🐍 Python 3.14.0 beta 2 уже доступен

Вышла вторая бета-версия Python 3.14. Это превью-версия, предназначенная для тестирования новых фич, подготовки экосистемы и сбора обратной связи.

Основные нововведения в 3.14:
✔️ PEP 649 — отложенное выполнение type hints
✔️ PEP 750 — t-строки (template strings) — как f-строки, но для кастомной обработки
✔️ PEP 784 — модуль compression.zstd с поддержкой алгоритма Zstandard
✔️ PEP 768 — интерфейс внешней отладки без накладных расходов
✔️ PEP 765 — запрет на return/break/continue из finally
✔️ PEP 758 — except и except* можно писать без скобок
✔️ Цветной вывод в unittest, argparse, json, calendar, PyREPL
✔️ Поддержка UUID v6–v8
✔️ Встроенный HMAC с проверенной реализацией
✔️ Новый тип интерпретатора с более высокой производительностью (пока эксперимент)
✔️ Новый CLI-инструмент для анализа работающих Python-процессов
✔️ pdb теперь поддерживает подключение к удалённым процессам

⚠️ Важно: это тестовая версия, не рекомендуется для продакшена. Но если вы — мейнтейнер библиотеки или инфраструктуры, сейчас отличное время, чтобы попробовать 3.14 и сообщить об ошибках до релиз-кандидатов.

📅 Следующий релиз — 3.14.0b3, запланирован на 17 июня 2025.

Библиотека питониста #свежак

Что выведет код?

👾 — 2 7
👍 — 1 5
🥰 — 1 7
⚡️ — 2 5

Библиотека задач по Python

🖥 Топ-вакансий для питонистов за неделю

Ведущий инженер по эксплуатации баз данных (DBA), гибрид (Москва)

Team Lead (Python) команды разработки —‍ от 350 000 до 450 000 ₽, удалёнка

ML/CV backend разработчик (python) —‍ от 300 000 до 380 000 ₽, удалёнка

AI / Prompt Engineer —‍ до 200 000 ₽, удалёнка

Python-разработчик —‍ до 570 000 ₽, удалёнка

➡️ Еще больше топовых вакансий — в нашем канале Python jobs

Библиотека питониста

🤝 Как вызвать Python из C — гайд для ресерчеров и хардкорных разработчиков

Если вы пишете код на C и Python, рано или поздно возникнет задача: как вызывать Python из C? Особенно если вы работаете с AI-исследованиями, Tensorflow, или хотите встроить скрипты в уже существующий C-проект.

Вот краткое руководство:

1⃣ Подключить Python.h:

python3-config --includes

2⃣ Включить заголовочный файл в C:

В Cmain.c:

#include <Python.h>

3⃣ Скомпилировать:

gcc Cmain.c -I/usr/include/python3.8 -lpython3.8 -o Cmain.o

4⃣ Инициализировать интерпретатор:

setenv("PYTHONPATH", "./", 1);
Py_Initialize();
// ...
Py_Finalize();

5⃣ Импортировать модуль и вызывать функцию:

PyObject *module = PyImport_ImportModule("PythonFunctions");
PyObject *func = PyObject_GetAttrString(module, "PrintList");
PyObject_CallObject(func, args);

6⃣ Аргументы (списки, числа и пр.):
Создаём через PyList_New, PyLong_FromLong, PyTuple_Pack.

7⃣ Очистка памяти:
Не забываем про Py_XDECREF(...)

▶️ Подойдёт для:
📍Встраивания ML-логики в C
📍Быстрого прототипирования
📍Работы с TensorFlow C API

▶️ Полный гайд и файлы — в детальной статье: https://clc.to/ys3cjw

Библиотека питониста #буст

🔎 Команда дня: быстрый рецепт профилирования с cProfile и pstats

🔍 Профилирование — это способ найти узкие места в производительности кода.

Вы можете точно узнать, какие функции тормозят выполнение, где тратится больше всего времени, и какие вызовы стоит оптимизировать.

Python поставляется с двумя встроенными профайлерами:
🔴 cProfile — написан на C, работает быстрее и точнее,
🔴 profile — на Python, обычно медленнее.

✔️ Обычно выбираем cProfile для измерения производительности.

Как профилировать скрипт

1️⃣ Запустите скрипт с профилированием и сохраните результат в файл:

python -m cProfile -o profile my_script.py

2️⃣ Для анализа результатов используйте модуль pstats:

python -m pstats profile <<< $'sort cumtime\nstats 1000' | less

🔴 sort cumtime — сортируем функции по кумулятивному времени (время выполнения функции плюс все вызовы внутри неё)
🔴 stats 1000 — показываем первые 1000 строк статистики
🔴 less — удобный просмотр с прокруткой (нажмите q для выхода)

Полезные опции

✔️ Профилируйте модули через -m:

python -m cProfile -o profile -m module_name [args]

✔️ Для сравнения результатов до и после оптимизации используйте разные имена файлов:

python -m cProfile -o before.profile script.py
python -m cProfile -o after.profile script.py

Можно менять сортировку по другим метрикам:
🔴 time — время выполнения только самой функции
🔴 calls — количество вызовов функции (может помочь найти «горячие» участки)

Библиотека питониста #буст

🔖 Чек-лист: как запускать Python в продакшене

✅ Управление зависимостями

✅ Используйте poetry или uv (очень быстрый, но пока нестабилен)
✅ Настройте автообновление через `dependabot`
✅ Проверяйте зависимости на уязвимости с помощью pip-audit и deptry

✅ Качество кода

✅ Используйте `ruff` как основной линтер (вместо flake8, pylint, autoflake, isort)
✅ Добавьте проверку типов через pyright или flake8-annotations
✅ Настройте `pre-commit` хуки — это поможет избежать ошибок ещё до коммита

✅ Безопасность

✅ Используйте GitGuardian, Gitleaks или Noseyparker для защиты от утечек секретов
✅ Проверяйте лицензии зависимостей: licensecheck (например, избегайте GPL-библиотек)

✅ Архитектура и поддержка

✅ Для веб-сервисов используйте FastAPI + Gunicorn — производительность выше Flask в 3 раза
✅ Используйте dataclass или pydantic для описания моделей данных
✅ Избегайте threading, используйте asyncio или мультипроцессинг

✅ Docker и деплой

✅ Используйте многоступенчатые Docker-сборки
✅ Избегайте alpine-образов Python — могут возникнуть проблемы с glibc
✅ Если не нужен GPU — устанавливайте CPU-only версии библиотек (например, PyTorch)
✅ Скачивайте внешние зависимости (модели spacy, transformers) на этапе сборки
✅ Задайте переменные окружения:

  ENV TRANSFORMERS_OFFLINE=1  
  ENV HF_HUB_OFFLINE=1
  

✅ Компилируйте .pyc во время сборки для ускорения старта контейнера
✅ Запускайте контейнеры от имени не-root пользователя:

  RUN groupadd -r appuser && useradd -r -g appuser appuser  
  USER appuser

Библиотека питониста #буст