|
本文精选了 Python开发者 6月份的15篇 Python 热文。其中有基础知识，机器学习，数据库以及web开发等。 注：以下文章，点击标题即可阅读 Python 这门语言最大的优点之一就是语法简洁，好的代码就像伪代码一样，干净、整洁、一目了然。但有时候我们写代码，特别是 Python 初学者，往往还是按照其它语言的思维习惯来写，那样的写法不仅运行速度慢，代码读起来也费尽。此系列文章列举一些常见的 Pythonic 写法，希望能给你带来一点启迪。 不论你是有着多年经验的 Python 老司机还是刚入门 Python 不久的新贵，你一定遇到过UnicodeEncodeError、UnicodeDecodeError 错误，每当遇到错误我们就拿着 encode、decode 函数翻来覆去的转换，有时试着试着问题就解决了，但似乎很少去关心问题的本质是什么，下次遇到类似的问题重蹈覆辙，那么你有没有想过一次性彻底把 Python 字符编码给搞懂呢？ 在使用Python多年以后，我偶然发现了一些我们过去不知道的功能和特性。一些可以说是非常有用，但却没有充分利用。考虑到这一点，我编辑了一些你应该了解的Python功能特色。 NoSQL 这个词在近些年正变得随处可见. 但是到底 “NoSQL” 指的是什么? 它是如何并且为什么这么有用? 在本文, 我们将会通过纯 Python (我比较喜欢叫它, “轻结构化的伪代码”) 写一个 NoSQL 数据库来回答这些问题. 在 C/C++ 中，传值和传引用是函数参数传递的两种方式，在Python中参数是如何传递的？本文来回答你。 在Python中，WSGI定义了Web服务器与Web应用（或Web框架）之间的标准接口。在WSGI的规范下，各种各样的Web服务器和Web框架都可以很好的交互。本文使用Python实现了一个简单的web框架，可以帮助想要做web开发的同学更好的理解python框架的工作原理。 本文以一段自打24小时耳光的视频为例子，介绍了如何利用均值哈希算法来检查重复视频帧。 Python是最好的编程语言之一，在科学计算中用途广泛：计算机视觉、人工智能、数学、天文等。它同样适用于机器学习也是意料之中的事。这篇文章的目的就是列举并描述Python可用的最有用的机器学习工具和库。 在了解Python的数据结构时，容器(container)、可迭代对象(iterable)、迭代器(iterator)、生成器(generator)、列表/集合/字典推导式(list,set,dict comprehension)众多概念参杂在一起，难免让初学者一头雾水，我将用一篇文章试图将这些概念以及它们之间的关系捋清楚。 朴素贝叶斯算法简单高效，在处理分类问题上，是应该首先考虑的方法之一。通过本教程，你将学到朴素贝叶斯算法的原理和Python版本的逐步实现。 《基于 Python 和 Scikit-Learn 的机器学习介绍》 R和Python是提供给数据科学家的最常用的两种工具。每一个工具都有其优缺点，但Python最近在各个方面都有所胜出（仅为鄙人愚见，虽然我两者都用）。这一切的发生是因为Scikit-Learn库的腾空出世，它包含有完善的文档和丰富的机器学习算法。 通道是 Django 即将支持的令人兴奋的特性，它将使得 Django 不止支持普通请求外部工具和库（即便不是 Python 的），还可能是整个框架。本文对Django通道进行了简要的介绍。 字典对象在Python中作为最常用的数据结构之一，和数字、字符串、列表、元组并列为5大基本数据结构，字典中的元素通过键来存取，而非像列表一样通过偏移存取。笔者总结了字典的一些常用Pyhonic用法。 本文介绍了 python 内部是如何管理字符串对象，以及字符串查找操作是如何实现的。对Python内部实现感兴趣的童鞋可以看过来。 欢迎来到“用Python进行贝叶斯模型建模”——面向对使用Python（PYMC3）实现贝叶斯模型技术感兴趣的人群的教程。这不是讲述贝叶斯统计的教程，而是一个编程食谱，适合那些掌握贝叶斯统计基础，并且想要使用 Python 构建贝叶斯模型的人。 |
|
|
