第 431 期 Python 周刊

文章，教程和讲座

关于 Python 的 30 个最佳技巧

链接: https://t.co/zGlFseuoLG

通过这30种 Python 实践来提高你的 Python 水平。

在 Linux 内核中运行 Python

链接: https://t.co/rJvjoUo4pf

本文讨论一个很酷的项目 - 在 Linux 内核中运行的完整 Python 解释器。

面向数据科学家的 Python 正则表达式教程

链接: https://www.dataquest.io/blog/regular-expressions-data-scientists/

在此 Python 正则表达式教程中，可以学到如何使用正则表达式和 pandas 库管理大型数据集。

Python 中的特征工程实用指南

链接: https://heartbeat.fritz.ai/a-practical-guide-to-feature-engineering-in-python-8326e40747c8

学习 Python 特征工程中的底层技术。

Python 101：迭代器，生成器，协程

链接: https://www.integralist.co.uk/posts/python-generators/

这篇文章讨论了生成器是什么, 以及如何将其与协程对比. 了解这两个概念（生成器和协程）之前，我们需要先了解其中的另一基础概念----迭代器。

使用 Rust 使 Vim Python 插件快10倍

链接: http://liuchengxu.org/posts/speed-up-vim-python-plugin-using-rust/

这篇文章实质上是讲述的关于使用 Y 使 X 快10倍，因此很明显 X 和 Y 必须做同样的事情，否则谈论速度毫无意义。这背后的做法非常简单，用另一种编译语言重新编写该脚本程序。所以我们实际上是通过在 Rust 中重写 Python 函数将其速度提高了10倍。

Python并行编程

链接: https://blog.esciencecenter.nl/parallel-programming-in-python-7fd62c90217d

第1部分：关闭 GIL，结合 Dask 和 Numba 完成 Python 中的并行数字运算。

如何使用 Pyramid 和 Cornice 编写 Python Web API

链接: https://opensource.com/article/20/1/python-web-api-pyramid-cornice

使用 Pyramid 和 Cornice 来构建并记录可扩展的 RESTful Web 服务。

Python 中的原子无锁计数器

链接: https://julien.danjou.info/atomic-lock-free-counters-in-python/

从移植完全异步的 Node.js 移植到多线程的 Python 中

链接: https://t.co/YytjAeBzrz

为初学者提供的 Django 的 REST 框架教程

链接: https://www.youtube.com/watch?v=B38aDwUpcFc

一个 Python 打包器: Carol

链接: https://www.b-list.org/weblog/2020/jan/05/packaging/

计数查询：在 Django 中的基本性能测试

链接: https://www.vinta.com.br/blog/2020/counting-queries-basic-performance-testing-in-django/

书籍

Slither into Python

链接: https://www.slitherintopython.com/

Slither into Python 是完全针对 Python 初学者的入门书。

有趣的项目，工具和库

auto-cpufreq

链接: https://github.com/AdnanHodzic/auto-cpufreq

针对 Linux 的自动化的 CPU 速度功率优化器。

JobFunnel

链接: https://github.com/PaulMcInnis/JobFunnel

搜集招聘网站，过滤审查招聘信息的工具。

The PassiveInvestor

链接: https://github.com/JerBouma/ThePassiveInvestor

普通人的被动投资

mPyPl

链接: http://soshnikov.com/mPyPl/

mPyPl是一个库，它通过引入函数式管道概念，简化了 Python 中的所有数据处理任务。

efficiencydet EfficientDet：可扩展且高效的目标检测服务的实现。

py-roughviz

链接: https://github.com/charlesdong1991/py-roughviz

Python 实现的 JavaScript 库 RoughViz，可用于创建交互式草图。

flask-file-upload

链接: https://github.com/joegasewicz/Flask-File-Upload

用于 Flask 中的文件上传。

keras-ocr

链接: https://github.com/faustomorales/keras-ocr

使用 CRAFT 文本检测器和 Keras CRNN 识别模型打包的库。

Cachew

链接: https://github.com/karlicoss/cachew

由类型提示提供受支持的持久性缓存/序列化。

karateclub

链接: https://github.com/benedekrozemberczki/karateclub

基于 NetworkX 的通用社区检测和网络嵌入式研究库。

文章翻译自 Python Weekly 431, 有删改, 不作为商业用途
欢迎关注微.信公.众号: 爱写Bug