Python 潮流周刊第 29 期(摘要)

简介: Python 潮流周刊第 29 期(摘要)


以下是本期摘要:

🦄文章&教程

1、Rust std fs 比 Python 慢!真的吗!?

2、Python 中性能最快的时间戳函数是哪个?

3、Python 是 Easy,Go 是 Simple,但 Simple != Easy

4、使用 Numba 提升 pandas.DataFrame.apply 的 C 级别性能

5、一份杂乱的 Flask 维护任务清单

6、用子解释器运行 Python 并行程序

7、新的开源库 VS. 旧的开源库

8、在 Pandas 的世界中使用 Polars

9、Python 的软关键字有哪些?

10、用 Python 实现机器人爸爸

11、如何(以及如何不)设计 REST API

12、如何调试 Asyncio 程序?

🐿️项目&资源

1、marker:高效将 PDF/EPUB/MOBI 转换为 Markdown

2、awesome-django-performance:精选资源,用于分析和优化 Django 项目

3、datamodel-code-generator:将 JSON/YAML 转换为 Pydantic 模型

4、fastapi-code-generator:用 openapi 文件创建 FastAPI 程序

5、kanban-python:终端中的看板应用程序

6、saq:简单的异步队列

7、pyqtgraph:用于科学/工程应用的数据可视化及 GUI 工具

8、toga:Python 原生、OS 原生的 GUI 工具包

9、autometrics-py:函数级的指标监测工具

10、compiled:Python 标准库的编译后的变体

11、transpyler-gpt:GPT 驱动的 Python 转译器,让代码在旧版本上运行

12、clone-voice: 一个带 web 界面的声音克隆工具

🐢播客&视频

1、Talk Python To Me #439:Pixi 一个高性能的包管理器

2、Mouse Vs Python #23:与 Charlie Marsh 聊 Ruff Formatter

🥂讨论&问题

1、你用 Python 做过最酷的事情是什么?

2、鼓励使用命名参数的语法糖


目录
相关文章
|
10月前
|
SQL 文字识别 机器人
Python 潮流周刊第 36 期(摘要)
Python 潮流周刊第 36 期(摘要)
69 3
|
10月前
|
SQL 人工智能 JavaScript
Python 潮流周刊第 38 期(摘要)+赠书5本
Python 潮流周刊第 38 期(摘要)+赠书5本
60 2
|
10月前
|
SQL 人工智能 自然语言处理
Python 潮流周刊#52:Python 处理 Excel 的资源
探索Python精彩:文章涵盖正则、代码恢复、PEP新规范、轻量级打包、在线开发、动态生成GitHub README、自定义linting、代码转图片等。项目资源包括Excel处理、虚拟环境管理、Tensor谜题、依赖注入框架、Web应用转换、AI自动化测试、语法高亮、BI模型查询及Python监控库。在当前环境下,持续学习提升竞争力,Python Weekly提供丰富的学习资源,助力技术精进和职业发展。
|
10月前
|
TensorFlow 语音技术 算法框架/工具
Python 潮流周刊#51:用 Python 绘制美观的图表
探索 Python 精彩:从 Streamlit 的交互式图表到 TensorFlow 的衰落,深入学习项目如 parlertts 和 FunClip,以及 Python 资源,包括 UXsim 交通模拟和 The-Python-Graph-Gallery。提升技能,紧跟 Python 周刊,打造竞争优势。[[1](https://xiaobot.net/p/python_weekly)] [[9](https://xiaobot.net/p/python_weekly)]
|
10月前
|
人工智能 Rust Prometheus
Python 潮流周刊第 39 期(摘要)
Python 潮流周刊第 39 期(摘要)
65 5
|
10月前
|
机器学习/深度学习 开发框架 人工智能
Python 潮流周刊第 37 期(摘要)
Python 潮流周刊第 37 期(摘要)
57 1
|
7天前
|
机器学习/深度学习 存储 设计模式
Python 高级编程与实战:深入理解性能优化与调试技巧
本文深入探讨了Python的性能优化与调试技巧,涵盖profiling、caching、Cython等优化工具,以及pdb、logging、assert等调试方法。通过实战项目,如优化斐波那契数列计算和调试Web应用,帮助读者掌握这些技术,提升编程效率。附有进一步学习资源,助力读者深入学习。
|
7天前
|
机器学习/深度学习 数据可视化 TensorFlow
Python 高级编程与实战:深入理解数据科学与机器学习
本文深入探讨了Python在数据科学与机器学习中的应用,介绍了pandas、numpy、matplotlib等数据科学工具,以及scikit-learn、tensorflow、keras等机器学习库。通过实战项目,如数据可视化和鸢尾花数据集分类,帮助读者掌握这些技术。最后提供了进一步学习资源,助力提升Python编程技能。
|
7天前
|
设计模式 机器学习/深度学习 前端开发
Python 高级编程与实战:深入理解设计模式与软件架构
本文深入探讨了Python中的设计模式与软件架构,涵盖单例、工厂、观察者模式及MVC、微服务架构,并通过实战项目如插件系统和Web应用帮助读者掌握这些技术。文章提供了代码示例,便于理解和实践。最后推荐了进一步学习的资源,助力提升Python编程技能。
|
8天前
|
数据采集 搜索推荐 C语言
Python 高级编程与实战:深入理解性能优化与调试技巧
本文深入探讨了Python的性能优化和调试技巧,涵盖使用内置函数、列表推导式、生成器、`cProfile`、`numpy`等优化手段,以及`print`、`assert`、`pdb`和`logging`等调试方法。通过实战项目如优化排序算法和日志记录的Web爬虫,帮助你编写高效稳定的Python程序。

热门文章

最新文章