторами и сенсорами ▪️Основам компьютерного зрения ▪️Разработке простых веб-приложений для контроля робота

🔗 Скачать

📲 Мы в MAX

👉 @bfbook

В
Вакансии айти IT 💻
@vakansii_it
935

😀😃😄😁😆 Python-разработчик (Junior)

Зарплата: 80 000 руб.

✅ Без опыта ✅ Удаленно

Требования: - знание Python и базовых принципов веб-разработки - опыт работы с Django или FastAPI - понимание работы с PostgreSQL, SQLite - желание учиться и расти - базовое знание английского языка

Обязанности: - разработка и поддержка веб-сервисов на Python - работа над API для мобильного приложения и сайта - автоматизация бизнес-процессов - оптимизация систем хранения данных - тестирование и улучшение кода

Условия: - работа с современным стеком технологий - наставничество от опытного разработчика - дружелюбная команда и атмосфера роста - удаленная работа, оценивается результат - бесплатные тренировки в клубе и скидки.

Откликнуться

┃Получай больше вакансий ┃и подработок в нашем боте ┃ @jobprbot ⬇️⬇️⬇️⬇️⬇️⬇️⬇️⬇️⬇️ 🎓 БЕСПЛАТНЫЕ КУРСЫ ⬇️⬇️⬇️⬇️⬇️⬇️⬇️⬇️⬇️ ✈️ Вакансии для новичков

П
Программирование | книги
@it_boooks
7.2K

#АнализДанных #DataScience 2026

Думай как аналитик. Статистика и данные с примерами на Python. 3-е изд.

Автор: Аллен Дауни

Умение писать код — это все, что нужно, чтобы извлекать из данных ценные выводы и находить ответы на сложные вопросы. В этом полностью переработанном издании статистические концепции представлены не в виде громоздких математических формул, а как стройный вычислительный процесс на языке Python. На практических примерах с использованием реальных датасетов изучите весь цикл разведочного анализа данных — от первичной обработки данных и подсчета статистик до выявления закономерностей и проверки гипотез.

Являетесь ли вы специалистом data science, инженером-разработчиком или просто интересуетесь данными, вы быстро освоите такие популярные инструменты, как NumPy, SciPy и Pandas. Познакомьтесь с функциями распределения, статистическими зависимостями между переменными, методами визуализации и многими другими концепциями. Кроме того, все главы книги доступны в виде Jupyter-блокнотов, позволяющих читать текст, запускать код и выполнять упражнения, не переключаясь между инструментами.

При написании этой книги я исходил из того, что вы знакомы с основами языка Python, в том числе объектно-ориентированным программированием. Знакомство с библиотеками NumPy и Pandas будет полезно, но необязательно: я дам все необходимые пояснения. Я также предполагаю, что вы знакомы с основными понятиями математики, например логарифмами и суммированием. От вас не требуется знание линейной алгебры или математического анализа. Один раз я буду говорить о производных и интегралах, но если вы не знакомы с этими понятиями, ничего страшного. И наконец, знаний статистики для чтения книги не требуется.

A
Avito Career
@avito_career
8.2K

Знакомьтесь — дайджест вакансий в аналитику 💚

📎 Старший аналитик данных в команде маркетинга будет работать над системой оценки долгосрочного влияния медиа на бизнес Авито через бренд-метрики, участвовать в разработке LLM-фреймворка для улучшения рекламных роликов.

#аналитика #аналитикаданных #python #senior

📎 Старший аналитик данных в команде Ad Intelligence станет развивать алгоритмы оптимизации рекламной нагрузки на пользователей Авито, проводить эксперименты, совершенствовать ML-алгоритмы для рекламодателей.

#аналитика #аналитикаданных #рекламаирекламныетехнологии #SQL #python #senior

📎 Аналитик данных в команде Performance Money возьмёт на себя запуски A/B-тестов, поиск новых подходов для монетизации продуктов и разработку мониторинга для отслеживания их здоровья.

#аналитика #аналитикаданных #монетизация #SQL #python #analytics_career

В
Вакансии в IT (Айти) | Рефералки в IT | By Ulbi TV
@vacancy_it_ulbitv
6.7K

Подборка вакансий на 22.07.2026

🖥 Frontend Strong Junior Frontend Developer (Vue.js / Nuxt.js)

⚙️ Backend Tech Lead / Solution Architect (Java / Go) (от 400 000 ₽ на руки) Senior Python Developer / Tech Lead (FastAPI) Senior Backend разработчик (Rust / PHP / Go) Senior Backend Developer (Node.js /Nest.js) Senior Backend Developer (Node.js) Middle Backend разработчик (Python) Python Engineer (backend) Team Lead Backend / Руководитель группы разработки MedTech (Python/Django) Senior Node.js / NestJS Developer Java Developer Backend Software Engineer (Node.js/NestJS) (до 4000$ gross) Tech Lead / Software Architect (Backend) Senior Backend Engineer (Python) Senior Go/Python Backend Developer Senior Kotlin Developer ($5,000–8,000 gross) Lead PHP Developer / Backend Team Lead (4.000$ — 6.500$) Middle/Senior Golang Developer (2000$-5000$) .NET Senior+ developer (до 30$/час) Руководитель группы разработки

🔀 Fullstack Senior Full StackDeveloper (Team Lead) (от 400 000 рублей в месяц) Senior Fullstack SDE (600 000 – 900 000 тг) Full Stack инженер на внедрение Enterprise Vibe Coding Full-stack разработчик AI-продуктов Fullstack Developer (Browser Extension)

📊 Data Data Engineer / DWH Developer (от 3000$ net (обсуждается по результатам интервью))

🤖 ML / AI AI Agentic Engineer ML Engineer (120 000 руб. после вычета налогов) Архитектор решений (Data/AI)

🛠 DevOps Системный администратор (net 120 -200 тыс. в зависимости от опыта и навыков) Инженер по инфраструктуре сетевых сервисов (DevOps/SRE) (от 4000 до 8000 $)

Т
Тестировщик от бога
@godoftesting
3.2K

⚡️Хотите понять, как объединить UI и API-тесты в одном инструменте и писать надёжные автотесты на Python без лишних сложностей?

30 июля в 20:00 МСК разберём Playwright: от ключевых сущностей до реальных примеров. На уроке покажем, как написать UI-тест и API-тест на Python, объясним, где Playwright выигрывает и как ускорить проверку приложения.

Урок полезен инженерам по автоматизации на Python, специалистам с других языков и новичкам — получите чёткие шаблоны и понимание, как применять Playwright в реальных проектах.

⏰Открытый урок пройдёт в преддверии старта курса «Автоматизатор тестирования на Python». Это возможность оценить глубину и практическую пользу обучения. Зарегистрируйтесь: https://vk.cc/cZO3un

Реклама. ООО «Отус онлайн-образование», ОГРН 1177746618576, www.otus.ru

P
Python Developer
@python_tg
2.3K

📱 Что происходит внутри async/await в Python?

В статье разбирают, как на самом деле работают event loop, корутины, чем асинхронность отличается от потоков и почему это не многопоточность.

Хороший материал для тех, кто хочет понять, как Python выполняет async-код.

⛓ Читать статью

tags: #статья

➡ Python Developer | 📲 MAX

Б
Библиотека Python разработчика | Книги по питону
@bookpython
958

📌 О представлении данных в байтах в Python

Когда мы храним данные в памяти или на устройстве хранения, их необходимо представить в виде байтов. Python позволяет работать с абстракцией данных, не задумываясь об их байтовом представлении. Однако при записи строки в файл мы фактически работаем с физической структурой данных.

Чтобы записать символы в файл, их нужно преобразовать в байты — это называется кодированием (encoding). Когда вы читаете байты из файла и хотите преобразовать их в понятные символы, этот процесс называется декодированием (decoding).

🔤 Кодировки и их применение

Существует множество методов кодирования. Один из самых популярных — Unicode, но сам по себе Unicode не является кодировкой в традиционном смысле. Unicode определяет соответствие между символами и их числовыми кодами. Например, 🐍 имеет код 128 013.

Однако, чтобы записать числа в файл, нужна настоящая кодировка. Unicode обычно используется с utf-8, которая (в большинстве случаев) является кодировкой по умолчанию в Python. При чтении из файла Python автоматически декодирует данные, используя utf-8.

Если вы хотите использовать другую кодировку, просто укажите её с помощью параметра encoding= в функции open. А чтобы работать с "чистыми" байтами, добавьте символ b к режиму открытия файла.

Пример:

# Кодирование строки в файл with open('example.txt', 'w', encoding='utf-8') as f: f.write('Привет, мир!')

# Чтение в байтовом режиме with open('example.txt', 'rb') as f: data = f.read() print(data) # Вывод: b'\xd0\x9f\xd1\x80\xd0\xb8...'

📲 Мы в MAX

👉@BookPython

I
IT мероприятия России / ITMeeting / IT events
@iteventsrus
2.3K

PetrPy Meetup Moscow

вс, 26 июля 2026, 12:00 (GMT+03:00)

Россия, Москва

Встречаемся на ВДНХ, чтобы разобрать самый сок после PyCon Russia: свежие новости Python и CPython, технические открытия, новые инструменты, идеи и профессиональные инсайты с конференции.

Пообщаемся со спикерами и участниками PyCon Russia, обсудим развитие Python, open source, карьеру и международные конференции. Прогуляемся по ВДНХ, а после продолжим общение в кафе.

Группа встречи: https://t.me/petrpy Там же и точка встречи.

IT мероприятия России — мы собрали все самые топовые IT-события в одном месте

G
getmatch: канал про карьеру в IT
@g_jobchannel
5K

🔶 One Day Offer для Python Lead Developer, Сбер Локация: #Москва, #Петербург, #Самара Откликнуться До 7 августа

🔶 Преподаватель курса «Язык программирования Python», Центральный университет Локация: #Москва Откликнуться