🔥 Полезные библиотеки Python

✅ NApy

📌 NApy — это высокопроизводительная библиотека для статистического анализа больших и разнотипных данных с пропущенными значениями. Она использует ускорение на основе Numba и C++ с OpenMP, позволяя выполнять статистические расчеты масштабно и быстро — особенно полезно для интерактивного анализа в условиях ограниченных ресурсов.

📌 Особенности библиотеки:

🟢Оптимизированные статистические тесты с параллелизацией на уровне C++/OpenMP для больших наборов данных
🟢Автоматическая обработка гетерогенных столбцов и пропущенных значений
🟢Работа в интерактивных приложениях и потоках — моментальные результаты без задержек
🟢Превосходит по скорости и потреблению памяти аналоги на чистом Python

⚙️ Установка:

pip install napy

🔢 Документация

#библиотеки

🖥 Python_Scripts

✅ CompressImages.py — скрипт для пакетной обработки изображений: сжатия и изменения размера

📱 Python 3.x
ℹ️ Модули: PIL (Pillow), os, sys, argparse — используется для обработки изображения и работы с файловой системой.

📌 CompressImages.py — утилита, которую запускаешь в папке с изображениями (или указываешь исходную папку), скрипт изменяет размер изображений до заданных лимитов (максимальная ширина/высота), сжимает качество (JPEG или др.), переименовывает по шаблону, и сохраняет в output-папку. Полезно, когда надо оптимизировать папки с фотографиями, иконками, медиа-контентом.

👨‍💻 Пример кода (адаптация из CompressImages.py):

import os
import sys
from PIL import Image
from argparse import ArgumentParser

def process_images(input_dir, output_dir, max_width, max_height, quality=70, rename_template=None):
    os.makedirs(output_dir, exist_ok=True)
    count = 0
    for fname in os.listdir(input_dir):
        if fname.lower().endswith(('.jpg', '.jpeg', '.png')):
            path = os.path.join(input_dir, fname)
            img = Image.open(path)
            # изменение размера с сохранением пропорций
            img.thumbnail((max_width, max_height))
            base_name, ext = os.path.splitext(fname)
            if rename_template:
                out_name = rename_template.replace("{count}", str(count)) + ext
            else:
                out_name = fname
            out_path = os.path.join(output_dir, out_name)
            img.save(out_path, quality=quality)
            print(f"Saved: {out_path}")
            count += 1

def main():
    parser = ArgumentParser()
    parser.add_argument("input_dir")
    parser.add_argument("output_dir")
    parser.add_argument("--max_width", type=int, default=800)
    parser.add_argument("--max_height", type=int, default=600)
    parser.add_argument("--quality", type=int, default=70)
    parser.add_argument("--rename", help="template, e.g. img_{count}")
    args = parser.parse_args()
    process_images(args.input_dir, args.output_dir, args.max_width, args.max_height, args.quality, args.rename)

if name == "__main__":
    main()

📌 Что делает:

🟢 Идёт по всем изображениям в папке с разрешениями .jpg, .jpeg, .png
🟢 Изменяет их размер до заданных максимальных ширины/высоты, сохраняя пропорции
🟢 Сжимает качество (для JPG например), чтобы уменьшить размер файлов
🟢 Опционально переименовывает файлы по шаблону с номером
🟢 Сохраняет всё в выходную папку, чтобы не перезаписывать оригиналы

🔗 Репозиторий/исходник

#скрипты

🖥 Python_Scripts

✅ Hourly Time Tracker + Daily Summary

📌 Этот скрипт помогает отслеживать, сколько времени вы реально тратите на разные задачи в течение дня. Каждые, скажем, 60 минут он спрашивает, над чем вы работаете, записывает это в CSV, а к вечеру присылает красивую сводку времени по проектам. Абсолютно реально и полезно, если вы хотите прокачать свою продуктивность.

📱 Python 3.8+
💾 Модули: time, csv, datetime, argparse

📌 Что умеет этот скрипт:

Каждую заданную минуту спрашивает (CLI), чем вы заняты.
Записывает метку времени и описание задачи в CSV.
В конце дня автоматически выводит краткую таблицу: сколько времени ушло на каждую задачу.
Полезно, чтобы увидеть, куда уходит время, и перестать терять минуты зря.

👨‍💻 Пример использования (CLI):

python time_tracker.py --interval 60 --output time_log.csv

👩‍💻 Код скрипта (time_tracker.py):

import time
import csv
from datetime import datetime
import argparse
from collections import Counter

def track(interval, output):
    with open(output, 'a', newline='', encoding='utf-8') as f:
        writer = csv.writer(f)
        while True:
            now = datetime.now()
            task = input(f"[{now.strftime('%H:%M')}] Что вы сейчас делаете? ")
            writer.writerow([now.isoformat(), task])
            if task.lower() in ('выход', 'exit', 'quit'):
                break
            time.sleep(interval * 60)

def summarize(output):
    tasks = []
    with open(output, newline='', encoding='utf-8') as f:
        for row in csv.reader(f):
            if len(row) >= 2:
                tasks.append(row[1])
    counts = Counter(tasks)
    print("⏳ Итоги дня:")
    for task, cnt in counts.items():
        print(f"{task[:30]:30} — {cnt} отметок")

if __name__ == '__main__':
    parser = argparse.ArgumentParser("Hourly Time Tracker")
    parser.add_argument("--interval", type=int, default=60, help="Интервал опроса (в минутах)")
    parser.add_argument("--output", default="time_log.csv", help="CSV файл для логов")
    parser.add_argument("--summary", action="store_true", help="Показать итог за день и выйти")
    args = parser.parse_args()
    if args.summary:
        summarize(args.output)
    else:
        track(args.interval, args.output)

#скрипты

🖥 Python_Scripts

🔥 Полезные библиотеки Python

✅ msgspec

📌 msgspec — высокопроизводительная библиотека для сериализации данных и валидации структур, которая работает быстрее стандартного json и даже быстрее популярных альтернатив. Она даёт быстрые модели данных (как Pydantic, но легче и шустрее) и сверхбыструю сериализацию в JSON, MessagePack и другие форматы.

📌 Особенности библиотеки:

🟢 Очень высокая скорость — одна из самых быстрых реализаций JSON/MessagePack в экосистеме Python
🟢 Поддержка структур данных через аннотации типов (dataclasses, TypedDict, модели msgspec)
🟢 Валидация входящих данных
🟢 Подходит для высоконагруженных сервисов, API и микросервисов
🟢 Минимальная зависимость от сторонних модулей, ультра-лёгкий рантайм

⚙️ Установка:

pip install msgspec

🔢 Документация

#библиотеки

🖥 Python_Scripts

✅ yandex_music_to_nuclear — python-скрипт для экспорта плейлистов Яндекс.Музыки в формат, удобный для других музыкальных плееров

📱 Python 3.x

📌 Скрипт позволяет экспортировать свои плейлисты из Яндекс.Музыки в JSON и CSV, которые затем можно импортировать в сторонние плееры (например, Nuclear Player). Работает с токеном Яндекс.Музыки, чтобы получить доступ ко всем плейлистам, включая приватные. Поддерживает работу по списку ссылок или через HTML-файлы плейлистов — удобно, если нет токена.

📌 Фичи:

🟢 Можно быстро получить плейлисты из закрытой музыкальной платформы и использовать их в другом приложении.
🟢 Можно хранить свои треки в формате CSV/JSON для анализа или бэкапа.
🟢 Отличный пример полезного сценария автоматизации, работающего с сетевыми API.

🔗 Репозиторий GitHub

#скрипты

🖥 Python_Scripts

🖥 Goedel-Prover — нейросеть, придвигающая формальные доказательства к автоматике

📌 Goedel-Prover — это открытая LLM-модель, предназначенная для автоматического вывода полных формальных доказательств в среде Lean 4. Благодаря сочетанию обучения формализации задач и итеративного режима обучения, она достигает выдающихся результатов на математических бенчмарках.

📌 Модель работает по схеме «statement formalizer + prover iterations». Сначала естественноязыковые математические задачи переводятся в формальный язык Lean 4, затем серия проверов дообучаются друг на друга — каждый следующий решает те те задачи, которые не удалось предыдущему. На benchmark miniF2F Goedel-Prover достигает 57.6% Pass@32, опережая предыдущие модели (DeepSeek-Prover-V1.5) на ~7.6%.

ℹ️ Интересный поворот — в августе 2025 вышла версия Goedel-Prover-V2, с новыми методами: scaffolded data synthesis, verifier-guided self-correction, объединение чекпоинтов (model averaging). В ней используются стратегии самокоррекции: модель сначала генерирует кандидата, затем проверяет его через компилятор Lean и вносит правки. В публичном доступе есть модель Goedel-Prover-V2-32B на Hugging Face.

🔗 Попробовать: Goedel-Prover

🔥 Полезные библиотеки Python

✅ Featuretools

📌 Featuretools — библиотека для автоматизированного создания признаков (feature engineering) в задачах машинного обучения. Она берёт таблицы данных (включая связанные/реляционные), анализирует связи между ними и автоматически генерирует новые признаки на основе правил и трансформаций. Это особенно полезно, когда нужны мощные признаки для моделей, но ручное проектирование слишком долгое или сложное.

📌 Особенности библиотеки:

🟢 Автоматическое создание признаков: генерирует сотни/тысячи новых признаков из сырых данных без ручного кодинга.
🟢 Поддержка реляционных и временных данных: можно работать с несколькими таблицами и использовать их отношения при генерации признаков.
🟢 Интеграция в ML-пайплайны: легко использовать с pandas и стандартными ML-инструментами.
🟢 Лёгкая установка и использование — есть примеры кода и документация.

⚙️ Установка:

pip install featuretools

🔢 Документация

#библиотеки

🖥 Python_Scripts

🕊🕊🕊🕊🕊🕊🕊🕊🕊🕊

Каналы с IT мероприятиями

Подписывайся,
чтобы не пропустить 👨‍💻

1. IT мероприятия для стажеров и студентов
2. IT мероприятия по РФ
3. IT мероприятия и хакатоны
4. Бесплатные IT мероприятия
5. IT мероприятия онлайн
6. IT мероприятия Москва
7. IT мероприятия Санкт-Петербург

✅ PDF Encryption Script — Python‑скрипт для защиты PDF паролем и шифрования файла.

📱 Python  3.x

📌 Скрипт позволяет зашифровать PDF‑файл с помощью числового пароля — при попытке открыть файл потребуется ввести пароль. Работает на Python и использует библиотеку PyPDF2 для обработки PDF‑структуры. Есть простая оболочка запуска: клонируешь репозиторий, устанавливаешь зависимости и запускаешь файл .py, вводя имя PDF и пароль.

📌 Фичи:

🟢 Возможность быстро защитить конфиденциальный документ перед пересылкой или хранением.
🟢 Минималистичный CLI‑инструмент — подходит для автоматизации через другие скрипты или CRON‑задачи.
🟢 Можно расширить поддержку шифрования, добавить графический интерфейс или работу с папками.

🔗 Репозиторий GitHub

#скрипты

🖥 Python_Scripts

📱 Держите 6 хороших каналов по искусственному интеллекту и программированию для любого уровня!

Выбирай направление:

📱 Нейросети — @neuro_prompt

🤖 AI-инструменты — @ai_prompt

📱 Python — @python_prompt

🤔 InfoSec & Хакинг — @infosec_prompt

👩‍💻 IT Новости — @it_news

😄 IT Мемы — @it_memes

Промпты, обучение, шпаргалки и полезные ресурсы на каждую тему!

✅ sync-gists — скрипт из репозитория “osteele/noscripts”, написанный на Python и Bash, который автоматически синхронизирует локальные файлы-скрипты/заметки с GitHub Gists.

📱 Python 3.8+
💾 Модули: os, subprocess, возможно requests или gh для Gist API, плюс Bash для хука. (детали — на странице проекта)

📌 sync-gists — помогает держать репозитории заметок/скриптов в актуальном виде: когда ты правишь локальные файлы, скрипт автоматически или по команде пушит изменения в соответствующие GitHub Gists. Удобно, если используешь Gist как резервное хранилище быстро-доступного кода или заметок.

🔧 Код и использование (примерная логика):

#!/usr/bin/env bash
# bash wrapper + python

LOCAL_DIR="$HOME/gists"
GIST_API_TOKEN="your_token_here"

for file in "$LOCAL_DIR"/*; do
    # получить соответствующий gist ID из маппинга
    gist_id=$(basename "$file" .py)
    # проверка, есть ли изменения
    git diff --quiet "$file" || \
    curl -X POST -H "Authorization: token $GIST_API_TOKEN" \
         -d "{\"files\": {\"$(basename "$file")\":{\"content\":\"$(sed 's/\"/\\\"/g' "$file")\"}}}" \
         "https://api.github.com/gists/$gist_id"
done

*(Это адаптированный фрагмент, не точный код из репо, но отражает основную идею.)

#скрипты

🖥 Python_Scripts

✅ Daily.py — коллекция готовых Python-скриптов для автоматизации повседневных задач

📱 Python 3.x

📌 Daily.py — репозиторий, в котором собраны десятки отдельных скриптов на Python: для управления файлами, работы с данными, автоматизации мелких задач. Полезно, если хочешь выбрать готовый скрипт «под дело» и быстро внедрить в свой рабочий процесс.

👨‍💻 Пример кода (логика):

# Примерный вызов (адаптирован)
from daily import file_organizer

file_organizer.run(src="/Users/user/Downloads", mode="by_extension")

📌 Что делает:

🟢 В комплекте: скрипт «FileOrganizer» — перемещает файлы по расширениям. (пример из списка)
🟢 Скрипты для отправки писем, переименования, скачивания, обработки изображений, работы с PDF и т.д.
🟢 Модули организованы как «выбери нужный скрипт → настрой → запусти».
🟢 Хорошее стартовое решение, если хочешь не писать с нуля, а подправить готовый.

🔗 Репозиторий GitHub

#скрипты

🖥 Python_Scripts

🔥 Полезные библиотеки Python

✅ PyXAB

📌 PyXAB — библиотека для X-armed бандитов и онлайн blackbox оптимизации. Предназначена для задач, где пространство действий непрерывно или высокоразмерно, и классические дискретные методы бандитов не подходят. Реализует такие алгоритмы, как HOO, StoSOO, HCT, GPO и др., а также даёт инструменты для оценки и синтетические функции для экспериментов.

📌 Особенности библиотеки:

🟢 Поддерживает несколько алгоритмов X-armed бандитов — HOO, StoSOO, HCT, а также более современные подходы GPO, VHCT и др.
🟢 Встроенные синтетические функции (test functions) для отладки и сравнительной оценки алгоритмов.
🟢 Гибкость в выборе разбиения пространства, параметров модели и стратегии поиска.
🟢 Документированная программная обвязка: интерфейсы для запуска экспериментов, анализа результатов, визуализации.
🟢 Открытая лицензия MIT, исходники на GitHub, доступна через PyPI.

⚙️ Установка:

pip install pyxab

🔢 Документация

#библиотеки

🖥 Python_Scripts

✅ autoDownloader

📱 Python 3.9+
ℹ️ Модули: В репозитории скрипта.

📌 autoDownloader — скрипт, который позволяет автоматизированно проверять заданные источники (RSS, HTML или текстовые файлы), и при появлении новых ссылок скачивать контент. Идеален для подписки на обновления: журналы, блоги, файлы, медиа.

👨‍💻 Пример использования и конфигурации:

Установка:

cd autoDownloader
pip install -r requirements.txt

Конфиг config.json:

{
  "items": [
    {
      "name": "Новости Блога",
      "dest_dir": "/home/user/auto_downloads",
      "provider": {
        "type": "RssProvider",
        "url": "https://someblog.com/rss.xml",
        "xpaths": {
          "noscript": "/item/noscript",
          "items": "//item",
          "url": "/item/link"
        }
      },
      "cache": {
        "type": "FileCache",
        "path": "/home/user/auto_downloads/cache.txt"
      },
      "downloader": {
        "type": "HttpDownloader",
        "method": "GET"
      },
      "post_downloads_noscript": "/home/user/noscripts/notify_new.sh"
    }
  ]
}

📌 Что делает:

🟢 Проверяет источники на новые записи / ссылки
🟢 Если появляются новые URL — скачивает
🟢 Использует кэш, чтобы не перезагружать то, что уже скачано
🟢 Можно подцепить свои скрипты перед/после скачивания, чтобы делать автоматические действия
🟢 Отлично подходит для автоматизации сбора данных, распространения материалов или мониторинга новых публикаций

🔗 Репозиторий GitHub

#скрипты

🖥 Python_Scripts