🏆 7 бесплатных курсов по Python

Хочешь прокачать Python, но не знаешь, с чего начать или куда двигаться дальше?

Вот подборка курсов, которые реально помогут:

1. Программирование для каждого (Начало работы с Python)

2. Computing in Python I: Fundamentals and Procedural Programming

3. An Introduction to Interactive Programming in Python (Part 1)

4. Scientific Computing with Python

5. Crash Course on Python

6. Introduction to Computer Science and Programming Using Python

7. Using Python for Research

📍 Навигация: Вакансии • Задачи • Собесы

Библиотека питониста

#буст

🔐 Как безопасно работать с пакетами из PyPI

Появилась крутая подборка best practices по безопасности Python-зависимостей — максимально практичная и без воды.

👉 Что внутри:
— безопасные настройки pip и uv по умолчанию
— защита от supply chain атак
— как фиксировать версии зависимостей (и зачем это критично)
— проверка уязвимостей и «здоровья» пакетов

Недавние инциденты показали, что всё это — не теория:
— атака через пакет LiteLLM/Telnyx → 119k+ загрузок вредоносного кода за пару часов
— куча проектов до сих пор ставит зависимости без фиксированных версий

И всё — у тебя в проде чужой код.

📌 Хороший чек-лист, чтобы пройтись по своему проекту и закрыть дыры.

📍 Навигация: Вакансии • Задачи • Собесы

Библиотека питониста

#свежак

🗓 В следующий вторник (28.04) в 19:00 встречаемся в онлайне.

Тема:

Как эффективно управлять контекстным окном LLM в мультиагентных системах и не сливать бюджет на токены

В кружке Кирилл рассказал, какие именно подходы будем разбирать.

👉 Занять место на вебинаре

🌳 Деревья в алгоритмах — быстрый гайд по иерархическим структурам

Деревья — одна из самых частых тем на собеседованиях и в реальных системах.
Если понять базу, закрывается огромный пласт задач.

👉 Что такое дерево:

Это структура данных, где элементы связаны иерархически: есть корень → ветки → листья.

Примеры из жизни:
— файловая система
— DOM в браузере
— организационные структуры

Базовые типы деревьев:
— Бинарное дерево — у каждого узла максимум 2 потомка
— Бинарное дерево поиска (BST) — слева меньше, справа больше
— Сбалансированные деревья (AVL, Red-Black) — держат высоту под контролем
— Trie — для строк и префиксов

📍 Навигация: Вакансии • Задачи • Собесы

Библиотека питониста

#буст

🚀 Polars 1.40.0: свежий апдейт

Polars явно движется в сторону out-of-core обработки.

🔥 Что реально важно

— Streaming join_asof (с группировками)
Если вы работаете с таймсериями — это закрывает давнюю боль.
Теперь можно джойнить огромные таблицы по времени без MemoryError.

👉 Новый менеджер памяти (spill-to-disk)
Если раньше всё упиралось в RAM — теперь Polars может аккуратно сбрасывать часть данных на диск.

Половина обновления — это перенос операций в streaming:
— cov, corr, skew, kurtosis → теперь можно считать на больших данных
— strptime → тоже стримится
— оптимизация sort → меньше лишних операций

Если вы используете:

.lazy().collect(streaming=True)

— профит стал заметно выше.

Другие мелочи, которые экономят время:
— .unnest() теперь работает без аргументов
— merge_sorted для уже отсортированных данных
— более аккуратные дефолты при чтении файлов

На что обратить внимание:
— убирают dataframe interchange → если Вы связывали разные библиотеки, проверьте пайплайн
— исправили кучу багов (pivot, CSV, parquet-статистика и др.)

pip install -U polars

🔗 Ссылка на релиз

📍 Навигация: Вакансии • Задачи • Собесы

Библиотека питониста

#свежак

🔥 Кого реально стоит читать питонисту в 2026

Давайте соберём «карту внимания» 👇

Кого вы реально читаете / смотрите из мира Python и IT? Кого-то из русскоязычной тусовки?

Не просто «знаю имя», а за кем следите регулярно — блоги, Twitter/X, YouTube, Telegram, GitHub.

👉 Формат простой

Кидайте в комменты:
— ник / имя
— где читаете (YouTube, TG, X и т.д.)
— за что именно (разборы, код, мысли, карьера и т.п.)

Я начну:
— Guido van Rossum — иногда пишет, но это база
— Armin Ronacher — мысли про Python и backend
— Andrej Karpathy — топ про AI и код

📍 Навигация: Вакансии • Задачи • Собесы

Библиотека питониста

#буст

📌 Шпаргалка по Python для новичков: краткий справочник

🔢 Переменные и типы данных
Python — язык с динамической типизацией (вам не нужно указывать тип данных вручную).

🔢 Коллекции данных
— List (Списки): Изменяемые, упорядоченные (`[1, 2, 3]`).
— Tuple (Кортежи): Неизменяемые (`(1, 2, 3)`).
— Set (Множества): Только уникальные элементы, без порядка (`{1, 2, 3}`).
— Dict (Словари): Пары "ключ: значение" (`{"name": "Siree"}`).

🔢 Условные операторы
Используются для логических развилок:
if — если условие верно.
elif — если предыдущее не подошло, проверяем это.
else — если ничего не подошло.

🔢 Циклы
for — для перебора элементов (например, в диапазоне `range`).
while — выполняется, пока условие истинно.

🔢 Функции
Объявляются через ключевое слово def. Позволяют группировать код для повторного использования.

🔢 List Comprehension (Генераторы списков)
Крутая фишка Python, позволяющая создавать новые списки в одну строку. Например:
squares = [x**2 for x in nums] — возводит каждое число из списка в квадрат.

🔢 Обработка исключений
Блок try...except нужен, чтобы программа не "падала" при возникновении ошибки (например, при попытке превратить буквы в число).

🔢 Работа с файлами
Всегда рекомендуется использовать конструкцию with open(...), так как она автоматически закрывает файл после работы с ним.

🔢 ООП (Классы и Объекты)
Классы позволяют создавать свои структуры данных с методами (функциями) и атрибутами (переменными).
__init__ — конструктор, который срабатывает при создании объекта.

📍 Навигация: Вакансии • Задачи • Собесы

Библиотека питониста

#буст

🔥 Как сейчас обстоят дела с Python type-checker’ами

🚀 Если коротко, рынок заметно сдвинулся: Pyrefly и Ty уже не просто «альтернатива», а реальные лидеры по скорости. И это видно не только в тестах, а на реальных проектах.

⏱️ На практике это выглядит так:
— маленькие проекты: разница почти незаметна (доли секунды)
— средние и большие: разрыв становится драматичным
— где Pyright/Mypy → десятки секунд или минуты
— Pyrefly/Ty → обычно укладываются в секунды

В CI или при активной разработке это напрямую превращается в экономию времени и более быстрый фидбек.

🧠 Отдельно про память — и тут тоже есть разница:
— Pyrefly часто потребляет меньше RAM
— особенно заметно на больших проектах
— пример с numpy:
• Pyright → ~70 сек и >3 ГБ
• Pyrefly → ~4.8 сек и ~1 ГБ

⚖️ Поэтому выбор всё ещё зависит от приоритетов:
— нужна стабильность → смотри в сторону Mypy/Pyright
— важна скорость → Pyrefly/Ty уже впереди

🔛 Полный обзор

📍 Навигация: Вакансии • Задачи • Собесы

Библиотека питониста

#буст

🚀 Современный паттерн «Состояние» в Python: прощай, наследование

Традиционная реализация паттерна State через классы и наследование часто превращается в кошмар: куча мелких классов, дублирование методов и разбросанная логика переходов. В Python есть более элегантный способ.

В чем проблема классики?
В обычном ООП-подходе каждое состояние — это отдельный класс. Это приводит к тому, что вы пишете много одинаковых методов raise RuntimeError, если действие недоступно в текущем состоянии. В итоге сложно увидеть всю картину переходов целиком.

Pythonic-подход: Дженерики и Декораторы
Вместо иерархии классов можно создать универсальный движок State Machine, который работает как явная таблица соответствий:
(Текущее состояние + Событие) -> (Следующее состояние + Действие).

Основные фишки такого дизайна:
1️⃣ Генерики (`Generic`): Движок типизируется через состояния, события и контекст (например, данные о платеже).

2️⃣ Декораторы @transition: Позволяют описывать логику переходов прямо над функциями действий. Это превращает ваш код в читаемую спецификацию: сразу видно, какие события переводят систему из одного статуса в другой.

3️⃣ Принцип открытости/закрытости: Чтобы добавить новый переход, вам не нужно менять существующие классы — достаточно написать новую функцию с декоратором.

4️⃣ Гибкость: Одно действие (например, «ошибка») можно легко привязать сразу к нескольким начальным состояниям через итерируемые объекты в декораторе.

Этот подход идеален для систем с четкими потоками данных: платежи, обработка заказов, логистика или парсеры. Классические классы стоит оставить только в случаях, когда каждое состояние имеет крайне сложную внутреннюю логику и специфичные только для него данные.

📍 Навигация: Вакансии • Задачи • Собесы

Библиотека питониста

#буст