🔥 Топовые GitHub-репозитории по Python, которые реально помогут

Сохраняй — это готовый roadmap из практики, алгоритмов и best practices.

1️⃣ Коллекция полезных Python-скриптов, туториалов и разных полезностей — как большой набор инструментов под рукой.

2️⃣ Огромный curated-список лучших Python-фреймворков, библиотек, софта и ресурсов. Почти вся экосистема в одном месте.

3️⃣ Та же awesome-подборка, но со статистикой stars и forks — помогает быстро понять, что реально популярно и живо.

4️⃣ Все алгоритмы на Python — идеально для изучения структур данных и подготовки к техсобесам.

5️⃣ Список туториалов, где учат создавать приложения с нуля — полноценная практика, а не разрозненные куски кода.

6️⃣ Python-скрипты по темам: примеры кода, объяснения, кейсы использования и ссылки на дополнительные материалы. Отличный справочник.

7️⃣ 100+ задач и челленджей по Python — чтобы закрепить знания через практику.

8️⃣ Хэндбук по best practices: установка, настройка и повседневная работа с Python без боли.

📍 Навигация: Вакансии • Задачи • Собесы

🐸 Библиотека питониста

#буст

🦆 NumPy с уточками: когда код превращается в игру

Если вы когда-нибудь пытались освоить NumPy, то знаете: поначалу удержать в голове логику работы с массивами бывает непросто. Документация полезна, но иногда хочется чего-то более наглядного.

Знакомьтесь с Numpy Ducky — проектом в духе знаменитого Flexbox Froggy.

Здесь вы учитесь работать с данными, помогая милым уточкам добраться до воды.

📍 Навигация: Вакансии • Задачи • Собесы

🐸 Библиотека питониста

#буст

🐸 Библиотека питониста

#развлекалово

🚀 Pillow стал быстрее: как профилировщик из Python 3.15 помог ускорить открытие изображений

При обычном Image.open() Pillow:
1. Вызывает preinit()
2. Импортирует плагины форматов (PNG, GIF, JPEG и др.)
3. Проверяет, подходит ли каждый плагин под файл
4. Если нет — вызывает init() и грузит все остальные плагины

📦 Сейчас в Pillow 47 плагинов форматов.
Даже если ты открываешь один PNG, библиотека могла импортировать кучу ненужного кода.

Идея оптимизации -> вместо загрузки всех плагинов — сделать lazy loading по расширению файла.

👉 Сначала быстрый lookup: расширение файла → нужный плагин

Только если:
— нет расширения
— расширение неверное
→ тогда используется старый механизм с перебором.

⭐️ Улучшение войдёт в Pillow 12.2.0

🔗 Ссылка на материал с деталями реализации

📍 Навигация: Вакансии • Задачи • Собесы

🐸 Библиотека питониста

#буст

🛠 Шпаргалка: как проверить, запущен ли Python-скрипт с повышенными правами

Иногда скрипту нужны root (Linux/macOS) или admin (Windows) права. Если их нет — лучше сразу завершиться, а не падать позже на системных операциях.

🐧 Linux / macOS — проверка на root

В Unix-системах всё просто: UID = 0 → это root

import os

def is_root() -> bool:
    """True, если скрипт запущен с root-правами (Linux/macOS)."""
    if os.name == "posix":
        return os.getuid() == 0
    return False

📌 Использует встроенную функцию os.getuid().

🪟 Windows — проверка на администратора

В Windows нет UID 0, поэтому используем вызов системной функции через ctypes:

import ctypes
import os

def is_admin() -> bool:
    """True, если скрипт запущен с правами администратора (Windows)."""
    if os.name == "nt":
        return ctypes.windll.shell32.IsUserAnAdmin() != 0
    return False

📌 Вызывает Windows API: IsUserAnAdmin.

🌍 Универсальная функция

Если нужен один метод под все ОС:

import os
import ctypes

def has_elevated_privileges() -> bool:
    if os.name == "posix":
        return os.getuid() == 0
    elif os.name == "nt":
        return ctypes.windll.shell32.IsUserAnAdmin() != 0
    return False

⚠️ В продакшене часто делают так:

if not has_elevated_privileges():
    print("Требуются права администратора/root")
    exit(1)

Просто, быстро и спасает от странных ошибок дальше по коду.

📍 Навигация: Вакансии • Задачи • Собесы

🐸 Библиотека питониста

#буст

📌 Для новичков: короткая и понятная шпаргалка по Python 3, где есть весь базовый синтаксис, который нужен на старте

📍 Навигация: Вакансии • Задачи • Собесы

🐸 Библиотека питониста

#буст

🐞 Как один тест помог найти баг в Django 6.0

Представьте: вы настроили идеальный конвейер. uv летает, Renovate тихонько обновляет зависимости в фоне, автомёрж работает, жизнь прекрасна.

💥 И тут прилетает Django 6.0. Один тест из всех падает.

Тест проверял ссылку с мульти-значениями в query-параметрах: /?content_type=1&content_type=2

Оказалось, что в Django 6.0 вместо этого стало рендериться: /?content_type=2 — выживало только последнее значение.

😡 Ребята хотели как лучше. В новой версии Django тег {% querystring %} научился принимать несколько позиционных аргументов. В ходе рефакторинга разработчики начали итерироваться по QueryDict.items(). Проблема в том, что .items() у QueryDict возвращает только последнее значение для каждого ключа.

Автор этой истории, мог бы просто ругаться на сырой релиз. Но его спас «правильно ленивый» тест, написанный ещё во времена Django 4.2.

Самое интересное здесь не сам баг, а то, как он был пойман:

1️⃣ Тест не вызывал метод модели напрямую, а проверял итоговый HTML через BeautifulSoup.

2️⃣ Когда-то в проекте был кастомный метод для формирования URL, который позже заменили на стандартный тег Django. Тест при этом не меняли — и он продолжил работать, проверяя именно то, что видит пользователь.

3️⃣ Если бы тест проверял только внутреннюю логику метода, он бы никогда не узнал, что обновление библиотеки сломало отображение на фронтенде.

💡 Выводы для нас:

➡️ Автоматизируйте апдейты: инструменты вроде Renovate превращают обновление в поток мелких правок, а не в «десантную операцию» раз в полгода.

➡️ Пишите «эмпатичные» тесты: тесты должны жить дольше, чем код, который они проверяют. Хороший тест фокусируется на поведении системы, а не на том, как вы назвали переменную.

📍 Навигация: Вакансии • Задачи • Собесы

🐸 Библиотека питониста

#буст

🐍 Вышли Python 3.14.3 и 3.13.12

Это уже третий технический релиз в ветке 3.14. Внутри — почти 300 исправлений багов и доработок.

Но если вы пропустили старт 3.14, напомню, почему эта серия — большой шаг вперед:

📌 Free-threaded Python: Теперь «многопоточность без GIL» (Global Interpreter Lock) официально поддерживается. Это историческое событие для производительности.

📌 t-strings (PEP 750): Помните f-строки? Теперь появились t-строки для кастомной обработки строк.

📌 Zstandard в «коробке»: В стандартную библиотеку добавили модуль compression.zstd. Больше никаких лишних зависимостей для быстрой компрессии.

📌 Улучшенный C API и JIT: Официальные сборки для Windows и macOS теперь включают экспериментальный JIT-компилятор.

А что с 3.13.12?

Это двенадцатое (!) техническое обновление ветки 3.13. Около 250 исправлений. Эта ветка сейчас считается «рабочей лошадкой» для тех, кому важна стабильность, но хочется использовать современные фичи (например, улучшенный REPL или официальную поддержку Android-сборок).

⚠️ Важный нюанс для Windows

Команда Python постепенно меняет привычный инсталлятор на новый Install Manager (можно взять в Windows Store). Старый добрый .exe пока останется с нами в версиях 3.14 и 3.15, но пора потихоньку привыкать к новому инструменту.

📍 Навигация: Вакансии • Задачи • Собесы

🐸 Библиотека питониста

#свежак

🤖 7 библиотек Python для автоматизации

Вот ваш стартовый набор «ленивого» (читай: эффективного) разработчика:

🖱 Экран и ввод

PyAutoGUI — управление мышью и клавиатурой. Идеально для кликеров и заполнения форм в софте, где нет API.
Pyperclip — программная работа с буфером обмена. Можно встроить автозамену или парсинг текста прямо в Ctrl+C.

🌐 Веб и Сеть

Requests — база для работы с API. Скачать данные, проверить статус сервиса или отправить уведомление.
Selenium — полноценный контроль браузера. Поможет там, где нужно залогиниться, проскроллить страницу или нажать на хитрую кнопку.

📊 Таблицы и Файлы

Openpyxl — если нужно создавать или редактировать именно .xlsx файлы с формулами и стилями.
Shutil — ваш программный файловый менеджер. Копирование, перемещение и бэкап папок по расписанию.

⏱ Планирование

Schedule — простой и понятный планировщик. Превращает скрипт в мини-сервис, который сам запускает отчеты в 9:00 или чистит кэш каждый час.

📍 Навигация: Вакансии • Задачи • Собесы

🐸 Библиотека питониста

#буст

👀 Почему ваш кастомный range «одноразовый»

На собеседованиях по Python любят давать задачу: реализовать класс, который ведет себя как встроенный range.

❌ В чем ошибка?

Чаще всего реализуют класс, который является одновременно и итерируемым объектом (`Iterable`), и итератором (`Iterator`):

class RangeLike:
    def __init__(self, start, stop):
        self.start, self.stop = start, stop
        self.current = start

    def __iter__(self):
        return self  # Возвращаем сам объект

    def __next__(self):
        if self.current < self.stop:
            val = self.current
            self.current += 1
            return val
        raise StopIteration

Проблема: При первом проходе list(r) состояние self.current доходит до максимума. Так как объект «хранит» свой прогресс внутри себя, второй вызов вернет пустой список. Итераторы в Python — одноразовые.

✅ Как сделать правильно?

Нужно разделить контейнер (который хранит границы) и итератор (который хранит текущее состояние обхода). При каждом вызове __iter__ контейнер должен создавать новый экземпляр итератора:

class RangeIterator:
    def __init__(self, start, stop):
        self.current, self.stop = start, stop

    def __iter__(self): return self

    def __next__(self):
        if self.current < self.stop:
            val = self.current
            self.current += 1
            return val
        raise StopIteration

class RangeLike:
    def __init__(self, start, stop):
        self.start, self.stop = start, stop

    def __iter__(self):
        # Каждый раз создаем свежий итератор
        return RangeIterator(self.start, self.stop)

В Python существует четкое разделение ролей:

1. Iterable (Итерируемый объект): Это «записная книжка». В ней есть данные, но она не знает, на какой странице вы сейчас читаете. Пример: list, dict, range.
2. Iterator (Итератор): Это «палец», который указывает на текущую строку. У него есть состояние, и он движется только вперед.

Встроенный range — это именно Iterable. Когда вы запускаете цикл for, Python вызывает iter(range_obj), который генерирует новый «палец»-итератор. Именно поэтому по range можно проходить бесконечное количество раз.

💡 Лайфхак: Самый простой способ сделать объект ре-итерируемым в современном Python — использовать генератор внутри __iter__:

def __iter__(self):
    curr = self.start
    while curr < self.stop:
        yield curr
        curr += 1

📍 Навигация: Вакансии • Задачи • Собесы

🐸 Библиотека питониста

#буст

а на какой стадии ты 😆

🐸 Библиотека питониста

#развлекалово

📱 Python новости за последние 7 дней

Python 3.14.3 и 3.13.12
Минорные релизы.

Как Python управляет памятью под капотом
Разбор того, что на самом деле происходит с объектами, ссылками и GC.

unihttp — библиотека для работы с API
Попытка упростить жизнь там, где у сервиса нет нормального SDK. Хорошо заходит в микросервисной реальности, где API больше, чем документации.

Plotly для визуализации данных
База по интерактивным графикам на Python. Отличный инструмент для дашбордов и отчётов.

sys.settrace и внутренняя кухня инструментов
Как работают дебаггеры, coverage и профайлеры на уровне интерпретатора.

🚧 Вакансии

Middle+ / Senior Backend Developer (Python + SQL)
от 250 000 до 350 000 ₽
Удалёнка

ML Engineer (LLM)
от 300 000 до 450 000 ₽
Удалёнка

Python-разработчик
200 000 —‍ 300 000 ₽/‍мес на руки
Офис/Гибрид (Москва)

📍 Навигация: Вакансии • Задачи • Собесы

🐸 Библиотека питониста

#свежак

⚙️ CPython Internals: как всё устроено на самом деле

Если вам надоело гадать, как работают объекты, потоки и сборщик мусора, то этот репозиторий — настоящий клад.

CPython Internals — это подробнейший гид по исходному коду Python. Автор буквально препарирует C-код интерпретатора и объясняет, как абстрактные конструкции превращаются в реальные байты.

🔗 Репозиторий здесь: https://clc.to/DO4Ldw

📍 Навигация: Вакансии • Задачи • Собесы

🐸 Библиотека питониста

#буст

📍 Навигация: Вакансии • Задачи • Собесы

🐸 Библиотека питониста

#буст

🧐 Функция или класс: почему в Python это часто одно и то же

Вы когда-нибудь задумывались, чем на самом деле являются привычные нам print, str или enumerate? Мы привыкли называть их «функциями», потому что мы их вызываем через круглые скобки.

Но в Python всё немного интереснее.

Попробуйте угадать, что из этого функция, а что — класс:
1. print()
2. str()
3. list()
4. sum()

Проверяем:
1. print — (Функция)
2. str —  (Класс!)
3. list —  (Тоже класс)
4. sum —  (Функция)

В Python и функции, и классы являются callable (вызываемыми) объектами.

Когда мы вызываем функцию, мы запускаем её код, чтобы она что-то сделала или вернула результат.

Когда мы вызываем класс, мы создаем его новый экземпляр (instance).

Например, вызывая str(4), мы технически создаем новый объект класса str. Но в повседневной речи мы почти всегда говорим «функция str». И это абсолютно нормально!

🦆 Утиная типизация в деле

То, что мы называем классы функциями — это классический пример duck typing:

«Если это выглядит как утка и крякает как утка, то это утка».

Для нас как для разработчиков часто неважно, как реализован инструмент «под капотом». Если мы можем его вызвать через (), значит для нас это функция.

Даже сама функция type() — это на самом деле класс!

>>> type
<class 'type'>

Но согласитесь, фраза «я вызвал класс type, чтобы узнать тип объекта» звучит максимально странно.

📍 Навигация: Вакансии • Задачи • Собесы

🐸 Библиотека питониста

#буст

🔥Компактная шпаргалка по Big-O нотации

Незаменимый инструмент для оценки эффективности алгоритмов

📍 Навигация: Вакансии • Задачи • Собесы

🐸 Библиотека питониста

#буст

🛡️ Django (Anti)patterns: как не выстрелить себе в ногу

Руководство Django Antipatterns — это концентрат опыта сообщества о том, как писать чистый и производительный код, избегая типичных ловушек.

В гайде также разобраны ключевые отличия, на которых часто валятся новички: ForeignKey vs OneToOneField и reverse vs redirect.

🔗 Весь список паттернов с примерами: https://clc.to/Fg21Tg

📍 Навигация: Вакансии • Задачи • Собесы

🐸 Библиотека питониста

#буст

🐸 Библиотека питониста

#развлекалово

📸 inline-snapshot: хватит писать тесты вручную

Если вы хоть раз тратили полдня на то, чтобы вручную переписывать огромные JSON-словари в тестах после мелкого изменения в API — этот инструмент для вас.

Команда Pydantic вовсю использует inline-snapshot, чтобы навсегда забыть о ручном обновлении ассертов.

Вместо того чтобы придумывать «ожидаемый результат», вы просто пишете:

from inline_snapshot import snapshot

def test_api():
    data = fetch_data()
    assert data == snapshot({}) # Сначала оставляем пустым

Теперь запустите: pytest --inline-snapshot=fix.
Библиотека сама вставит актуальные данные прямо в ваш .py файл! Теперь ваш тест выглядит так:

def test_api():
    data = fetch_data()
    assert data == snapshot({
        "id": 123,
        "status": "active",
        "name": "Pydantic Fan"
    })

😎 Продвинутые хаки для профи

1. Динамические данные (dirty-equals)
Если в ответе есть поля, которые меняются при каждом запуске (ID, таймстампы), используйте dirty-equals. Они идеально работают в связке с инлайн-снимками:

from dirty_equals import IsInt, IsNow

assert user_data == snapshot({
    "id": IsInt(),          # Снепшот запомнит условие, а не число
    "created_at": IsNow(),  # Проверит время, близкое к текущему
    "status": "active"
})

2. Нормализация данных
Чтобы тесты не падали из-за того, что объект — это не словарь, а инстанс класса, используйте Pydantic для конвертации:

from pydantic import TypeAdapter
_adapter = TypeAdapter(object)

# Конвертируем всё в обычные dict/list перед сравнением
assert _adapter.dump_python(user_model) == snapshot(...)

🔗 Попробовать: https://clc.to/RHb6SA

📍 Навигация: Вакансии • Задачи • Собесы

🐸 Библиотека питониста

#буст