👨‍💻 Большая PDF шпаргалка по созданию визуализации данных с помощью Python:

1. Установите необходимые библиотеки с помощью pip:

pip install matplotlib seaborn pandas

2. Импортируйте библиотеки, которые вы будете использовать в своем скрипте:

import matplotlib.pyplot as plt
import seaborn as sns

3. Загрузите свой набор данных в pandas DataFrame. Для демонстрации мы будем использовать образец набора данных, предоставленный Seaborn:

import pandas as pd
data = sns.load_dataset("penguins")

4. Создайте график: используйте библиотеку Seaborn для создания простой диаграммы рассеяния:

sns.scatterplot(data=data, x="bill_length_mm", y="bill_depth_mm", hue="species")
plt.title("Penguin Bill Dimensions by Species")
plt.show()

5. Настройте график добавив заголовки, метки и изменив стиль для улучшения читаемости и представления:

plt.xlabel("Bill Length (mm)")
plt.ylabel("Bill Depth (mm)")
plt.grid(True)
plt.show()

Почему именно Python используется для визуализации данных?

📊 Мощные библиотеки: Python предлагает универсальные библиотеки, такие как:
1. Matplotlib: для базовых графиков.
2. Seaborn: для статистических визуализаций.
3. Plotly: для интерактивных визуализаций.

#python #cheatsheet #doc

🔥 Helium — простая в использовании Python библиотека созданная для автоматизации работы с браузерами, такими как Chrome и Firefox.

Забудьте километры кода на Selenium. Helium — это та же мощь, но с вменяемым, коротким и человеческим API, который сокращает скрипты в два раза и позволяет работать с элементами страницы без танцев с бубном.

Chrome, Firefox? Да хоть весь зоопарк браузеров — библиотека разбирается сама.
iFrames, новые окна, ожидания загрузки, поломанные кнопки? Helium делает всё автоматически.

⚡️ А главное — умеет аккуратно обходить капчи и проверки на ботов, превращая автоматизацию в стабильный и спокойный процесс, а не в бесконечную борьбу с сайтом.

⚙️ Установка:

$ python -m pip install helium

▶️ Простой пример использования:

# A Helium function:
driver = start_chrome()
# A Selenium API:
driver.execute_script("alert('Hi!');")

♎️ GitHub/Инструкция

#python #soft #web #github

💀 Как зашифровать PDF паролем с помощью Python

Готовый Python-скрипт: берёт обычный PDF и создаёт копию, защищённую паролем.

📦 Установка библиотеки

pip install PyPDF2

⌨️ Код

from __future__ import annotations
from pathlib import Path
from typing import Union

from PyPDF2 import PdfReader, PdfWriter

PDFPath = Union[str, Path]


def encrypt_pdf(input_path: PDFPath, output_path: PDFPath, password: str) -> Path:
    """
    Шифрует PDF-файл паролем и сохраняет в output_path.
    Возвращает путь к зашифрованному файлу.
    """
    in_path = Path(input_path)
    out_path = Path(output_path)

    reader = PdfReader(in_path)
    writer = PdfWriter()

    for page in reader.pages:
        writer.add_page(page)

    writer.encrypt(password)

    with out_path.open("wb") as f:
        writer.write(f)

    return out_path


def encrypt_with_suffix(input_path: PDFPath, password: str, suffix: str = "_encrypted") -> Path:
    """
    Создаёт зашифрованную копию рядом с исходным файлом.
    Например: secret.pdf → secret_encrypted.pdf
    """
    in_path = Path(input_path)
    output_path = in_path.with_name(f"{in_path.stem}{suffix}{in_path.suffix}")
    return encrypt_pdf(in_path, output_path, password)


if __name__ == "__main__":
    pdf_file = "secret.pdf"
    pdf_password = "pythontoday"

    encrypted_path = encrypt_with_suffix(pdf_file, pdf_password)
    print(f"Создан зашифрованный файл: {encrypted_path}")

💡 Где будет полезно

🟢отправить клиенту документ с паролем по отдельному каналу;
🟢хранить важные PDF-ки в зашифрованном виде;
🟢встроить шифрование в свой сервис/бота/панель администратора.

#python #code #tipsandtricks

🐳 Docker для самых маленьких: упаковываем Python-бота за 10 минут

💬 Когда запускаешь первого Telegram-бота локально — кажется, что ты покорил мир: нажал Run, и всё летает. Но как только закрываешь ноутбук, бот падает вместе с твоей мечтой о «стабильном продакшене».

📦 Docker решает проблему одним контейнером: берёт твой код, твои зависимости и твою среду — и запускает их одинаково везде.
Не важно где: на сервере, у друга или в облаке — контейнер работает стабильно и предсказуемо.

😰 Разберёмся, как за 10 минут упаковать Telegram-бота в Docker и перестать запускать проекты «на коленке».

👇 Код + статья в PDF на русском

#article #python #code

😱 Имба для Python-разработчиков: один импорт — и у вас доступ ко ВСЕМ топовым переводчикам сразу

Инструмент, который выглядит как чит-код для работы с языками:

translators — библиотека, которая объединяет кучу профессиональных переводчиков в одном API.

Без ключей, без ручной интеграции, без боли.

Что умеет?
💬 Поддерживает Google, DeepL, Microsoft, Alibaba, Yandex, Bing, Naver Papago, Tencent, ChatGPT, Baidu и даже Amazon Translate — всё в одном пакете.
💬 Переводит текст, огромные строки, HTML, документацию.
💬 Автоматически определяет язык.
💬 Работает без официальных API-ключей (да, это реально).
💬 Может использовать разные движки одновременно.

🧠 Для чего это удобно?

🟢Переводить документацию на лету.
🟢Делать многоязычные Telegram-боты.
🟢Парсить сайты разных стран.
🟢Создавать AI-агентов для общения на любом языке.
🟢Переводить комментарии, отзывы, письма, JSON-ы и всё, что прилетает.

😰 Простой пример кода:

import translators as ts

text = "Привет, мир!"
result = ts.translate_text(text, to_language="en")
print(result)

И всё.

Без API, без OAuth, без 40 строк конфигурации.

⚙️ Простая установка:

# PYPI

pip install --upgrade translators

# Source

git clone https://github.com/UlionTse/translators.git
cd translators
python setup.py install

♎️ GitHub/Инструкция

#python #soft #code #github

🔥 Полезные библиотеки Python

Torrent Hunt Bot — исходный код лучшего бота для поиска торрентов в Telegram. Может говорить на 19 разных языках, включая русский.

⚙️ GitHub/Инструкция

#python #soft #github

🖱 Free-proxy — репозиторий, который собирает сотни бесплатных прокси-серверов со всего мира и выдаёт вам свежий, рабочий список по запросу.

Что умеет этот зверь:
💬 Парсит прокси из открытых источников
Инструмент мониторит десятки сайтов и вытаскивает только актуальные адреса.
💬 Фильтрует только живые прокси
Проверяет доступность, скорость, тип протокола — мусор отбрасывает.
💬 Работает как библиотека и как CLI
Можно подключить в Python-скрипт или просто дернуть команду в терминале.
💬 Идеален для парсинга, тестов, обхода ограничений и анонимизации
Ну или просто чтобы “посмотреть котиков с американского IP”.
💬 Абсолютно бесплатно
Никаких подписок, лимитов, логов.

💻 Если ты парсишь, тестируешь API, работаешь с ботами, автоматизацией или просто хочешь чуть больше свободы — этот репозиторий прям маст-хэв.

Установка:

pip install free-proxy

Пример использования:

from fp.fp import FreeProxy

proxy = FreeProxy(country_id=['US', 'BR']).get()

# параметр `timeout` проверяет прокси на валидность
proxy = FreeProxy(timeout=1).get()

# параметр `anonym` возвращает прокси помеченные как анонимные
proxy = FreeProxy(anonym=True).get()

😰 Больше примеров ТУТ

♎️ GitHub/Инструкция

#python #soft #github

😠 Если тебе когда-нибудь приходилось мучиться с удалением фона на фото, забудь про эти страдания.

RMBG 2.0 от BriaAI — это новый уровень.
Модель вырезает фон идеально, аккуратно, без артефактов и без этих мыльных краёв, как у большинства “бесплатных сервисов”.

Что умеет:
💬 Удаляет фон даже на самых сложных фото (волосы, мех, прозрачные объекты — без шансов!)
💬 Работает локально — никакой загрузки твоих фото в облако
💬 Быстрая обработка
💬 Поддерживает Python/CLI, легко встраивается в любые проекты

Пример использования:

from PIL import Image
import matplotlib.pyplot as plt
import torch
from torchvision import transforms
from transformers import AutoModelForImageSegmentation

model = AutoModelForImageSegmentation.from_pretrained('briaai/RMBG-2.0', trust_remote_code=True)
torch.set_float32_matmul_precision(['high', 'highest'][0])
model.to('cuda')
model.eval()

# Data settings
image_size = (1024, 1024)
transform_image = transforms.Compose([
    transforms.Resize(image_size),
    transforms.ToTensor(),
    transforms.Normalize([0.485, 0.456, 0.406], [0.229, 0.224, 0.225])
])

image = Image.open(input_image_path)
input_images = transform_image(image).unsqueeze(0).to('cuda')

# Prediction
with torch.no_grad():
    preds = model(input_images)[-1].sigmoid().cpu()
pred = preds[0].squeeze()
pred_pil = transforms.ToPILImage()(pred)
mask = pred_pil.resize(image.size)
image.putalpha(mask)

image.save("no_bg_image.png")

💰 Где можно использовать?
🟢услуги по удалению фона,
🟢подготовку фото для маркетплейсов,
🟢создание аватарок, превью, карточек товаров,
🟢обработку изображений для клиентов на фрилансе.

♎️ GitHub/Инструкция

Пробуем 👍

#python #soft #github

🚀 AutoPilot — бесплатный комбайн автоматизации, который заменяет десяток сервисов разом

Если ты любишь инструменты, которые экономят время, деньги и нервы — тебе зайдёт на 100%.

Это опенсорс-панель на Python + Streamlit, куда запихнули сразу целый арсенал полезных автоматизаций.

Открываешь — и как будто получаешь суперспособность: всё делать быстрее.

Что умеет:
🖼 Background Remover — удаляет фон с фото за секунду.
🧾 QR Generator — создаёт QR-коды для чего угодно.
💻 Fake Data Generator — генерирует реалистичные данные для тестов.
🎧 Audiobook Converter — превращает PDF в аудиокнигу.
📥 YouTube Downloader — скачивает видео и аудио.
💬 Bulk Email Sender — массовая рассылка писем.
📸 Image Downloader — ищет и скачивает картинки по ключевым словам.
📝 Article Summarizer — делает грамотные краткие выжимки.
📊 Resource Monitor — мониторит ресурсы твоей системы.
🔍 Code Analyzer — проверяет код через Pylint и Flake8.
🧹 Clipboard Manager — хранит историю буфера обмена.
🔗 Link Checker — проверяет, какие ссылки живые.
📷 Image Editor — целый мини-Photoshop: кроп, blur, resize, watermark, форматирование и куча эффектов.
🗞 News Reader — озвучивает актуальные новости.

И это только часть списка.

Зачем это тебе?
🟢готовый набор утилит для разработчика, маркетолога, дизайнера или SMM;
🟢огромная экономия времени;
🟢локально, бесплатно и без ограничений;
🟢можно встроить в свои проекты, бота или рабочий процесс.

⚡️ Как запустить (быстро)

git clone https://github.com/Ai-Quill/automated.git
cd automated
pip install -r requirements.txt
streamlit run app.py

🖥Открываешь в браузере: https://localhost:8501

И наслаждаешься панелью, где все инструменты — в одном клике.

♎️ GitHub/Инструкция

#python #soft #github

🚀 SQL → Python → Excel

В одном месте, как выполнять одни и те же операции тремя разными способами:

🥽 SQL — запросы к базе.
😰 Python/Pandas — обработка данных в коде.
🇻🇪 Excel — когда нужно быстро «на коленке».

В таблице есть всё самое частое:
➡️загрузка данных
➡️фильтрация
➡️выбор колонок
➡️сортировка
➡️агрегации
➡️подсчёты
➡️новые столбцы
➡️объединение таблиц
➡️удаление дублей
➡️работа с пропусками

⚡️ Каждый инструмент хорош под свою задачу. А вот кто умеет все три — тот в любой команде как швейцарский нож.

💾 Сохрани пост — как шпаргалку для собеса, апгрейда и чтобы не гуглить в следующий раз group by pandas.

#cheatsheet #python

💻 Универсальный парсинг сайтов на Python: requests vs headless, токены, куки, прокси и ротация IP

Вы когда-нибудь радовались идеальному прототипу парсера, который у вас летал на демо-странице, а в проде внезапно начал ловить 403, 429, пустые HTML и «куда-то делись карточки»? Контент отрисовывается на JS, сервер требует токен, после смены IP, старая сессия перестаёт работать.

В этой статье я подробно разберу, как собирать данные устойчиво и предсказуемо, без излишней магии и с упором на реальную эксплуатацию.

Вся статья и примеры на Python.

👇 Статья в PDF

#python #article #code

⚡️ ДРОПНУЛИ САМЫЙ РЕАЛИСТИЧНЫЙ ИИ-ГОЛОС — Dia2 теперь в открытом доступе.

Это не «типичная озвучка нейросети».
Это голос, который не отличить от живого человека — с эмоциями, паузами, дыханием и даже тем самым «неловким жеванием слов», как в реальном разговоре.

Что умеет эта машина:
🎙 Озвучивает в реальном времени — видео проигрывается, а голос синхронно появляется.
🗣 Любой голос под клонирование — полно ИИ-спикеров: разные акценты, тембры, возраст, манеры речи.
⏱️ До 2 минут озвучки за раз — идеально для роликов, дикторки, подкастов и дубляжа.
😳 Эмоции уровня актёров — смех, волнение, сбивчивость, естественные паузы.
🔓 Абсолютно открытый доступ,
🚫 без лимитов,
⚠️ без цензуры.

Это прям новая эра генерации голоса. Такой реализм уже даже страшновато 😌

▶️ Можно установить себе на комп или юзать онлайн прямо в браузере!

🤖 Модель забираем ТУТ

#python #soft #нейросеть

👨‍💻 87 идей для Python-проектов, которые можно собрать с нуля — идеальный старт для новичка!

Al Sweigart (автор тех самых культовых обучалок по Python) выложил огромную подборку мини-проектов:
🎮 игры,
🧩 головоломки,
🙂 симуляции,
🔊 цифровое искусство.

Каждый проект можно реализовать на чистом Python — без сторонних библиотек и сложной установки. Просто открываешь IDE и начинаешь творить.

Список для тех, кто хочет прокачать навыки, собрать портфолио или просто поискать вдохновение.

👍 Сохраняем и пробуем ТУТ

#python #code

😱 HunyuanOCR — это не обычный OCR, который путает буквы и плачет от плохого качества.

Распознаёт текст на фото, сканах и даже кривых телефонных снимках с точностью, что ставит Google Vision в неловкое положение.

Что умеет:
📸 Считывает текст на любых изображениях — документы, фото, меню, вывески, рукописные заметки.
🧠 Мощная модель от Tencent — понимает структуру, расположение блоков, выделяет зоны текста.
🌚 Работает даже на плохих фото — шум, тени, наклон, бликующий экран — распознаёт всё.
😰 Есть Python-интерфейс — можно встроить в бота, сервис или свою автоматизацию.
🗂 Разбирает сложные макеты — таблицы, колонки, многостраничные файлы.
🆓 Полностью бесплатно и open-source.

Где будет полезно:
🟢делай сервис распознавания чеков и документов;
🟢автоматизируй ввод данных для бизнеса;
🟢продавай обработку сканов на фрилансе;
🟢собирай «умного» Telegram-бота для OCR;
🟢создавай SaaS под маркетплейсы и бухгалтерию.

Пример использования:

from vllm import LLM, SamplingParams
from PIL import Image
from transformers import AutoProcessor

def clean_repeated_substrings(text):
    """Clean repeated substrings in text"""
    n = len(text)
    if n<8000:
        return text
    for length in range(2, n // 10 + 1):
        candidate = text[-length:] 
        count = 0
        i = n - length
        
        while i >= 0 and text[i:i + length] == candidate:
            count += 1
            i -= length

        if count >= 10:
            return text[:n - length * (count - 1)]  

    return text

model_path = "tencent/HunyuanOCR"
llm = LLM(model=model_path, trust_remote_code=True)
processor = AutoProcessor.from_pretrained(model_path)
sampling_params = SamplingParams(temperature=0, max_tokens=16384)

img_path = "/path/to/image.jpg"
img = Image.open(img_path)
messages = [
    {"role": "system", "content": ""},
    {"role": "user", "content": [
        {"type": "image", "image": img_path},
        {"type": "text", "text": "检测并识别图片中的文字，将文本坐标格式化输出。"}
    ]}
]
prompt = processor.apply_chat_template(messages, tokenize=False, add_generation_prompt=True)
inputs = {"prompt": prompt, "multi_modal_data": {"image": [img]}}
output = llm.generate([inputs], sampling_params)[0]
print(clean_repeated_substrings(output.outputs[0].text))

♎️ GitHub/Инструкция

#python #soft #github