У CISCO есть 2 курса по Python полностью БЕСПЛАТНО

На английском языке и разработаны для получения официальных сертификатов Python Institute.

Содержат практические проекты и много часов учебного контента: начать 😡

👉 @PythonPortal

Совет по Python:

В datetime.strptime() используйте "%f" для разбора микросекунд

from datetime import datetime

dt = datetime.strptime('2024-06-18 12:34:56.789123', '%Y-%m-%d %H:%M:%S.%f')

🔸'%Y-%m-%d %H:%M:%S.%f' — формат строки:

> %Y — год (4 цифры)
> %m — месяц
> %d — день
> %H — часы (24ч)
> %M — минуты
> %S — секунды
> %f — микросекунды

Результат:

datetime.datetime(2024, 6, 18, 12, 34, 56, 789123)

То есть строка успешно преобразована в объект datetime со всеми компонентами, включая микросекунды.

Это полезно, когда нужно точно работать с временными метками в логах, метриках, или временных рядах 💩

👉 @PythonPortal

Это находка дня: Code2Tutorial

Он позволяет мгновенно превратить любой репозиторий на GitHub в чистый, интерактивный туториал.

Просто вставь ссылку на репо → получи структурированное обучение 😱

👉 @PythonPortal

Нашёл годный инструмент для анализа безопасности Python-кода

Это CLI-утилита, которая автоматически сканирует исходники на уязвимости

Анализирует:

– небезопасные импорты
– инъекции
– проблемы с сериализацией
– утечки секретов и т.д.

Подходит для CI/CD пайплайнов и ревью кода.

Интеграция простая, работает быстро —> bandit ❤️

👉 @PythonPortal

12 мощных инструментов для ваших ИИ-агентов

Вот краткое описание функций каждого из них

1. FileReadTool

Этот инструмент мгновенно извлекает данные из локальной файловой системы.

2. FileWriterTool

Позволяет агенту создавать или перезаписывать любые файлы.

3. CodeInterpreterTool

Мощный инструмент для выполнения кода на Python 3 в защищённой, изолированной среде

4. ScrapeWebsiteTool

Инструмент, предназначенный для извлечения и чтения содержимого указанного веб-сайта.

5. SerperDevTool

Позволяет агенту выполнять поиск в Google.

6. DirectoryReadTool

Позволяет агенту получать список содержимого папок и метаданные. Полезно для реализации RAG на основе файловой системы.

7. FirecrawlSearchTool

Инструмент, предназначенный для поиска по веб-сайтам и преобразования их содержимого в чистый Markdown или структурированные данные, пригодные для обработки агентами или языковыми моделями (LLM).

8. BrowserbaseLoadTool

Browserbase — это платформа для разработчиков, предназначенная для надёжного запуска, управления и мониторинга безголовых браузеров.

Этот инструмент позволяет запускать сессии безголового Chrome, которыми может управлять агент.

9. PDFSearchTool

Семантический RAG (извлечение и генерация с подсказками) по PDF-документам.

10. GithubSearchTool

Предоставляет агентам доступ к GitHub и возможность выполнять RAG по исходному коду.

11. TXTSearchTool

Молниеносное встраивание и поиск по текстовым файлам.

12. L2SQLTool

Инструмент Text2SQL, преобразующий естественный язык в SQL-запросы для поиска по структурированным базам данных.

👉 @PythonPortal

Совет по чистому коду на Python:

Проверяйте качество кода внутри CI-пайплайна с помощью этих библиотек:

• flake8 — контроль соблюдения стиля (PEP8)
• black — автоформатирование кода
• isort — сортировка и оптимизация импортов
• bandit — анализ кода на уязвимости безопасности
• safety — проверка зависимостей на известные уязвимости

👉 @PythonPortal

ТОП‑7 расширений для прокачки VSCode, Cursor и Windsurf: 📝

① Console Ninja
Показывает вывод консоли прямо в редакторе

② Error Lens
Выводит ошибки линтера и компиляции прямо в строке кода

③ Image Preview
Показывает превью изображений при наведении курсора

④ REST Client
Позволяет делать HTTP‑запросы и получать ответы прямо в редакторе

⑤ Version Lens
Управление версиями и обновление зависимостей из package.json и не только

⑥ Highlight on Copy
Мерцающая подсветка скопированного текста - видно, что именно ты скопировал

⑦ Symbols
Лучшая подборка иконок для типов файлов - делает интерфейс визуально чище

👉 @PythonPortal

Этот репозиторий на GitHub настоящая находка для каждого дата-сайентиста

DS Interactive Python — это репозиторий с интерактивными дашбордами для изучения статистики, моделей машинного обучения и других концепций Data Science.

Темы включают: PCA, бэггинг и бустинг, кластеризацию, нейронные сети и др.

Полностью open-source и бесплатен 😮

👉 @PythonPortal

Совет по Python:

Используйте команду poetry show --tree --why [package], чтобы отследить, откуда берётся пакет.

Она быстро показывает:

> какие пакеты от него зависят
> почему пакет был установлен

На примере показано, как команда

poetry show --tree --why pydantic

помогает понять, почему библиотека pydantic присутствует в проекте и кто её тянет в зависимости.

Это очень полезно перед очисткой pyproject.toml или при разрешении конфликтов транзитивных зависимостей. 📝

👉 @PythonPortal

Основатель школы автотестировщиков QA.GURU проводит бесплатный интенсив «Из баг-репортов до первого автотеста на Python»

🔜 Во вторник, 24 июня, в 12:00 по МСК. Бесплатно.

Вы начинающий автоматизатор или ручной тестировщик? Займите место сейчас ▶

За несколько часов опытный инженер объяснит, как написать и запустить автотест 🤓

Что сделаете за занятие:

— Напишете свой автотест на Python с нуля.
— Настроите рабочую среду за 10 минут (и она реально будет работать).
— Разберётесь, когда использовать Selenium, Playwright или Selene.
— Запустите автотест с Pytest и без него.

И совсем немного о трендах QA:

— Зачем компаниям QA, которые умеют писать код.
— Python + автотесты как минимальный входной билет в индустрию.
— Нейросети: конкурент или ассистент?

Станислав Васенков, основатель школы — в прошлом — Head of QAA pflb.ru, автор allure-notifications, победитель хакатона от EPAM, спикер Heisenbug.

Занять место ▶

Реклама. Рекламодатель: ИП Васенков Станислав Олегович, ИНН 774335827403, erid: 2Vtzqw51r9U

Если хочешь стать скилловым бэкенд-разработчиком, то пили как можно больше проектов.

В этом курсе их три: генератор блогов, клон Netflix и клон Spotify.

Прокачаешь бэкенд на практике с Python, Django и PostgreSQL 😄

👉 @PythonPortal

Возможность Python, которую часто недооценивают -> операции над множествами

Вот пример, как можно удалять или обновлять теги, приводя старые и новые значения к множествам, а затем выполняя операции над множествами

Очистка и приведение к множествам:

existing = {t for tag in old_tags if (t := tag.strip())}
incoming = {t for tag in new_tags if (t := tag.strip())}

🔸tag.strip() удаляет пробелы с начала и конца строки.

🔸t := tag.strip() сохраняет очищенное значение в переменную t.

🔸if (t := tag.strip()) фильтрует пустые строки ("").

Удаление существующих тегов:

updated = existing - incoming
print("Removed tags:", updated)

Добавление новых тегов (без дубликатов):

updated = existing | incoming
print("Added tags:", updated)

👉 @PythonPortal

Если хочешь вкатиться в ML, а не просто читать теорию, начинай с практики прямо в браузере.

В этом курсе всё: туториалы, Colab-ноутбуки и реальные примеры.

Будешь тренировать модели на Python с TensorFlow, визуализировать в TensorBoard и деплоить хоть в браузер, хоть на сервер.

Подходит и для новичков, и для тех, кто уже пробовал Keras или NumPy 😊

👉 @PythonPortal

Конструкции в Python, использующие блок else:

🔸Условный оператор if-else

🔸Цикл for-else

🔸Цикл while-else

🔸Блок try-except-else

На фото мы видим 4 примера:

1. проверяет условие. Если x < 5 — выполняется if, иначе — else

2. Цикл ищет i == 10. Не находит, break не срабатывает → выполняется else

> Блок else выполняется только если цикл не прерван через break

3. Цикл отрабатывает до конца, else выполняется после завершения while

> else не выполнится, если внутри цикла будет break

4. Пытается выполнить 10 / 2. Исключения нет — срабатывает else

> else выполняется только если не было исключений в try

👉 @PythonPortal

Наткнулся на библиотеку art — делает ASCII-арт из текста за секунды.

Простая установка:

pip install art

Пример использования:

from art import text2art

Art = text2art("art")  # шрифт по умолчанию
print(Art)

# Пример вывода:
#      _   
#  __ _  _ __ | |_ 
# / _` || '__|| __|
# | (_| || |   | |_ 
#  \__,_||_|    \__|

Art_block = text2art("art", font='block', chr_ignore=True)
print(Art_block)

# Выведет крупный блок‑текст

Идеально для приветственных страничек или добавить декоративный вывод в CLI или логах 😊

👉 @PythonPortal

Аналогично Unix-пайпам, в Python можно строить цепочки функций, переопределяя метод __or__

Это позволяет связывать операции так, что вывод одной функции становится входом для следующей → чисто, читаемо и удобно для композиции

Именно так LangChain реализует элегантные пайплайны вроде: chat_prompt | groq_model | output_parser

Пример:

class Pipe:
    def __init__(self, func):
        self.func = func

    def __call__(self, x):
        return self.func(x)

    def __or__(self, other):
        return self.__class__(lambda x: other(self(x)))

🔸Pipe — обёртка над функцией

🔸__or__ (|) позволяет комбинировать пайпами, как в Unix

🔸__call__ делает объект вызываемым, как обычную функцию

Теперь можно обернуть любые функции в Pipe и комбинировать их в цепочку:

double = Pipe(lambda x: x * 2)
square = Pipe(lambda x: x ** 2)

pipeline = double | square
print(pipeline(3))  # (3 * 2) ** 2 = 36

👉 @PythonPortal

Буквально за считанные минуты собери умного чат-бота для своего сайта

Firecrawl только что выкатили Firestarter — полноценную платформу для чат-ботов, которая:

🔸Скрейлит твой сайт
🔸Индексирует контент
🔸Разворачивает чат-интерфейс с поддержкой RAG и API в стиле OpenAI

Полностью open-source - ccылка

Попробуйте: ссылка

👉 @PythonPortal

Совет по Pytest:

Используйте пользовательские маркеры pytest, чтобы добавлять метаданные к тестам.

Это упрощает организацию и запуск определённых групп тестов

В примере на изображении используются два пользовательских маркера:

🔹@pytest.mark.performance

– Применён к тесту для замера производительности test_page_load_time

🔹@pytest.mark.database

– Применён к тестам для работы с базой данных test_database_connection и test_data_integrity

Мы можем запускать выборочно, например тесты, помеченные маркером @pytest.mark.database

pytest -m database  

👉 @PythonPortal