Python 教程之 Django(2)介绍和安装

简介: Python 教程之 Django(2)介绍和安装

什么是 Django?

Django是一个基于Python的Web框架,它允许您快速创建Web应用程序,而不会出现其他框架通常会发现的所有安装或依赖问题。

当您构建网站时,您始终需要一组类似的组件:处理用户身份验证(注册,登录,注销)的方法,网站的管理面板,表单,上传文件的方法等。Django为您提供现成的组件供您使用。


为什么选择 Django?

  1. 在Django框架中切换数据库非常容易。
  2. 它具有内置的管理界面,可以轻松使用它。
  3. Django是一个功能齐全的框架,不需要其他任何东西。
  4. 它有数千个额外的软件包可用。
  5. 它非常具有可扩展性。


Django 的受欢迎程度

Django被用于许多受欢迎的网站,如:迪斯克斯,Instagram,骑士基金会,麦克阿瑟基金会,Mozilla,国家地理等。有超过5k基于Django框架的在线网站。( 来源 )

像热门框架这样的网站通过计算每个平台的GitHub项目和堆栈溢出问题的数量来评估框架的受欢迎程度,Django排在第6位。Web框架通常将自己称为“固执己见”或“不固执己见”,基于对处理任何特定任务的正确方法的看法。Django有点固执己见,因此在两个世界中都提供了(固执己见/非固执己见)。


Django 的特点

Django Django

的多功能性几乎可以建立任何类型的网站。它还可以与任何客户端框架一起使用,并且可以以任何格式(如HTML,JSON,XML等)提供内容。一些可以使用Django构建的网站是维基,社交网络,新网站等。


安全性

由于Django框架是为了使Web开发变得容易而制作的,因此它的设计方式使其自动执行正确的操作来保护网站。例如,在Django框架中,不是将密码放在cookie中,而是将散列密码存储在其中,以便黑客无法轻易获取。


可扩展性

Django Web节点没有存储状态,它们可以水平扩展 - 只需在需要时启动更多即可。能够做到这一点是良好可扩展性的本质。Instagram和Disqus是两个基于Django的产品,拥有数百万活跃用户,这是Django可扩展性的一个例子。


可移植性

Django 框架的所有代码都是用 Python 编写的,它在许多平台上运行。这导致在Linux,Windows和Mac OS等许多平台上运行Django。


安装Django

  • 如果未安装在系统中,请从此处安装python3(根据系统和操作系统的配置)。尝试下载最新版本的蟒蛇,这次是python3.6.4。
  • **注意-**在Linux和Mac中安装Django是相似的,在这里我在Linux和Mac的窗口中显示它,只需打开终端代替命令提示符并完成以下命令。
  • 安装点数打开命令提示符并输入以下命令 -
python -m pip install -U pip

image.png

  • 安装虚拟环境- 在cmd-中输入以下命令
pip install virtualenv

image.png


设置虚拟环境-设置虚拟环境将允许您编辑系统通常不允许的依赖项。

请按照以下步骤设置虚拟环境-

  1. 通过在cmd-中给出此命令来创建虚拟环境
virtualenv env_site

image.png

  1. 通过以下命令将目录更改为env_site -
cd env_site

image.png

  1. 转到env_site中的脚本目录并激活虚拟环境-
cd Scripts
activate

image.png

  • 安装 Django-通过发出以下命令来安装django -
pip install django

image.png

  • 返回env_site目录-
cd ..

image.png

  • 按照以下命令启动项目-
django-admin startproject geeks_site

image.png

  • 将目录更改为geeks_site
cd geeks_site

image.png

  • 启动服务器- 通过在cmd-中键入以下命令来启动服务器
python manage.py runserver

image.png

image.png

  • Django 框架的好处 –
  • 快速开发
  • 松散耦合
  • 易于修改
  • MVC架构的缺点 –
  • 模型组件上的负载过大
  • 开发复杂性很高
  • 两个组件正在控制视图


目录
相关文章
|
4天前
|
Python
SciPy 教程 之 Scipy 显著性检验 3
本教程介绍Scipy显著性检验,包括其基本概念、原理及应用。显著性检验用于判断样本与总体假设间的差异是否显著,是统计学中的重要工具。Scipy通过`scipy.stats`模块提供了相关功能,支持双边检验等方法。
11 1
|
6天前
|
机器学习/深度学习 Python
SciPy 教程 之 SciPy 插值 2
SciPy插值教程:介绍插值概念及其在数值分析中的应用,特别是在处理数据缺失时的插补和平滑数据集。SciPy的`scipy.interpolate`模块提供了强大的插值功能,如一维插值和样条插值。通过`UnivariateSpline()`函数,可以轻松实现单变量插值,示例代码展示了如何对非线性点进行插值计算。
11 3
|
9天前
|
机器学习/深度学习 数据处理 Python
SciPy 教程 之 SciPy 空间数据 4
本教程介绍了SciPy的空间数据处理功能,主要通过scipy.spatial模块实现。内容涵盖空间数据的基本概念、距离矩阵的定义及其在生物信息学中的应用,以及如何计算欧几里得距离。示例代码展示了如何使用SciPy计算两点间的欧几里得距离。
25 5
|
8天前
|
机器学习/深度学习 Python
SciPy 教程 之 SciPy 空间数据 6
本教程介绍了SciPy处理空间数据的方法,包括使用scipy.spatial模块进行点位置判断、最近点计算等内容。还详细讲解了距离矩阵的概念及其应用,如在生物信息学中表示蛋白质结构等。最后,通过实例演示了如何计算两点间的余弦距离。
17 3
|
7天前
|
机器学习/深度学习 数据处理 Python
SciPy 教程 之 SciPy 空间数据 7
本教程介绍了SciPy的空间数据处理功能,涵盖如何使用`scipy.spatial`模块进行点的位置判断、最近点计算等操作。还详细解释了距离矩阵的概念及其在生物信息学中的应用,以及汉明距离的定义和计算方法。示例代码展示了如何计算两个点之间的汉明距离。
14 1
|
11天前
|
Python
SciPy 教程 之 SciPy 图结构 7
《SciPy 教程 之 SciPy 图结构 7》介绍了 SciPy 中处理图结构的方法。图是由节点和边组成的集合,用于表示对象及其之间的关系。scipy.sparse.csgraph 模块提供了多种图处理功能,如 `breadth_first_order()` 方法可按广度优先顺序遍历图。示例代码展示了如何使用该方法从给定的邻接矩阵中获取广度优先遍历的顺序。
22 2
|
12天前
|
算法 Python
SciPy 教程 之 SciPy 图结构 5
SciPy 图结构教程,介绍图的基本概念和SciPy中处理图结构的模块scipy.sparse.csgraph。重点讲解贝尔曼-福特算法,用于求解任意两点间最短路径,支持有向图和负权边。通过示例演示如何使用bellman_ford()方法计算最短路径。
24 3
|
12天前
|
缓存 测试技术 Apache
告别卡顿!Python性能测试实战教程,JMeter&Locust带你秒懂性能优化💡
告别卡顿!Python性能测试实战教程,JMeter&Locust带你秒懂性能优化💡
28 1
|
5天前
|
机器学习/深度学习 数据处理 Python
SciPy 教程 之 SciPy 插值 3
本教程介绍了SciPy中的插值方法,包括什么是插值及其在数据处理和机器学习中的应用。通过 `scipy.interpolate` 模块,特别是 `Rbf()` 函数,展示了如何实现径向基函数插值,以平滑数据集中的离散点。示例代码演示了如何使用 `Rbf()` 函数进行插值计算。
12 0
|
5天前
|
Python
SciPy 教程 之 Scipy 显著性检验 1
本教程介绍Scipy显著性检验,包括统计假设、零假设和备择假设等概念,以及如何使用scipy.stats模块进行显著性检验,以判断样本与总体假设间是否存在显著差异。
10 0