🖥 Топ-вакансий для питонистов за неделю

Backend разработчик (Python DRF), гибрид (Москва)

Python разработчик (Platform V), гибрид (Москва)

Python-разработчик —‍ от 220 000 до 530 000 ₽, удалёнка

Разработчик видеоплатформы —‍ от 300 000 до 490 000 ₽, гибрид (Москва, Санкт-Петербург)

Бэкенд-разработчик (DEV) —‍ от 270 000 до 435 000 ₽, удалёнка

Python разработчик —‍ от 100 000 ₽, удалёнка

➡️ Еще больше топовых вакансий — в нашем канале Python jobs

Библиотека питониста

📌 How to: продвинутые срезы в Python

Срезы — одна из самых мощных фич Python. Помимо базового [start:stop:step], они открывают массу возможностей при работе с данными.

Вот несколько продвинутых приёмов, которые вы точно захотите использовать:

1️⃣ Циклический сдвиг списка

def rotate(lst, k):
    k %= len(lst)
    return lst[-k:] + lst[:-k]

rotate([1, 2, 3, 4, 5], 2)  # → [4, 5, 1, 2, 3]

2️⃣ Извлечение элементов по шаблону

days = ['Mon', 'Tue', 'Wed', 'Thu', 'Fri', 'Sat', 'Sun']
days[::3]  # → ['Mon', 'Thu']
days[5:]   # → ['Sat', 'Sun']

3️⃣ Чётные и нечётные индексы

nums = list(range(10))
nums[::2]  # чётные индексы → [0, 2, 4, 6, 8]
nums[1::2] # нечётные индексы → [1, 3, 5, 7, 9]

4️⃣ Массовое обновление по срезу

nums = [0]*10
nums[::2] = range(5)  # → [0, 0, 1, 0, 2, 0, 3, 0, 4, 0]

5️⃣ Парсинг строки фиксированными блоками

data = "abcdefghij"
[data[i:i+2] for i in range(0, len(data), 2)]  
# → ['ab', 'cd', 'ef', 'gh', 'ij']

6️⃣ Срезы в многомерных структурах

matrix = [[1,2,3], [4,5,6], [7,8,9]]
[row[1] for row in matrix]     # → [2, 5, 8]
[matrix[i][i] for i in range(3)]  # → [1, 5, 9]

7️⃣ Использование `slice()` вручную

s = slice(2, 8, 2)
lst = list(range(10))
lst[s]  # → [2, 4, 6]

8️⃣ NumPy: срезы в многомерных массивах

import numpy as np
arr = np.arange(100).reshape(10, 10)
arr[-3:, -3:]  # Подматрица 3×3 в правом нижнем углу

9️⃣ Pandas: срезы по строкам и условиям

import pandas as pd
df = pd.DataFrame({'A': [1,2,3,4], 'B': [10,20,30,40]})

df.iloc[:2]        # первые 2 строки
df.loc[df['A'] > 2]  # строки, где A > 2

🔟 Срезы в байтовых объектах

b = b'Hello, world!'
b[:5]  # → b'Hello'

ba = bytearray([10, 20, 30, 40])
list(ba[1:3])  # → [20, 30]

⚡️ Срезы = читаемый, быстрый и питоничный способ работы с данными. Чем чаще используете — тем меньше кода и ошибок.

📎 Сохраните и поделитесь, если было полезно! Делитесь в комментариях, какими ещё приёмами пользуетесь.

Библиотека питониста #буст

🔝 Подборка лучших курсов по Django

Собрали подборку курсов по одному из самых востребованных Python-фреймворков — Django.

Внутри:
➡️ курсы от базовых до продвинутых,
➡️ бесплатные и платные программы,
➡️ проекты, практика и даже помощь с трудоустройством.

Если ты только начинаешь или уже пишешь на Django, но хочешь делать это увереннее — этот список для тебя.

📌 Статья с подборкой — по ссылке.

Библиотека питониста #буст

🔥 Не пропустите событие лета для DS-комьюнити

23 июня, 19:00 Мск — бесплатный вебинар с Никитой Зелинским «AI-агенты для DS: обзор курса и практические кейсы»

😤 Пока все обсуждают, «как бы внедрить LLM», мы покажем, как строить полноценных AI-агентов, которые делают работу вместо тебя. За час Никита разложит по полочкам:
— архитектуру курса и ключевые модули
— частые ошибки студентов, о которых не принято говорить вслух
— реальные юзкейсы: от чат-ассистентов до систем поддержки решений в проде

➡️ Что почитать от Никиты до Веба:

— Как adversarial-атаки живут даже при смене модели (и почему «подвинуть кровати в борделе» не спасёт)
— Самый быстрый пакетный менеджер uv и эксперимент «pip vs uv»
— 17 методов XAI и 20 метрик на NIPS’24: как не утонуть в «объяснимости»

⚡️ Хотели задать Никите свой каверзный вопрос? Ловите шанс: только в прямом эфире — отвечаем на всё, что обычно «остаётся за кадром».

⏰ МЕСТ МАЛО регистрация закроется, как только забьём комнату. Действуй сейчас → https://clc.to/1iGw6Q

💯

Библиотека питониста #развлекалово

🎯 Что посмотреть и решить: LeetCode для Data Science и аналитики

В подборке — подробные разборы популярных задач с LeetCode, полезные для подготовки к собеседованиям в аналитике данных, Data Science и инженерии:
✅ полное пошаговое объяснение решений на SQL и Python
✅ разбор реальных кейсов из технических интервью
✅ советы для новичков и профи, которые хотят повысить уровень

В видео — практические техники и полезные лайфхаки, чтобы уверенно решать задачи и пройти собеседование.

🎬 Смотреть и учиться: https://clc.to/qF59mg

Библиотека питониста #буст

🔍 Код-ревью: как не поругаться и улучшить код

Недавно спросили:

Как вы организуете код-ревью в Python-команде и как избежать конфликтов?

Код-ревью — это не просто поиск ошибок. Это часть инженерной культуры: возможность учиться, делиться опытом и вместе делать код лучше.

Но чтобы ревью не стало тормозом или ареной споров, важно выстроить процесс правильно.

1️⃣ Чёткие цели и ожидания

Ревью — это не только «работает или нет». Мы смотрим на читаемость, архитектуру, соответствие гайдлайнам, тесты, безопасность и возможные побочные эффекты.

✅ Важно заранее договориться, что считается «блокером», а что — рекомендацией.

2️⃣ Гайдлайны и чек-листы

Хороший чек-лист помогает не забыть важное:
✅ Есть ли тесты и документация?
✅ Соответствует ли код стилю (black, ruff, mypy)?
✅ Не сломано ли API?
✅ Понятна ли логика?

Такой список снижает субъективность и упрощает обсуждение.

3️⃣ Формат общения

Тон — критически важен. Мы не говорим:
🙅‍♂️ «Почему ты сделал это так странно?»
А говорим:
✅ «Как думаешь, если сделать вот так — будет понятнее? Вот пример...»

Ревью — это диалог, а не суд. И да, автор тоже имеет право отстоять решение, если оно обоснованное.

4️⃣ Обратная связь и обучение

Каждое ревью — шанс узнать что-то новое.

✅ Хорошие команды не просто указывают на ошибку, а объясняют «почему» и «как лучше».

5️⃣ Инструменты и скорость

Обычно используется Pull Request + CI.
Линтеры и типизация (black, ruff, mypy) — на автомате, чтобы не обсуждать стиль вручную.

✅ Ревью лучше делать в течение дня, чтобы не тормозить разработку.

💬 А как устроено ревью у вас в команде? Что работает, а что вызывает споры? Делитесь в комментариях 👇

Библиотека питониста #междусобойчик

💫 Как стать профессиональным разработчиком: 6 главных навыков

Думаешь, чтобы стать крутым программистом, нужен диплом престижного вуза? А вот и нет!

➡️ Опытные разработчики уверены: гораздо важнее правильный подход к работе и готовность учиться на своих ошибках.

И знаешь что? Этому может научиться каждый.

Читайте полную статью и узнайте, какие качества помогут вам стать настоящим профи!
▶️ Читать статью

Библиотека питониста #буст

📌 Холивар: одна строка — одно действие

В сообществе Python-программистов давно спорят: как лучше оформлять код — разбивать каждое действие на отдельную строку или использовать методные цепочки?

➡️ Подход «одна строка — одно действие»:
— Улучшает читаемость
— Упрощает отладку
— Позволяет легко комментировать каждое действие
— Делает git diff и blame более наглядными

Пример:

df = df.dropna()
df = df[df["age"] > 18]
df = df.sort_values("score", ascending=False)
df = df.reset_index(drop=True)

➡️ Подход с цепочками методов:
— Более выразителен, особенно при работе с данными
— Помогает избежать временных переменных
— Позволяет видеть весь «путь трансформации» объекта в одном месте
— Хорошо работает с API вроде pandas, SQLAlchemy, Fluent-style интерфейсами

Пример:

df = (
    df.dropna()
      [df["age"] > 18]
      .sort_values("score", ascending=False)
      .reset_index(drop=True)
)

⚠️ Но где проходит граница между выразительностью и нечитаемым монолитом?

💬 А вы что предпочитаете в повседневной практике — лаконичные цепочки или строго пошаговый стиль?
Приводите примеры, делитесь опытом — обсудим!

Библиотека питониста #междусобойчик