🐍 Python совет: if при подсчете элементов

Один из самых частых паттернов у новичков — использование условий для проверки наличия ключа в словаре при подсчете. Это работает, но выглядит громоздко и совсем не «по-питонячьи».

❌ Как делать не стоит (многословно):

counts = {} 
for item in items: 
    if item in counts: 
        counts[item] += 1 
    else: 
        counts[item] = 1

✅ Используйте `defaultdict` из модуля `collections`

Это специальный тип словаря, который сам создает дефолтное значение для ключа, если его еще нет в объекте:

from collections import defaultdict

counts = defaultdict(int) # указываем тип int как дефолтный (даст 0)
for item in items:
    counts[item] += 1

Когда вы инициализируете defaultdict(int), вы говорите Python: «Если ключа нет, создай его и присвой значение, которое возвращает функция int(), то есть **0**».

Преимущества:
— Никаких проверок if item in counts.
— Логика становится линейной и понятной с первого взгляда.
— Меньше шансов допустить ошибку в условиях или инициализации.

Если вам нужно просто посчитать элементы в итерируемом объекте, в Python есть еще более мощный инструмент — Counter:

from collections import Counter

counts = Counter(items)
print(counts.most_common(3)) # Бонус: сразу получаем топ-3 элемента

📍 Навигация: Вакансии • Задачи • Собесы

🐸 Библиотека питониста

#буст

🚀 Мастер-класс по Python: от «Hello World» до профи

Если вы ищете структурированный и интерактивный способ выучить Python в 2026 году, этот курс — отличная точка входа. Здесь нет «воды», только живой код и практика.

Курс разбит на логические блоки (12 модулей, 71 урок), которые ведут вас от основ к профессиональной разработке.

🔗 Ссылка на курс

📍 Навигация: Вакансии • Задачи • Собесы

🐸 Библиотека питониста

#буст

🚀 Polars 1.39: новая версия

Библиотека Polars продолжает сокращать разрыв между локальной обработкой данных и полноценными хранилищами данных (Data Lakehouses).

Версия 1.39 принесла три ключевых фичи, которые сильно упростят жизнь дата-инженерам.

📈 1. Streaming AsOf Join

Функция join_asof() теперь поддерживается стриминговым движком.

Теперь можно объединять огромные временные ряды (time-series), которые не помещаются в оперативную память.

Идеально для финансового анализа и данных с датчиков (IoT), где нужно сопоставить события по ближайшей метке времени.

🧊 2. Полноценный цикл с Apache Iceberg

В дополнение к чтению (`scan_iceberg`), появился sink_iceberg() для записи данных из LazyFrame.

Polars теперь поддерживает полный цикл чтения/записи для архитектур Data Lakehouse на базе Iceberg.
Можно обрабатывать данные и сохранять их напрямую в аналитические таблицы без промежуточных CSV/Parquet файлов.

☁️ 3. Стриминг прямо из облака

Функции scan_csv(), scan_ndjson() и scan_lines() теперь умеют скачивать данные потоково.

Polars больше не нужно скачивать файл целиком из S3 или Azure Blob перед началом обработки.
Значительная экономия места на диске и ускорение «холодного» старта ваших скриптов.

🔗 Ссылка на релиз

📍 Навигация: Вакансии • Задачи • Собесы

🐸 Библиотека питониста

#буст

🛠 PEP 810: эволюция импортов в Python

История внедрения lazy import — это не просто рассказ о новой фиче, а настоящий мастер-класс по тому, как сообщество Python умеет работать над ошибками и находить баланс между производительностью и стабильностью.

📉 Почему PEP 690 (первая попытка) провалился

В 2022 году Meta предложила радикальный подход: флаг -L, делающий все импорты ленивыми по умолчанию. Управляющий совет (Steering Council) наложил вето по веским причинам:

— Фрагментация: Это создало бы «два разных Python», где библиотеки вели бы себя по-разному.
— Скрытые сайд-эффекты: Огромное количество legacy-кода завязано на логике, которая выполняется строго в момент импорта.
— Сложность отладки: Ошибки инициализации могли «всплывать» в самых неожиданных местах рантайма.

🚀 Почему PEP 810 (текущий) — это победа

Дизайн был полностью переосмыслен. Вместо неявного глобального флага мы получили явный синтаксический сахар:

1. Явность (Opt-in): Вводится новое «мягкое» ключевое слово lazy. Вы сами помечаете тяжелые зависимости, которые не нужны при старте.

# Python 3.15+
lazy import torch
lazy from matplotlib import pyplot as plt

2. Прокси-объекты вместо магии диктов: В PEP 690 предлагалось менять внутреннее устройство dict. PEP 810 изящнее — он создает легкий прокси-объект. Реальный импорт триггерится только в момент первого обращения к атрибуту объекта.
3. Производительность: Результаты Meta (Cinder) и Hudson River Trading подтверждают: время старта CLI-инструментов сокращается до 70%, а потребление памяти — до 40%.

⚠️ Технические нюансы и ограничения

Как и у любого мощного инструмента, у lazy import есть свои «но»:

— Wildcard запрещены: Конструкция lazy from module import * вызовет SyntaxError, так как интерпретатору нужно знать список имен заранее.
— Deferred Errors: ModuleNotFoundError теперь вылетит не в начале скрипта, а в строке, где вы впервые вызвали torch.save(). Это нужно учитывать при написании долгоживущих сервисов.
— Thread Safety: Python сохраняет глобальную блокировку импорта (`import lock`), но теперь импорт может произойти в любом потоке, который первым коснулся «ленивой» переменной.

🔗 Ссылка на статью

📍 Навигация: Вакансии • Задачи • Собесы

🐸 Библиотека питониста

#буст

🛠 Работа с Claude Code: от базовых настроек до автоматизации

Claude Code — это CLI-агент от Anthropic, который работает напрямую в вашем терминале.

Чтобы превратить его из простого чат-бота в полноценного напарника, стоит внедрить несколько продвинутых техник из недавнего гайда «45 советов».

🔗 Ссылка на Github

📍 Навигация: Вакансии • Задачи • Собесы

🐸 Библиотека питониста

#буст

🔥 Гид по Python-экосистеме: что стоит внедрить в 2026 году

Python уже давно перерос роль «языка для скриптов». Сегодня это фундамент для автономных агентов и высоконагруженных систем. В этом обзоре — библиотеки, которые меняют правила игры в разработке, аналитике и безопасности.

📌 Чтобы не потерять вакансии и анонсы — добавь папку

➡️ Общего назначения

✳️ ty — сверхбыстрый type checker нового поколения
✳️ complexipy — измеряет сложность кода так, как её чувствует человек
✳️ Kreuzberg — извлечение данных из 50+ форматов
✳️ hrottled-py — rate limiting с 5 алгоритмами
✳️ httptap — HTTP waterfall прямо в терминале
✳️ fastapi-guard — безопасность FastAPI без боли
✳️ modshim — расширяй модули без monkey-patching
✳️ Spec Kit — спецификации → рабочий код
✳️ Skylos — dead code + уязвимости
✳️ FastOpenAPI — OpenAPI для любого фреймворка

➡️ AI / ML / Data

✳️ MCP Python SDK + FastMCP — стандарт интеграции LLM с инструментами
✳️ TOON — JSON, оптимизированный под токены
✳️ Deep Agents — агенты с планированием и памятью
✳️ smolagents — агенты, которые думают кодом
✳️ LlamaIndex Workflows — event-driven AI workflows
✳️ Batchata — дешёвые batch-запросы к LLM
✳️ MarkItDown — любые файлы → Markdown
✳️ Data Formulator — анализ данных через natural language
✳️ LangExtract — точное извлечение сущностей из текста
✳️ GeoAI — ML + геоданные без боли

👉 Детально, с примерами и разбором — в полной статье

📍 Навигация: Вакансии • Задачи • Собесы

🐸 Библиотека питониста

#буст

🐸 Библиотека питониста

#развлекалово

➡️ Чит-лист по Claude Code (Workflow 2026)

Claude Code — это не просто CLI, а полноценная среда для автономного кодинга. Чтобы он не «галлюцинировал», нужно правильно выстроить иерархию памяти:

CLAUDE.md — файл в корне проекта, который содержит техстек, архитектуру и правила (Style Guide). Claude читает его первым.

Skills (Навыки) — создавайте .md файлы в папке .claude/skills/. Описывайте там паттерны тестирования или правила деплоя — Claude вызовет их автоматически через NLP.

Иерархия памяти: используйте глобальный CLAUDE.md для общих правил и локальные файлы в подпапках для специфического контекста (например, только для фронтенда).

Команды-выручалочки:

/init — просканировать проект и создать базу знаний.

/compact — сжать контекст, когда беседа стала слишком длинной (экономит токены!).

Esc Esc — быстрый возврат в меню.

📍 Навигация: Вакансии • Задачи • Собесы

🐸 Библиотека питониста

#буст

🛡 Срочное обновление безопасности: Python 3.12.13, 3.11.15 и 3.10.20

Если ваш проект работает на одной из этих версий Python, пришло время обновиться. Команда core-разработчиков выпустила экстренные патчи, закрывающие серьезные уязвимости.

Так как эти ветки находятся в режиме security-fix-only, обновления доступны только в виде исходного кода.

🔐 Что исправили? (Основные моменты)

1. Инъекции в Email и HTTP-заголовки
Исправлены критические ошибки в email.generator и http.cookies. Теперь система жестко блокирует попытки вставить управляющие символы или некорректно «склеить» заголовки. Это защищает от атак типа *Header Injection*.

2. Защита от DoS-атак (Отказ в обслуживании)
Разработчики устранили несколько «узких мест» с квадратичной сложностью вычислений (уязвимости типа *ReDoS* и переполнение памяти):
— В парсинге параметров HTTP и XML.
— В обработке путей через os.path.expandvars().
— В модулях plistlib, http.client и http.server.

3. Безопасность XML и HTML
Обновлена библиотека libexpat до версии 2.7.4. Это закрывает свежие CVE 2026-го года, связанные с переполнением памяти при обработке вредоносных XML-файлов. Также усилен html.parser для работы с агрессивной разметкой.

4. Память и SSL
Исправлена опасная ошибка *use-after-free* (использование памяти после освобождения) в модуле ssl, которая могла возникать при сбое инициализации соединения.

🔗 Ссылка на новость

📍 Навигация: Вакансии • Задачи • Собесы

🐸 Библиотека питониста

#буст

awesomePrep: полноценный тренажер к интервью по Python (424 вопроса)

awesomePrep — это бесплатный open-source проект, который превращает подготовку к техническому собесу в структурированный процесс.

🔗 Ссылка на платформу

📍 Навигация: Вакансии • Задачи • Собесы

🐸 Библиотека питониста

#буст

⚙️ Конфигурация в Python

Многие начинают с Option 1, потому что это быстро. Но по мере роста проекта поиск того, «откуда взялся этот API_KEY», превращается в детектив.

Почему Option 2 (Централизация) — это стандарт

Fail-Fast: Ваше приложение упадет при запуске, если забыт важный токен, а не через два часа работы, когда дело дойдет до вызова глубоко запрятанной функции.

Типизация: os.environ всегда возвращает строки. Если вам нужен RETRY_COUNT как int или DEBUG как bool, централизованный конфиг сделает приведение типов за вас.

Единый источник истины: Все настройки проекта видны в одном файле.

В 2026 году лучшим способом реализации Option 2 является библиотека pydantic-settings.

Она делает валидацию конфигурации автоматической:

from pydantic_settings import BaseSettings, SettingsConfigDict

class Settings(BaseSettings):
    db_url: str
    api_key: str
    debug: bool = False  # Значение по умолчанию
    
    # Автоматически читает из .env файла
    model_config = SettingsConfigDict(env_file=".env")

settings = Settings()

🏁 Итог

Переход на централизованный конфиг — это тот самый «низко висящий фрукт», который моментально повышает надежность системы.

А какой подход используете вы?

📍 Навигация: Вакансии • Задачи • Собесы

🐸 Библиотека питониста

#буст

🏛 Когда пора создавать класс в Python

1. Требование фреймворка
Самый частый случай: вы используете библиотеку (Django, SQLAlchemy, Pydantic), где класс — это интерфейс. Например, в Django класс Model — это способ описать таблицу в базе данных. Здесь у вас просто нет выбора.

2. Вы постоянно передаете одни и те же данные в функции
Если у вас есть 5 функций, и каждая из них первым аргументом принимает один и тот же объект (например, server_connection или `user_session`), — это явный сигнал.

Вместо того чтобы «таскать» объект за собой, сделайте его атрибутом класса (`self.connection`), а функции превратите в методы. Код станет чище, а вызовы — короче: connection.send() вместо send_data(connection, data).

3. Улучшение читаемости и структуры данных
Иногда класс нужен просто для того, чтобы дать данным имя.
Плохо: Функция возвращает кортеж (103, 29). Что это? Ширина и высота? Или координаты X и Y?
Хорошо: Функция возвращает объект TerminalSize(columns=103, lines=29). Теперь любой, кто читает ваш код, сразу понимает, что происходит.

👉 Полная статья с полезностями

📍 Навигация: Вакансии • Задачи • Собесы

🐸 Библиотека питониста

#буст