Учись программировать, играя

Codédex выпустили новую версию своей платформы

Это интерактивный мир, где ты выбираешь приключение, проходишь миссии, апаешь уровень, зарабатываешь бейджи, тренируешься и создаёшь проекты

То, что они сделали это реально круто 😦

Думаю, самое простое что можно сделать — поддержать их запуск на Product Hunt, оставив голос

👉 @PythonPortal

Может лучше не стоит?

👉 @PythonPortal

Я давно знал про dict.fromkeys в Python

Но только сегодня узнал, что можно задать значение по умолчанию для всех ключей

Я думал, что всегда нужно инициализировать словарь так, чтобы все ключи указывали на None 🌟

👉 @PythonPortal

Эта библиотека реально взлетит, и вот почему

Она лучше всего подходит для создания чат-бота, который не галлюцинирует и умеет отвечать на вопросы.

Она open-source, и чтобы её запустить, достаточно пары строк кода.

Смотри видео с примером

GitHub: emcie-co/parlant

Каждая компания, либо уже делает, либо использует чат-бота. Эта библиотека может заменить тонны кода и при этом дать куда более качественный результат. 🌼

👉 @PythonPortal

Шпаргалка для собеседования по Python

1. Swap переменных без временной

a, b = 5, 10
a, b = b, a

2. Однострочный if-else (тернарный)

result = "Even" if x % 2 == 0 else "Odd"

3. List Comprehension

squares = [x**2 for x in range(10)]
evens = [x for x in range(10) if x % 2 == 0]

4. Set и Dict Comprehension

unique = {x for x in [1,2,2,3]}        # удалить дубликаты
squares = {x: x**2 for x in range(5)}  # dict comprehension

5. Наиболее частый элемент в списке

from collections import Counter
most_common = Counter(['a','b','a','c']).most_common(1)[0][0]

6. Объединение словарей (Python 3.9+)

a = {'x': 1}
b = {'y': 2}
merged = a | b

7. Возврат нескольких значений

def stats(x):
    return max(x), min(x), sum(x)

high, low, total = stats([1, 2, 3])

8. Использование zip для итерации по двум спискам

names = ['a', 'b']
scores = [90, 85]

for n, s in zip(names, scores):
    print(f"{n}: {s}")

9. «Выпрямление» вложенных списков

nested = [[1,2], [3,4]]
flat = [item for sublist in nested for item in sublist]

10. Значения по умолчанию в словаре

from collections import defaultdict
d = defaultdict(int)
d['apple'] += 1   # без KeyError

11. Лямбда в одну строку

square = lambda x: x**2
print(square(4))

12. enumerate с индексом

for i, v in enumerate(['a', 'b', 'c']):
    print(i, v)

13. Сортировка по ключу или значению

d = {'a': 3, 'b': 1, 'c': 2}
sorted_by_val = sorted(d.items(), key=lambda x: x[1])

14. Чтение строк файла в список

with open('file.txt') as f:
    lines = f.read().splitlines()

15. Type Hints

def add(x: int, y: int) -> int:
    return x + y

👉 @PythonPortal

База

👉 @PythonPortal

Нашел на Хабре годную статью 👧

Там показано, как собрать своего оффлайн голосового AI-ассистента всего за вечер

Микрофон слушает тебя, Whisper переводит речь в текст, локальная LLM отвечает, а gTTS всё это озвучивает

Полностью кастомный и без интернета

Код и гайд тут — Habr
Репо: тут

👉 @PythonPortal

Автоформатирование текста с помощью textwrap

В Python есть модуль textwrap, который упрощает работу с длинными строками. Он автоматически разбивает текст на заданную ширину, чтобы он выглядел аккуратно и легко читался, будь то вывод в консоли, логи или отчёты.

Пример кода:

import textwrap

text = "Python — универсальный язык, который подходит для веба, анализа данных, автоматизации и многого другого."
result = textwrap.fill(text, width=40)

print(result)

Вывод:

Python — универсальный язык, который
подходит для веба, анализа данных,
автоматизации и многого другого.

Когда пригодится?

- автоматический перенос строк
- форматирование текста в CLI-программах
- подготовка читаемых логов, email или документации

👉 @PythonPortal

PyTorch против TensorFlow — новое исследование расставило точки над i

PyTorch → примерно на 25% быстрее в обучении и на ~78% быстрее в инференсе. Проще для ресёрча

TensorFlow → сильнее в продакшене (мобилки, браузер, сервера)

Полный обзор читай тут

👉 @PythonPortal

Аргумент

👉 @PythonPortal

Шпаргалка по регулярным выражениям

В ней собрано, как работают якори, классы символов, кванторы, диапазоны, утверждения, спецсимволы, модификаторы и подстановки, плюс примеры готовых шаблонов вроде поиска дат, e-mail или HTML-тегов.

Пригодится 👍

👉 @PythonPortal

Строй полноценные full-stack веб-приложения, используя только Python

Пиши полностью готовые приложения с фронтендом и бэкендом на Python без необходимости учить JavaScript или вести отдельные кодовые базы.

reflex это фреймворк на Python, который позволяет делать фронт и бэк одним языком. ты пишешь UI, логику, состояние, всё в Python, а Reflex сам компилит интерфейс на React/Next.js и запускает backend на FastAPI с WebSocket’ами для реактивности

Полностью опенсорс 😋

👉 @PythonPortal

Лучший дисклеймер

👉 @PythonPortal

FastAPI теперь официально самый популярный веб-фреймворк среди Python-разработчиков 🎉

А вот ещё несколько интересных фактов из свежего опроса State of Python 2025 от JetBrains:

> 51% используют Python для работы с данными
> 46% применяют его для веб-разработки
> Половина сообщества — новички
> 83% всё ещё сидят на старых версиях Python

Подробный разбор: https://jb.gg/python-25

👉 @PythonPortal

Совет по Python:

Вы можете заставить аргументы быть только позиционными, используя символ / в сигнатуре функции.

def add(x, y, /):
    return x + y

add(1, 2)          
add(x=1, y=2)      # TypeError: add() got some positional-only arguments passed as keyword arguments: 'x, y'

👉 @PythonPortal

Шпаргалка по очистке данных в Python Pandas

1. Обзор данных

import pandas as pd
df = pd.read_csv('data.csv')   # Загрузить CSV
df.head(5)                     # Первые 5 строк
df.info()                      # Типы данных и количество null
df.describe()                  # Сводная статистика

2. Работа с пропусками и дубликатами

df.isnull().sum()              # Посчитать пропуски
df.dropna()                    # Удалить строки с null
df.fillna(0)                   # Заполнить пропуски нулями
df.duplicated().sum()          # Посчитать дубликаты
df.drop_duplicates()           # Удалить дубликаты

3. Переименование и приведение типов

df.rename(columns={'old': 'new'})   # Переименовать колонку
df.astype({'col': 'int'})           # Сменить тип данных
df.columns.str.strip()              # Убрать пробелы

4. Фильтрация и выборка

df.loc[df['col'] > 100]             # Фильтр по условию
df.iloc[0:5]                        # Выбор по индексу строк
df['col'].isin(['A', 'B'])          # Фильтр по значениям

5. Сортировка и группировка

df.sort_values('col')               # Сортировка по возрастанию
df.groupby('group')['val'].mean()   # Группировка и агрегация
df['col'].value_counts()            # Подсчёт уникальных значений

6. Операции с колонками

df['new'] = df['col1'] + df['col2']               # Новая колонка
df['col'] = df['col'].apply(lambda x: x*2)        # Применить функцию
df.drop('col', axis=1)                            # Удалить колонку

7. Сохранение очищенных данных

df.to_csv('cleaned.csv', index=False)  # Экспорт в CSV

👉 @PythonPortal

Подождут 🙄

👉 @PythonPortal

PyAutoGUI

Крайне любопытная библиотека языка Python, позволяющая превратить твой ПК в автоматизированную систему

За пару строчек кода можно заставить скрипт сделать скриншот, заставить мышку навести на нужную точку на экране, взаимодействовать с различными параметрами окон, написать слово или целый абзац или даже загуглить за тебя 🚬

Вот так можно создать простейший кликер:

import pyautogui
import time
 
def click(): 
    time.sleep(0.1)     
    pyautogui.click()
 
def main():
    for i in range(20): 
        click()
 
main()

Документация тут: https://pyautogui.readthedocs.io/en/latest/

👉 @PythonPortal

Ещё играть не начал, а уже пройти не может

👉 @PythonPortal

Нужно потестить HTTPS локально в Python?

Вот простое решение в 3 шага — удобно для проверки SSL/TLS, интеграций с API или любых приложений, которым нужен HTTPS в dev-среде.

Только для локальной разработки, браузер будет ругаться на самоподписанный сертификат. 😋

Для NodeJS есть альтернатива: web.dev

👉 @PythonPortal

Помни, что итераторы в Python (и не только) рассчитаны на одно использование.

Когда ты прошёл по всем элементам, назад «перемотать» их нельзя.

Это поведение называется исчерпание итератора

umbers = [1, 2, 3]
reversed_numbers = reversed(numbers)

print(list(reversed_numbers))   # [3, 2, 1]
print(list(reversed_numbers))   # [] — итератор уже пуст

После одного прохода итератор «заканчивается» и повторно использовать его нельзя.

Чтобы пройтись снова, нужно создать новый итератор:

reversed_numbers = reversed(numbers)
print(list(reversed_numbers))   # [3, 2, 1] снова работает

👉 @PythonPortal