🚀 Полезные библиотеки Python

💾 Kedro

📌 Библиотека Python, для структурирования проектов машинного обучения и аналитики данных

Kedro помогает организовать код в ML-проектах, делая его более воспроизводимым, модульным и понятным. Подходит для работы с большими данными, моделями машинного обучения и аналитическими пайплайнами.

Особенности:

- Чёткая структура проекта.

- Поддержка пайплайнов для обработки данных.

- Интеграция с MLflow, DVC, Airflow и другими инструментами.

⚙️ Установка 👇👇👇

pip install kedro

📁 Документация

#библиотеки

📌 Подпишись Python_Scripts ❗️

📌 Скрипт DeepSeek

💻  ЯП:  Python 3.11+🐍
💾  Модули: python-telegram-bot, requests
📂  База данных: sqlite3

📌 Скрипт Telegram-бота, который использует API DeepSeek для взаимодействия с пользователем. Бот может отвечать на текстовые запросы, а также обрабатывать документы в форматах PDF, DOCX и TXT. Он сохраняет контекст разговора и данные из загруженных файлов в базе данных SQLite, чтобы использовать их при последующих запросах.

📌 Вся информация приведена исключительно в ознакомительных целях❗️❗️❗️

#telegram

📌 Подпишись  Python_Scripts❗️

📌 Автоматическое определение консолидации цены.

Почему это полезно:

✅ Идентифицирует боковик перед сильным движением

✅ Полезно для поиска точек входа в пробой

✅ Можно комбинировать с объемами и RSI

Используем публичное API Bybit👨‍💻

import requests
import numpy as np

# Настройки
SYMBOL = "BTCUSDT"
KLINE_URL = "https://api.bybit.com/v5/market/kline"
INTERVAL = "15"  # 15-минутные свечи
LIMIT = 50  # Количество свечей для анализа
RANGE_THRESHOLD = 0.002  # Порог для консолидации (0.2% от цены)

def get_kline_data():
    """Получает исторические свечи"""
    params = {"category": "spot", "symbol": SYMBOL, "interval": INTERVAL, "limit": LIMIT}
    response = requests.get(KLINE_URL, params=params)

    if response.status_code == 200:
        return response.json().get("result", {}).get("list", [])
    else:
        print(f"Ошибка API: {response.status_code}")
        return None

def detect_consolidation():
    """Определяет консолидацию цены"""
    candles = get_kline_data()
    if not candles:
        print("❌ Не удалось получить данные.")
        return

    closes = np.array([float(c[4]) for c in candles])
    highs = np.array([float(c[2]) for c in candles])
    lows = np.array([float(c[3]) for c in candles])

    min_price = np.min(lows[-10:])  # Минимальная цена за 10 свечей
    max_price = np.max(highs[-10:])  # Максимальная цена за 10 свечей
    price_range = (max_price - min_price) / closes[-1]

    # 🔍 Добавляем отладку:
    print(f"🔍 Анализируем последние 10 свечей...")
    print(f"🔹 Min цена: {min_price:.2f}, Max цена: {max_price:.2f}")
    print(f"🔹 Текущий диапазон: {price_range:.5f}, Порог: {RANGE_THRESHOLD}")

    if price_range < RANGE_THRESHOLD:
        print(f"📉 Консолидация: {min_price:.2f} - {max_price:.2f}, возможный пробой!")
    else:
        print("⏳ Нет консолидации. Ждем сигнала...")

if __name__ == "__main__":
    detect_consolidation()

📌 Подпишись  Python_Scripts❗️

🚀 Полезные библиотеки Python

💾 Falkon

📌 Библиотека Python, для обучения больших ядерных (kernel-based) моделей. Она объединяет GPU-ускорение и эффективные численные методы для работы с большими наборами данных.

Особенности:

- Намного быстрее, чем стандартные SVM и Gaussian Process.

- Поддержка больших данных и GPU-ускорения.

- Подходит для задач регрессии и классификации.

⚙️ Установка 👇👇👇

pip install falkon

📁 Документация

#библиотеки

📌 Подпишись Python_Scripts ❗️

📌 Скрипт распознание говорящих

💻  ЯП:  Python 3.11+🐍
💾  Модули: aiogram, aiohttp, torch
📂  База данных: -

📌 Скрипт представляет собой Telegram-бота для распознавания говорящих по голосовым сообщениям с использованием нейросетевой модели.

Функции:

- Принимает голосовые сообщения
- Анализирует голос и определяет говорящего
- Показывает список известных говорящих (/speakers)
- Работает на основе MFCC-фич и нейросети, обученной на PyTorch

📌 Вся информация приведена исключительно в ознакомительных целях❗️❗️❗️

#telegram

📌 Подпишись  Python_Scripts❗️

📌 Выявление скрытых крупных заявок (Iceberg Orders)!

Что это и зачем?

Iceberg-заявки — это ордера, которые выглядят как маленькие, но при исполнении обновляются, показывая новую "скрытую" часть.

🔥 Как это использовать?

📌 Если Iceberg в BID → крупный игрок накапливает позицию, рост вероятен
📌 Если Iceberg в ASK → крупный игрок разгружает позицию, может быть падение

Используется публичное API Bybit👨‍💻

import requests
import time

# API Bybit (глубина стакана)
ORDER_BOOK_URL = "https://api.bybit.com/v5/market/orderbook"
SYMBOL = "BTCUSDT"
DEPTH = 50  # Берём топ-50 заявок

def get_order_book():
    """Получает стакан заявок"""
    params = {"category": "spot", "symbol": SYMBOL, "limit": DEPTH}
    response = requests.get(ORDER_BOOK_URL, params=params)
    if response.status_code == 200:
        data = response.json().get("result", {})
        bids = [(float(price), float(size)) for price, size in data.get("b", [])]
        asks = [(float(price), float(size)) for price, size in data.get("a", [])]
        return bids, asks
    else:
        print(f"Ошибка API: {response.status_code}")
        return None, None

def detect_iceberg_orders():
    """Выявляет скрытые Iceberg-заявки"""
    prev_bids, prev_asks = get_order_book()
    if not prev_bids or not prev_asks:
        print("❌ Ошибка получения стакана.")
        return

    print("📡 Начинаем мониторинг Iceberg-заявок...")
    while True:
        time.sleep(2)  # Ждём обновления стакана
        bids, asks = get_order_book()
        if not bids or not asks:
            continue

        # Анализ заявок (BID - покупатели)
        for i in range(min(len(bids), len(prev_bids))):
            if bids[i][0] == prev_bids[i][0] and bids[i][1] > prev_bids[i][1] * 1.5:
                print(f"❄️ Iceberg-заявка в BID: {bids[i][0]} - новый объём {bids[i][1]} BTC (было {prev_bids[i][1]} BTC)")

        # Анализ заявок (ASK - продавцы)
        for i in range(min(len(asks), len(prev_asks))):
            if asks[i][0] == prev_asks[i][0] and asks[i][1] > prev_asks[i][1] * 1.5:
                print(f"❄️ Iceberg-заявка в ASK: {asks[i][0]} - новый объём {asks[i][1]} BTC (было {prev_asks[i][1]} BTC)")

        prev_bids, prev_asks = bids, asks  # Обновляем стакан

if __name__ == "__main__":
    detect_iceberg_orders()

📌 Подпишись  Python_Scripts❗️

🚀 Полезные библиотеки Python

💾 Lark

📌 Библиотека Python, для создания и обработки грамматик, парсеров и трансляторов. Подходит для создания языков программирования, компиляторов и анализа сложных текстовых данных.

Особенности:

- Поддержка LALR(1) и Earley-парсинга.

- Подходит для создания DSL и обработчиков текстов.

- Работает быстрее аналогов, таких как PLY.

⚙️ Установка 👇👇👇

pip install lark-parser

📁 Документация

#библиотеки

📌 Подпишись Python_Scripts ❗️

📌 Скрипт торговля токенами в сети solana

💻  ЯП:  Python 3.11+🐍
💾  Модули: python-telegram-bot, solana
📂  База данных: postgresql

📌 Скрипт Telegram бот автоматизированный инструмент для торговли токенами в сети solana, разработанный для децентрализованных бирж.

Возможности:
- снайпер
- лимитные ордера
- избранные токены
- обзор портфеля
- реферальная система

📌 Вся информация приведена исключительно в ознакомительных целях❗️❗️❗️

#telegram

📌 Подпишись  Python_Scripts❗️

📌 Алгоритм кластерного анализа объёма (Volume Clusters)

🔍 Что делает?

✅ Анализирует 1000 последних сделок на Bybit
✅ Группирует объёмы по ценовым уровням
✅ Показывает уровни, где сконцентрированы большие объёмы
✅ Помогает найти скрытые уровни поддержки/сопротивления

🔥 Чем полезно?

✅ Выявляет ключевые зоны ликвидности (где цена будет реагировать)
✅ Отличный инструмент для скальперов и дневных трейдеров
✅ Можно менять BIN_SIZE, чтобы видеть более мелкие или крупные уровни

Используется публичное API Bybit👨‍💻

import requests
from collections import defaultdict

# Актуальный эндпоинт API Bybit
TRADES_URL = "https://api.bybit.com/v5/market/recent-trade"
SYMBOL = "BTCUSDT"
TRADE_LIMIT = 1000  # Количество сделок для анализа
BIN_SIZE = 50  # Группировка цен (шаг 50 USDT)

def fetch_trades():
    """Получает последние сделки"""
    for category in ["spot", "linear", "inverse"]:
        params = {"category": category, "symbol": SYMBOL, "limit": TRADE_LIMIT}
        response = requests.get(TRADES_URL, params=params)
        
        if response.status_code == 200:
            data = response.json()
            if "result" in data and "list" in data["result"]:
                trades = data["result"]["list"]
                if trades:
                    return trades
    return []

def analyze_volume_clusters():
    """Анализирует кластеры объёма и выводит топ-10 уровней"""
    trades = fetch_trades()
    if not trades:
        print("Нет данных о сделках.")
        return

    volume_clusters = defaultdict(float)

    for trade in trades:
        price = float(trade.get("price", trade.get("p", 0)))
        volume = float(trade.get("size", trade.get("v", 0)))
        
        if price == 0 or volume == 0:
            continue

        price_bin = round(price / BIN_SIZE,4) * BIN_SIZE
        volume_clusters[price_bin] += volume

    sorted_clusters = sorted(volume_clusters.items(), key=lambda x: x[1], reverse=True)

    print("Топ-10 уровней с наибольшим объёмом:")
    for i, (price_level, volume) in enumerate(sorted_clusters[:10]):
        print(f"{i+1}. Цена: {price_level} USDT | Объём: {volume:.2f} BTC")

if __name__ == "__main__":
    analyze_volume_clusters()

📌 Подпишись  Python_Scripts❗️

🚀 Полезные библиотеки Python

💾 Pygraphviz

📌 Библиотека Python, обёртка для популярного инструмента Graphviz, которая позволяет создавать, визуализировать и анализировать графы прямо в Python. Полезна для работы с сетями, схемами и структурированными данными.

Особенности:

- Полноценная работа с Graphviz прямо из Python.

- Создание сложных графов и сетевых схем.

- Интеграция с networkx и matplotlib.

⚙️ Установка 👇👇👇

pip install pygraphviz

📁 Документация

#библиотеки

📌 Подпишись Python_Scripts ❗️

📌 Скрипт генерации сессий

💻  ЯП:  Python 3.11+🐍
💾  Модули: flask, pyrofork, telethon
📂  База данных: postgresql

📌 Скрипт Telegram бот для генерации файлов сессий для pyrogram, telethon

📌 Вся информация приведена исключительно в ознакомительных целях❗️❗️❗️

#telegram

📌 Подпишись  Python_Scripts❗️

📌 Межбиржевой арбитраж.

import time
import ccxt

def get_price(exchange, symbol):
    try:
        ticker = exchange.fetch_ticker(symbol)
        return ticker['last']
    except Exception as e:
        print(f"Ошибка при получении цены с {exchange.id}: {e}")
        return None

def main():
    bybit = ccxt.bybit()
    binance = ccxt.binance()
    symbol = 'BTC/USDT'

    while True:
        price_bybit = get_price(bybit, symbol)
        price_binance = get_price(binance, symbol)

        if price_bybit and price_binance:
            spread = abs(price_bybit - price_binance)
            print(f"Цена Bybit: {price_bybit}, Цена Binance: {price_binance}, Спред: {spread}")
            
            if spread > 200:  # Порог арбитражной возможности
                print("Арбитражная возможность найдена!")
            else:
                print("Нет арбитражных возможностей на данный момент.")
        
        time.sleep(5)  # Пауза перед следующим запросом

if __name__ == "__main__":
    main()

📌 Подпишись  Python_Scripts❗️

🚀 Полезные библиотеки Python

💾 Peewee

📌 Библиотека Python, простая и эффективная ORM (Object-Relational Mapping) для SQLite, PostgreSQL и MySQL. Она удобна для небольших и средних проектов, где не нужен сложный SQLAlchemy.

Особенности:

- Простота использования, минимальный код.

- Поддержка транзакций, связей и миграций.

- Совместимость с SQLite, PostgreSQL и MySQL.

⚙️ Установка 👇👇👇

pip install peewee

📁 Документация

#библиотеки

📌 Подпишись Python_Scripts ❗️

📌 Скрипт coinflip

💻  ЯП:  Python 3.11+🐍
💾  Модули: python-telegram-bot, python-bitcoinrpc
📂  База данных: postgresql

📌 Скрипт простой Telegram бот coinflip со ставкой в BTC.

📌 Вся информация приведена исключительно в ознакомительных целях❗️❗️❗️

#telegram

📌 Подпишись  Python_Scripts❗️

📌 Поиск некоторых свечных паттернов и вывод результата в консоль.

Используется публичное API Bybit👨‍💻

import requests
import pandas as pd

# Функция для получения исторических данных OHLCV с Bybit
def get_ohlcv(symbol="BTCUSDT", interval="15"):
    url = f"https://api.bybit.com/v5/market/kline?category=linear&symbol={symbol}&interval={interval}&limit=50"
    response = requests.get(url).json()
    if "result" in response and "list" in response["result"]:
        data = response["result"]["list"]
        df = pd.DataFrame(data, columns=["timestamp", "open", "high", "low", "close", "volume", "turnover"])
        df[["open", "high", "low", "close"]] = df[["open", "high", "low", "close"]].astype(float)
        df["timestamp"] = pd.to_datetime(df["timestamp"], unit="ms")
        df = df.sort_values("timestamp").reset_index(drop=True)
        return df
    return None

# Функция для определения свечных паттернов
def detect_patterns(df):
    patterns = []
    for i in range(1, len(df)):
        prev_candle = df.iloc[i - 1]
        candle = df.iloc[i]

        open_price, close_price = candle["open"], candle["close"]
        high, low = candle["high"], candle["low"]

        # 1. Молот (Hammer)
        if (close_price > open_price) and ((open_price - low) > 2 * (close_price - open_price)) and ((high - close_price) < 0.2 * (close_price - open_price)):
            patterns.append((candle["timestamp"], "Hammer"))

        # 2. Перевернутый молот (Inverted Hammer)
        elif (close_price > open_price) and ((high - close_price) > 2 * (close_price - open_price)) and ((open_price - low) < 0.2 * (close_price - open_price)):
            patterns.append((candle["timestamp"], "Inverted Hammer"))

        # 3. Бычье поглощение (Bullish Engulfing)
        elif (prev_candle["close"] < prev_candle["open"]) and (close_price > open_price) and (close_price > prev_candle["open"]) and (open_price < prev_candle["close"]):
            patterns.append((candle["timestamp"], "Bullish Engulfing"))

        # 4. Медвежье поглощение (Bearish Engulfing)
        elif (prev_candle["close"] > prev_candle["open"]) and (close_price < open_price) and (close_price < prev_candle["open"]) and (open_price > prev_candle["close"]):
            patterns.append((candle["timestamp"], "Bearish Engulfing"))

        # 5. Доджи (Doji)
        elif abs(open_price - close_price) < 0.1 * (high - low):
            patterns.append((candle["timestamp"], "Doji"))

    return patterns

# Основная логика
df = get_ohlcv()
if df is not None:
    detected_patterns = detect_patterns(df)
    if detected_patterns:
        print("Обнаружены паттерны:")
        for timestamp, pattern in detected_patterns:
            print(f"{timestamp}: {pattern}")
    else:
        print("Свечных паттернов не найдено.")
else:
    print("Ошибка получения данных с Bybit.")

📌 Подпишись  Python_Scripts❗️

🚀 Полезные библиотеки Python

💾 Turso

📌 Библиотека Python, облачная распределённая база данных, построенная на основе libSQL (форк SQLite). Она идеально подходит для приложений с низкой задержкой, где требуется быстрый доступ к данным.

Особенности:

- Поддержка горизонтального масштабирования на основе SQLite.

- Работает как распределённая база данных с низкой задержкой.

- Лёгкость интеграции в Python-приложения.

⚙️ Установка 👇👇👇

curl -sSfL https://get.tur.so/install.sh | bash

📁 Документация

#библиотеки

📌 Подпишись Python_Scripts ❗️

📌 Скрипт AI агент

💻  ЯП:  Python 3.11+🐍
💾  Модули: flask, openai, python-telegram-bot, tweepy, aiohttp
📂  База данных: -

📌 Скрипт бот — помощник на основе искусственного интеллекта, который автоматически реагирует на упоминания и ответы на твиты.

📌 Вся информация приведена исключительно в ознакомительных целях❗️❗️❗️

#twitter

📌 Подпишись  Python_Scripts❗️

📌 Анализ рыночного настроения и поиск потенциальных торговых возможностей.

✅ Что показывает Open Interest (OI)?

🔹 Высокий OI → Больше открытых позиций → Растёт волатильность.

🔹 Резкое падение OI → Закрываются позиции → Возможен разворот тренда.

✅ Что показывает Funding Rate?

🔹 Высокий Funding Rate (> 0.01%) → Лонгисты платят шортам → Возможно снижение цены.

🔹 Отрицательный Funding Rate (< 0%) → Шорты платят лонгам → Возможен рост цены.

Используется публичное API Bybit👨‍💻

import requests
import time

# Конфиг
SYMBOL = "BTCUSDT"
INTERVAL = 30  # Интервал обновления (секунды)
FUNDING_THRESHOLD = 0.0003  # Новый порог тревоги (0.03% -> 0.0003)

def get_open_interest_and_funding():
    url = "https://api.bybit.com/v5/market/tickers"
    params = {"category": "linear", "symbol": SYMBOL}

    try:
        response = requests.get(url, params=params)
        data = response.json()

        if response.status_code == 200 and "result" in data:
            tickers = data["result"].get("list", [])
            if tickers:
                ticker = tickers[0]
                open_interest = float(ticker.get("openInterest", 0))
                funding_rate = float(ticker.get("fundingRate", 0))  # Оставляем как есть, без *100

                return open_interest, funding_rate
            else:
                print("[WARN] Данные отсутствуют. Возможно, малый объем торговли.")
                return None, None
        else:
            print(f"[ERROR] API вернул некорректный ответ: {data}")
            return None, None

    except requests.exceptions.RequestException as e:
        print(f"[ERROR] Ошибка сети: {e}")
        return None, None

while True:
    open_interest, funding_rate = get_open_interest_and_funding()

    if open_interest is not None and funding_rate is not None:
        print(f"[INFO] {SYMBOL} | Open Interest: {open_interest:.2f} | Funding Rate: {funding_rate:.6f}")

        # Улучшенные алерты
        if funding_rate >= FUNDING_THRESHOLD:
            print("[🔥 ALERT] Фондинг высокий! Возможен разворот вниз.")
        elif funding_rate <= -FUNDING_THRESHOLD:
            print("[🧊 ALERT] Фондинг отрицательный! Возможен шорт-сквиз.")
    else:
        print("[ERROR] Не удалось получить данные, повторная попытка...")

    time.sleep(INTERVAL)

📌 Подпишись  Python_Scripts❗️

🚀 Полезные библиотеки Python

💾 HTTPretty

📌 Библиотека Python, которая позволяет перехватывать HTTP-запросы и подменять их ответами, что полезно при тестировании API без реального сетевого взаимодействия.

Особенности:

- Позволяет эмулировать API-ответы для тестирования.

- Перехватывает HTTP-запросы requests, urllib3 и других клиентов.

- Поддержка динамических ответов, заголовков и задержек.

⚙️ Установка 👇👇👇

pip install httpretty

📁 Документация

#библиотеки

📌 Подпишись Python_Scripts ❗️

📌 Скрипт юзернейм

💻  ЯП:  Python 3.11+🐍
💾  Модули: aiogram, bs4, openai
📂  База данных: postgresql

📌 Скрипт Telegram бот, который на основе контекста заданного пользователем генерирует уникальный/свободный юзернейм Telegram и сохраняет его в БД.

📌 Вся информация приведена исключительно в ознакомительных целях❗️❗️❗️

#telegram

📌 Подпишись  Python_Scripts❗️