⚒️ Cement Framework: мощная основа для Python CLI-приложений

Cement — это фреймворк для создания CLI-приложений на Python:
✅ подходит как для простых скриптов, так и для сложных многоуровневых систем.
✅ можно использовать как микро-фреймворк или как основу для масштабных проектов.

Установка:

pip install cement
# или с CLI-расширениями
pip install cement[cli]

Ключевые возможности:
— Система handlers & interfaces для гибкой кастомизации
— Поддержка конфигов из нескольких файлов
— Парсер аргументов + слияние с конфигом
— Поддержка плагинов и расширений
— Логирование (консоль + файлы)
— Кэширование для ускорения
— Zero external deps (кроме опциональных)

⚡️ Cement = быстрый старт + масштабируемость + стабильность.

Подходит и для дата-инженеров, и для Python-разработчиков, которым нужны надёжные CLI-инструменты.

🐸 Библиотека питониста

#буст

🔥 Python Namespace Packages: боль разработчика

В Python есть странный зверь — namespace packages. По идее, они решают проблему разделения одного пакета на несколько директорий. На практике же это сплошная путаница и боль.

Почему так:
🚩 У нас есть два способа делать одно и то же: explicit (через __init__.py + костыли) и implicit (PEP 420, без __init__.py).
🚩 Zen of Python говорит: “There should be one– and preferably only one –obvious way to do it”, но тут явно нарушено.
🚩 Новички легко создают случайные namespace пакеты, просто забыв __init__.py.
🚩 Явные пакеты оказываются несовместимыми между собой, implicit — хрупкие и медленные.

⚡️ Сценарий:

Представьте, вы в условном Gooble и хотите, чтобы все пакеты начинались с gooble.*.

Красиво, пока кто-то не решит, что gooble/__init__.py не нужен. Или наоборот, случайно добавит его. И всё — сломалось.

Вывод (и личный совет):
✅ Всегда кладите __init__.py в каждую директорию.
✅ Избегайте осознанных namespace packages — они слишком ненадёжные.

🐸 Библиотека питониста

#буст

🐸 Библиотека питониста

#развлекалово

📱 Pythonу уже 10 лет с async — почему он до сих пор не массовый

В 2015 году в Python 3.5 появились ключевые слова async/await. Казалось, что это станет новой эрой для конкурентного кода в Python. Сегодня — почти Python 3.14, десятилетие спустя. Но асинхронность так и не стала «дефолтом». Почему?

Основные наблюдения:
🔛 Async идеально подходит для веб-разработки: запросы к БД, HTTP-запросы, сетевые операции.
🔛 FastAPI с самого начала строился на async, Django всё ещё «догоняет», а Flask остаётся синхронным (у него есть async-альтернатива — Quart).
🔛 Главный ORM — SQLAlchemy — добавил поддержку asyncio только в 2023 году.

В Python 3.14 нас ждут две революции:
🔛 PEP 779 — Free-Threading (многопоточность без GIL),
🔛 PEP 734 — Multiple Interpreters в стандартной библиотеке.

Вопрос: сделают ли они многопоточность и параллелизм по-настоящему популярными в Python — или через 10 лет мы будем обсуждать те же проблемы?

👉 Подробная статья по теме

🐸 Библиотека питониста

#буст

📊 Matplotlib шпаргалка для начинающих

Если только начинаете работать с визуализациями в Python — этот шпаргалка по Matplotlib станет отличной отправной точкой:
✅ основные функции для построения графиков,
✅ настройка осей, подписей и легенд,
✅ стили и оформление.

🐸 Библиотека питониста

#буст

ну это новый уровень 🤣

🐸 Библиотека питониста

#развлекалово

📱 Новости и релизы Python‑пакетов за последние 7 дней

📦 Свежие релизы пакетов
— pydantic-ai 1.0.0 — фреймворк-обёртка для использования Pydantic вместе с LLM.
— lancedb 0.25.0 — embedded-движок для мультимодального поиска.
— graphiti-core 0.20.x — библиотека для построения временных графов.
— torchao 0.13.0 — инструменты оптимизации GPU-моделей.
— dag-factory 1.0.0 — генерация Airflow DAG-ов из YAML.
— certbot-dns-cloudflare 5.0.0 — плагин DNS-аутентификации для Certbot.
— pyrefly 0.31.0 — быстрый type checker на Rust.
— fastexcel 0.15.x — быстрый Excel reader на Rust.
— pyexasol 1.0.0 — Python-драйвер для Exasol с расширенными функциями.
— trl 0.22.x — обучение трансформеров с подкреплением.
— inference-cli 0.54.x — простой деплой CV-моделей с Roboflow.
— sparkmeasure 0.26.0 — API для анализа производительности Spark.
— tokenizers 0.22.0 — быстрые токенайзеры для продакшна и ресерча.

📚 Полезные статьи и материалы
— Что с Python? Меньше производительности, никакого сахара и больше багов
— Python и множества: генераторы, которые делают код чище
— Почему асинхронный Python не такой популярный?
— Самые популярные Python-фреймворки и библиотеки 2025 года
— Особенности Python, о которых вас точно спросят на собеседовании
— Самый быстрый способ читать Excel в Python
— Быстрый Django: всё о производительности
— Как НЕ нужно писать автотесты на Python
— Обзор UDTF в PySpark

🐸 Библиотека питониста

#свежак

🐸 Библиотека задач по Data Science

💾 RecoverPy — интерактивное восстановление данных на Linux

RecoverPy умеет находить не только удалённые, но и перезаписанные данные, сканируя каждый блок диска. Идеально для восстановления кода, конфигов или текстовых файлов.

Особенности:
✅ Восстановление удалённых и перезаписанных файлов
✅ Поиск содержимого файлов по строке, даже в бинарных файлах
✅ Совместимость со всеми файловыми системами Linux
✅ Быстро, использует мощь стандартных утилит Linux (grep, dd, lsblk)

📱 Репозиторий

🐸 Библиотека питониста

#буст