能力说明：
了解Python语言的基本特性、编程环境的搭建、语法基础、算法基础等，了解Python的基本数据结构，对Python的网络编程与Web开发技术具备初步的知识，了解常用开发框架的基本特性，以及Python爬虫的基础知识。
暂时未有相关云产品技术能力~
欢迎关注公众号@Python猫
切片（slice）是 Python 中一种很有特色的特性，在正式开始之前，我们先来复习一下关于切片的知识吧。 切片主要用于序列对象中，按照索引区间截取出一段索引的内容。 切片的书写形式：[i : i+n : m] ；其中，i 是切片的起始索引值，为列表首位时可省略；i+n 是切片的结束位置，为列表末位时可省略；m 可以不提供，默认值是 1，不允许为 0，当 m 为负数时，列表翻转。 切片的基本含义是：从序列的第 i 位索引起，向右取到后 n 位元素为止，按 m 间隔过滤 。
毫无疑问，Python 是一门强类型语言。强类型语言。强类型语言！ 这就意味着，不同类型的对象通常需要先做显式地类型转化， 然后才能进行某些操作。
Python 支持 lambda 匿名函数，其扩展的 BNF 表示法是lambda_expr ::= "lambda" [parameter_list] ":" expression ，也就是 lambda 参数序列:表达式。
以 Python 的几种常见类型为例，我们可以从对比中看出规律：int 是一种表示整数的类型，它有无限个可能的整数值；bool 是一种布尔类型，它有两个可能的值（True 和 False）；NoneType 是一种表示 None 的类型，它只有一个值（None）。 至于 void，它是一种更为抽象的特殊类型，但是不包含任何值。
这个问题的关键是要使用在 Python 3.3 中引入的__qualname__ 属性，通过它可以获取上层类的名称。 铺垫了这么多，开始进入本文的正题了：__qualname__ 属性是什么东西？为什么 Python 3 要特别引入它呢？
Python 在涉及真值判断（Truth Value Testing）时，语法很简便。 比如，在判断某个对象是否不为 None 时，或者判断容器对象是否不为空时，并不需要显示地写出判断条件，只需要在 if 或 while 关键字后面直接写上该对象即可。 如果需要作出相反的判断，即“如果为 None 或为空”，只需要写成if not my_list 即可。
... 是 Python 3 中的一个内置常量，它是一个单例对象，虽然是 Python 2 中就有的 Ellipsis 的别称，但它的性质已经跟旧对象分道扬镳 ... 可以替代 pass 语句作为占位符使用，但是它作为一个常量对象，在占位符语义上并不严谨。很多人已经在习惯上接受它了，不妨一用 ... 在 Python 中不少的使用场景，除了占位符用法，还可以支持扩展切片语法、丰富 Type Hint 类型检查，以及表示容器对象的无限循环 ... 对大多数人来说，可能并不多见（有人还可能因为它是一种符号特例而排斥它），但它的存在，有些时候能够带来便利。希望本文能让更多人认识它，那么文章的目的也就
简单而言，pass 是一种空操作（null operation），解释器执行到它的时候，除了检查语法是否合法，什么也不做就直接跳过。 它跟 return、break、continue 和 yield 之类的非空操作相比，最大的区别是它不会改变程序的执行顺序。它就像我们写的注释，除了占用一行代码行，不会对所处的作用域产生任何影响。
Python 能在一条语句中实现多重赋值，这是利用了序列解包的特性 Python 能在一条语句中实现变量交换，不需引入中间变量，在变量数少于 4 个时（3.8 版本起是少于 5 个），CPython 是利用了 ROT_* 指令来交换栈中的元素，当变量数超出时，则是利用了序列解包的特性。 序列解包是 Python 的一大特性，但是在本文的例子中，CPython 解释器在小小的操作中还提供了几个优化的指令，这绝对会超出大多数人的认知
zip() 是 Python 中最好用的内置类型之一，它可以接收多个可迭代对象参数，再返回一个迭代器，可以把不同可迭代对象的元素组合起来。 内容主要分三部分： • 用法部分：介绍它的基础用法、高级用法、骚操作用法 • 进阶部分：介绍它的实现原理，关注几个实现的细节 • 发散部分：聚焦它的不足，以及解决方法
在 C/C++/Java 等等语言中，整型变量的自增或自减操作是标配，它们又可分为前缀操作（++i 和 --i）与后缀操作（i++ 和 i--），彼此存在着一些细微差别，各有不同的用途。
一般而言，编程语言中使用分号“;”来实现两种目的： 1. 作为语句分隔符：使用分号来分隔语句（statement），这样就能在一行代码中书写多条语句（一行多句） 2. 作为语句终止符：使用分号来终止语句，这样就能把多行代码识别为一条语句（一句多行）
众所周知，升级某个库（假设为 xxx），可以用pip install --upgrade xxx 命令，或者简写成pip install -U xxx 。 如果有多个库，可以依次写在 xxx 后面，以空格间隔。那么，如何简单优雅地批量更新系统中全部已安装的库呢？
不使用 if-elif 语句，如何优雅地判断某个数字所属的等级？
在标准库inspect 中，它提供了两个自省的函数，即 ismethod() 和 isfunction()，可以用来判断什么是方法，什么是函数。
Python 当前要求所有装饰器都由 dotted name 组成，可选地带一个调用。本 PEP 提议消除这些限制，并允许任何有效的表达式作为装饰器。 （译注：dotted name，指的是装饰器在“@”符号后是“xxx”或“xxx.yyy”这种格式。没有很好地译法，故未译。）
Numpy 这么做是因为它是做科学计算的，为了提升效率，它把编译好的 C 拓展文件打包，从而不需要依赖环境上的 libxxx-devel 之类的库。如果你编译安装过 Python，应该有印象需要安装 zlib-devel、openssl-devel 和 libffi-devel 之类的系统依赖。但我们前面的问题比较简单，并不是有不同的编译依赖（系统级），而只是三方库依赖不同（项目级）。 另一个主要的原因，Numpy 打包出的不同系统版本，并非简简单单地用 setuptools 之类的 Python 库就能打包，而是要借助标准的镜像进行构建。
简单来说，它是一个用 Python 开发的轻量级的远程系统管理工具，在远程登录服务器、执行 Shell 命令、批量管理服务器、远程部署等场景中，十分好用。 Fabric 2 是其最新的大版本，跟早前的 Fabric 1 有挺大的不同，更加好用了，但是没填上的坑也挺多的……
关于 Python 自动化的话题，在上一篇文章中，我介绍了 Invoke 库，它是 Fabric 的最重要组件之一。Fabric 也是一个被广泛应用的自动化工具库，是不得不提的自动化运维利器，所以，本文将来介绍一下它。 Fabric 主要用在应用部署与系统管理等任务的自动化，简单轻量级，提供有丰富的 SSH 扩展接口。在 Fabric 1.x 版本中，它混杂了本地及远程两类功能；但自 Fabric 2.x 版本起，它分离出了独立的 Invoke 库，来处理本地的自动化任务，而 Fabric 则聚焦于远程与网络层面的任务。
invoke 是从著名的远程部署工具 Fabric 中分离出来的，它与 paramiko 一起是 Fabric 的两大最核心的基础组件。
其核心作用是支持创建隔离的 Python 环境，在里面可以安装不同版本的 Python 解释器与各种依赖库，以此方便开发者做自动化测试、打包、持续集成等事情。 简单来说，tox 是一个管理测试虚拟环境的命令行工具。 它已存在多年且广被开发者们使用，例如，著名的云计算平台 OpenStack 也采用了它，作为最基础的测试工具之一
Python 中装饰器的本质就是移花接木，用一个新的方法来替代被装饰的方法。
参数化测试是一种“数据驱动测试”（Data-Driven Test），在同一个方法上测试不同的参数，以覆盖所有可能的预期分支的结果。它的测试数据可以与测试行为分离，被放入文件、数据库或者外部介质中，再由测试程序读取。
Python 中 -m 的典型用法、原理解析与发展演变
用于项目依赖管理的工具有很多，本文主要围绕与 requirements.txt 文件相关的、比较相似却又各具特色的 4 个三方库
在写 Python 项目的时候，我们可能经常会遇到导入模块失败的错误：ImportError: No module named 'xxx' 或者 ModuleNotFoundError: No module named 'xxx' 。 导入失败问题，通常分为两种：一种是导入自己写的模块（即以 .py 为后缀的文件），另一种是导入三方库。
若两个元组相等，即 a==b 且 a is b，那么相同索引的元素（如 a[0] 、b[0]）是否必然相等呢？
Python 的有趣之处还不止于此，本文要继续分享另一种内存管理机制，在某种程度上，它实现了共享经济与供需平衡的融合，我们从中可揭开 Python 的另一重身份…
Python 中的sys 模块极为基础而重要，它主要提供了一些给解释器使用（或由它维护）的变量，以及一些与解释器强交互的函数。 本文将会频繁地使用该模块的getsizeof() 方法，因此，我先简要介绍一下： • 该方法用于获取一个对象的字节大小（bytes） • 它只计算直接占用的内存，而不计算对象内所引用对象的内存
使用 pprint 模块的 pprint() 替代 print()，可以解决如下痛点： • 设置合适的行宽度，作适当的换行 • 设置打印的缩进、层级，进行格式化打印 • 判断对象中是否出现无限循环，并优化打印内容 1、简单使用
GIL 即全局解释器锁（Global Interpreter Lock），是 Python 解释器中的一个布尔值，受到互斥保护。这个锁被 CPython 中的核心字节码用来评估循环，并调节用来执行语句的当前线程。
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。
需要批量压缩图片，现有大约 200 张，后会再增 是压缩，不是切割截取，不改变图片尺寸 原图片大部分是 10M - 30M，目标是压缩成 1M 以内，越小越好
（1）sum() 函数的性能到底差多少，为什么会差？（2）既然 sum() 不是最好的列表降维方法，那是否有什么替代方案呢？
1、如果原列表的元素除了列表，还有其它类型的元素，怎么把同类的元素归并在一起呢？ 2、如果是一个三维或更高维的列表，怎么更好地把它们压缩成一维列表呢？ 3、sum() 函数还有什么知识要点呢？
除了做实验，需要用到动态创建函数的场景很少。 玩耍（Toying around） Python 的内部构件是一种深入学习这门语言的好方法。 如果需要，可以毫不费力地越过解释器/语言的界线。
一个是动态地进行变量赋值，通过修改命名空间而植入变量；一个是动态地执行代码，可以说是通过“走后门”的方式，安插了变量。
Python 对象的边界也不只在自身。这里有一种巧妙的映射关系：对象（身）--函数（家）--模块（国）--包（天下）。个体被纳入到不同的命名空间，并存活在分层的作用域里。
PEP（Python增强提案）几乎是 Python 社区中最重要的文档，它们提供了公告信息、指导流程、新功能的设计及使用说明等内容。对于学习者来说，PEP 是非常值得一读的第一手材料，学习中遇到的大部分难题，都能在 PEP 中找到答案或者解决思路。 为生成器提出了一种新的语法，用于将部分的操作委派给其它的生成器。这使得一部分包含“yield”的代码段，可以被分离并放置到其它生成器中。与此同时，子生成器会返回一个值，交给委派生成器（delegating generator）使用。 当一个生成器再次 yield 被另一个生成器生成的值时，该语法还创造了一些优化的可能
Requests 的代码库使用 PEP-8 编码风格。 除了 PEP-8 中列出的标准外，我们还有一些指导原则： • 如果方便的话，行长（Line-length）可超过 79 个字符，达到 100 个字符。 • 如果换行会导致严重的不方便，则行长可以超过 100 个字符。 • 除非在字符串中出现单引号，否则始终使用单引号字符串（例如，'#flatearth'）。
切片（slice）就是一种截取索引片段的技术，借助切片技术，我们可以十分灵活地处理序列类型的对象。通常来说，切片的作用就是截取序列对象，然而，对于非序列对象，我们是否有办法做到切片操作呢？在使用切片的过程中，有什么要点值得重视，又有什么底层原理值得关注呢？
在前两篇关于 Python 切片的文章中，我们学习了切片的基础用法、高级用法、使用误区，以及自定义对象如何实现切片用法（相关链接见文末）。本文是切片系列的第三篇，主要内容是迭代器切片。 迭代器是 Python 中独特的一种高级特性，而切片也是一种高级特性，两者相结合，会产生什么样的结果呢？
Python进阶：切片的误区与高级用法
Python对象的空间边界：独善其身与开放包容
照例先总结下本文内容：（1）join() 方法除了在拼接字符串时速度较快，它还是目前看来最通用有效的复制字符串的方法 （2）Intern 机制（字符串滞留）并非万能的，本文探索一下它的软肋有哪些
本文标题的问题分为两部分：（1）Python 中是否支持复制字符串？（2）如果不支持，为什么不支持？
几乎任何一种编程语言，都把字符串列为最基础和不可或缺的数据类型。而拼接字符串是必备的一种技能。今天，我跟大家一起来学习Python拼接字符串的七种方式。
学习是循序渐进的过程，若能建立知识点间的联系，进行系统性的学习，那将更有助于效果。阅读这篇文章，你将读到如下内容： 1、判断文件的方法（try语句、os模块、pathlib模块）2、以上几种方法的优劣对比
Requests 库学习笔记
『Python 工匠』这个系列文章，是我的一次小小尝试。它专注于分享 Python 编程中的一些偏『小』的东西。希望能够帮到每一位编程路上的匠人。 系列文章： • Python 工匠：善用变量改善代码质量 • Python 工匠：编写条件分支代码的技巧
发表了文章
2024-05-15
发表了文章
2024-05-15
发表了文章
2024-05-15
发表了文章
2024-05-15
发表了文章
2024-05-15
发表了文章
2024-05-15
发表了文章
2024-05-15
发表了文章
2024-05-15
发表了文章
2024-05-15
发表了文章
2024-05-15
发表了文章
2024-05-15
发表了文章
2024-05-15
发表了文章
2024-05-15
发表了文章
2024-05-15
发表了文章
2024-05-15
发表了文章
2024-05-15
发表了文章
2024-05-15
发表了文章
2024-05-15
发表了文章
2024-05-15
发表了文章
2024-05-15
