23 小时前 / openio
选自datawhatnow 作者：Vinko Kodoman 机器之心编译 参与：Geek AI、思源 从 3.0 到 3.8，Python 3 已经更新了一波又一波，但似乎我们用起来和 2.7 没有太大区别？以前该怎么写 2.7 的代码现在就怎么写，只不过少数表达方式变了而已。在这篇文章中，作者介绍了 3.0 以来真正 Amazing 的新函数与新方法，也许这些方法我们都不太熟，但它们确实在实践中非常重要。许多人在了解到 Python 2.7 即将停止维护后，都开始将他们的 Python 版本从 2 切换到 3。截止到 5 月 19 号上午 10 点，Python 2.7 将终结于... 在这一段时间中，很多优秀......
2 天前 / 豌豆花下猫
花下猫语：Python 中最广为人诟病的一点，大概就是它的 GIL 了。由于 GIL 的存在，Python 无法实现真正的多线程编程，因此很多人都把这视作 Python 最大的软肋。 PEP-554 提出后（2017年9月），大伙似乎看到了一线改善的曙光。然而，GIL 真的可以被彻底杀死么，如果可以的话，它会怎么实现呢，为什么等了一年多还没实现，仍需要我们等待多长时间呢？ 图片来源：pexels 英文 | Has the Python GIL been slain【1】 作者 | Anthony Shaw 译者 | 豌豆花下猫 声明 ：本文获得原作者授权翻译，转载请保留原文出处，请勿用于商业或非法用途。......
6 天前 / 雇个城管打天下
上篇文章介绍了python web开发中经常使用到的一个框架flask，如果有遗忘的，可以点此回顾AI画家第三弹——毕业设计大杀器之Flask，本文的主要任务就是完成上篇文章末尾的要求，利用Flask发布你自己的风格迁移API。 本文源码可在微信公众号「01二进制」后台回复「风格迁移API」获得 需求分析我们知道软件工程的第一步就是需求分析，放在这里就是要知道我们需要实现的功能是什么样的。我画了一张简陋的图来描述这次的需求： 真的是很简陋的一张图啊，其实理解起来很容易，就是用户上传一张图片，Flask获取到这张图片，调用风格迁移的模型，然......
6 天前 / 豌豆花下猫
图片来源：pexels Python 是一门强大的动态语言，那动态体现在哪里，强大又体现在哪里呢？ 除了好的方面，Python 的动态性是否还藏着一些使用陷阱呢，有没有办法识别与避免呢？ 沿着它的动态特性话题，猫哥有几篇文章依次探及了：动态修改变量、动态定义函数、动态执行代码等内容，然而，当混合了变量赋值、动态赋值、命名空间、作用域、函数的编译原理等等内容时，问题就可能会变得非常棘手。 因此，这篇文章将前面一些内容融汇起来，再做一次延展的讨论，希望能够理清一些使用的细节，更深入地探索 Python 语言的奥秘。 （1）疑惑重重的......
7 天前 / mr7
作者介绍：changqing，腾讯互娱品质管理部TuringLab研究员 | 导语最近在github上冒出了一个python的debug神器PySnooper，号称在debug时可以消灭print。那么该工具有哪些优点呢，如何使用该工具呢。本文就介绍该工具的优缺点和使用方式。 前言： 使用python开发过程中，总是避免不了debug。传统的debug过程大致分为两种： a）断点+单步调试。 断点+单步调试估计是用的最多的了，对于较大型项目来说，其流程大致为：先在关键的代码位置加上print语句，通过分析print的值将范围缩小，这个过程可能需要重复多次，使用pr......
8 天前 / hyper0x
作者：MichaOleszak翻译：张恬钰校对：吴金笛 本文5000字，建议阅读12分钟。 本文讨论了几种子集和收缩方法：最佳子集回归, 岭回归, LASSO, 弹性网, 最小角度回归, 主成分回归和偏最小二乘。 本文讨论了七种流行的收缩和选择方法的数学属性和实际的Python应用。 在本文中，我们将介绍七种流行的子集选择和线性回归收缩方法。在介绍了证明需要这些方法的主题之后，我们将逐一研究每种方法，包括数学属性和Python应用程序。 为什么收缩或子集，这是什么意思？ 在线性回归上下文中，子集意味着从可用变量中选择要包含在模型中......
10 天前 / 简
前言 从这篇开始我会不定期写一些在实际工作中把项目代码从Python2.7迁移到最新的Python 3.7的经验。 这篇先介绍pyupgrade - 一个修改代码中Python 2语法到最新版本写法的工具，同时它还可以作为pre-commit钩子，可以在代码提交或者push时拒绝引入旧的用法。 为什么需要这么一个工具呢？3个理由： 替换代码中旧版本Python的用法。例如'%s %s'%(a,b)这种百分号的字符串格式化写法 替换成Python 3的新语法。例如在Python 3中super不再需要传递self、字符串格式化在Python 3.6及以后可以直接用f-strings 迁移后不再需要支持Python2，所以应该......
11 天前 / kbsc13
2019 第 41 篇，总第 65 篇文章 本文大约 4000字，阅读大约需要 12分钟 最近简单运用 itchat 这个库来实现一些简单的应用，主要包括以下几个应用： 统计保存好友的数量和信息 统计和保存关注的公众号数量和信息 简单生成好友头像的图片墙，利用一个第三方库生成马赛克风格的图片墙 itchat 的 github 项目地址如下，这是一个开源的微信个人接口： https://github.com/littlecodersh/ItChat 这个库的安装也很简单，直接用pip install itchat即可安装 接下来就开始介绍如何利用这个库来实现上述操作。 1. 统计保存好友的数量和信息首先是微......
13 天前 / gansteed
Flask自动加载Blueprint写多了 from controllers.xxx import xxx, app.register_blueprint(xxx) 就想偷懒。于是就仿照 unittest 的实现思路来做了一个自动加载 Blueprint 的工具。使用方法如下： from loadbp import load_bpapp = Flask(__name__, template_folder="templates")load_bp(app)是不是非常简单？如果有一些 Blueprint 暂时还不想加载，那么设置一个属性 _DO_NOT_LOAD_BP 即可。例如： $ grep _DO_NOT_LOAD_BP controllers/*controllers/issue.py:_DO_NOT_LOAD_BP = Truecontrollers/user.py:_DO_NOT_LOAD_BP = True下面是实现： imp......
14 天前 / Old_Panda
问题上回书我们说到，当给一个生成器函数加上 @context.contextmanager 时，这个函数就可以用上下文管理器的语法（ with ）来调用，其中 yield 返回的变量即为我们在 with 区块中使用的值。我们已经知道，要用上下文管理器调用一个函数或者变量，该变量需要是一个实现了 __enter__ 和 __exit__ 方法的类的实例，那么不禁好奇，为什么加上 @context.contextmanager 之后，一个函数就能用作上下文管理器？ 还是从 Python 源码入手，不难发现， @context.contextmanager实际上是一个普通的 Python 高阶函数，它返回的是一个定义在它里面的函数 helper......
15 天前 / IT一刻钟
微信公众号：IT一刻钟 大型现实非严肃主义现场 一刻钟与你分享优质技术架构与见闻，做一个有剧情的程序员 关注可第一时间了解更多精彩内容，定期有福利相送哟。 Python 是由吉多·范罗苏姆(Guido Van Rossum)在 90 年代早期设计。 它是如今最常用的编程语言之一。它的语法简洁且优美，几乎就是可执行的伪代码。同时它具有大量丰富的科学计算扩展库，是做数据挖掘与分析的居家必备之物。 有编程经验的小伙伴，朗诵以下代码块，完成Python3快速入门。 （手机端不宜观摩，建议收藏后电脑端观摩） #用井字符开头的是单行注释 """多行字......
15 天前 / 占占洋
点击蓝色字关注我们！ ◆◆◆ 如何在Python中实现单例模式，是面试编码环节时比较常见的题目了，这里我们介绍四种实现方式。 1.使用装饰器 2.使用基类 3.使用元类 4.使用模块 ◆定义 单例模式（Singleton Pattern）是一种常用的软件设计模式，该模式的主要目的是确保某一个类只有一个实例存在。当你希望在整个系统中某个类只能出现一个实例时，单例对象就能派上用场。 应用场景： 1. 网站的计数器：程序内一般采用单例模式，否则难以同步 2. Web应用的配置对象的读取：配置文件是共享资源 3. 多线程的线程......
16 天前 / 邓旭东
今天学到pandas的一个扩展库- pandas-profiling，该库可以从dataframe中生成报告文件。实际上df.describe()就是能实现类似的功能，但是对于数据分析初期的数据探索略微有些鸡肋。 pandas-profiling 可以在html动态交互页面中呈现如下统计信息： 基础信息：类型、唯一值、缺失值 分位数统计量：如最小值，Q1，中位数，Q3，最大值，范围，四分位数范围 描述性统计量：均值、标准差、和、中位绝对偏差、变异系数、峰度、偏度 最常出现的值 直方图 相关系数：高度相关的变量、斯皮尔曼和皮尔森矩阵 安装!pip3 install pandas_profiling pandas......