旅游电子商务网站的建设包括哪些步骤?网站建设中有哪些常用技术?,欧美网站特点,营销团队找产品合作,有没有做a的电影网站△点击上方“Python猫”关注 #xff0c;回复“1”领取电子书 你好#xff0c;我是猫哥。这里每周分享优质的 Python、AI 及通用技术内容#xff0c;本期分享的全部是英文材料。#xff08;标题取自其中两则分享#xff0c;不代表全部内容都是该主题#xff0c;特此声明。… △点击上方“Python猫”关注 回复“1”领取电子书 你好我是猫哥。这里每周分享优质的 Python、AI 及通用技术内容本期分享的全部是英文材料。标题取自其中两则分享不代表全部内容都是该主题特此声明。 本周刊由 Python猫 出品精心筛选国内外的 250 信息源为你挑选最值得分享的文章、教程、开源项目、软件工具、播客和视频、热门话题等内容。愿景帮助所有读者精进 Python 技术并增长职业和副业的收入。 周刊已开通 Telegram 频道欢迎加入https://t.me/pythontrendingweekly 文章教程 1、LPython新颖、高性能、适用于多平台的 Python 编译器[1] 最新发布的一个Python 编译器当前为 alpha 版本目标是打造高性能的 Python。可以将带有类型提示的 Python 代码编译为优化的机器代码支持提前编译AOT与即时编译JIT支持与 CPython 互操作支持多种后端例如 LLVM、C、C、WASM、Julia 和 x86。 2、Cython 3.0.0 的文档[2] Cython 是一门专用于提升 Python 性能的编程语言最近从 0.29.x 版本直接升到了 3.0.0 版本带来了大量的问题修复以及新特性这份 changelog 文档非常丰富。附一篇详解历时五年的 Cython3.0 都发生了哪些变化 总结了这个版本的几项较大的变化点。 3、Python 中使用 Pandas 和 NumPy 计算变异系数[3] 变异系数Coefficient of VariationCoV是一种统计量用于评估数据集相对于其均值的相对变异性或离散程度。文章介绍了变异系数的公式、解释、意义和实际用途以及如何用 Pandas 和 Numpy 来计算变异系数。 4、Jupyter 中的生成式 AI[4] Jupyter Notebook 也支持 AI 功能了目前免费提供。官博这篇教程指导了如何在聊天界面使用 Jupyter AI 完成各项任务。支持来自 AI21、Anthropic、AWS、Cohere、HuggingFace Hub 和 OpenAI 的大语言模型。 5、Python 中的结构化模式匹配[5] Python 3.10 版本的模式匹配语法你用过了么这篇文章探究了这种语法的相关要素基本结构、每种模式的演示也思考了是否真必要用模式匹配语法替换elif 。 6、使用 Rich 的 Inspect 查看 Python 对象属性[6] Rich 是一个在终端使用富文本和美观样式的库本期周刊的“项目资源”中有介绍这篇文章介绍了它的 inspect() 函数可以查看 Python 对象的属性以及可用的 API。 查看文件对象的属性与方法 7、Python 包版本控制的怪癖[7] 一个冷门话题讨论了 Python 包的版本号。我才知道 Python 包版本命名竟有 6 个组成部分文章大部分内容是对 PEP-440版本标识和依赖规范[8] 的介绍与解读最后也介绍到了 Wheel 包的版本命名规则。 8、文件 I/O 并发编程的模式[9] 使用并发编程来提升文件 I/O 操作的性能具体有哪些使用手段呢文章介绍了四种模式单线程、线程池/进程池、批处理任务、在进程池中使用线程池并讨论了该如何选择更合适的模式。 9、如何高效地阅读 Python 代码[10] 对于所有程序员来说阅读代码都是一项必备能力。但是如何高效地阅读与理解别人的代码呢这篇文章介绍了一些阅读策略与技巧同时站在阅读者的视角也有助于我们写出更具可读性、可理解性的代码。 10、如何在 Python 中用 JPype 与 Pyjnius 调用 Java 代码[11] Java 和 Python 各有优点如何能将它们结合起来呢这篇文章介绍了如何用 JPype 和 Pyjnius 等方式来调用 Java同时指出实现方案所面临的挑战和限制。 11、如何在 Python 中调用 JavaScript 代码[12] 文章介绍了 PythonMonkey[13] 库的用法实现在 Python 中加载与运行 JavaScript 代码以及在 Python 中使用 WASM。附作者的其它文章使用 WebAssembly 在 Python 中执行 Rust 代码[14] 、使用 WebAssembly 在 Python 中调用 C 函数[15] 12、使用 Textual 构建 ChatGPT TUI 应用程序[16] 本期周刊有好几则内容与 Textual[17] 相关与图形用户界面GUI相比文本用户界面TUI响应更快、系统要求更低和更易自动化。这篇文章使用 Textual 构建了一个 ChatGPT 对话工具。 在终端与ChatGPT对话 13、Python 中的向量数据库入门[18] 如何在 Python 中使用当前热门的向量数据库呢这篇文章介绍了使用 10 多种数据库来索引及搜索向量数据包括 ClickHouse、OpenSearch、pgVector、Pinecone、Redis 等等。 14、CPython 的编译过程是怎样的[19] CPython 是 Python 官方的解释器实现这篇长文介绍了它的编译过程包括语法解析、抽象语法树、字节码、pyc 解析等内容。 15、介绍新开源的 Python 调试器 pdbp (Pdb)[20] 作者指出了 Python 内置的 pdb 与其它调试器如 ipdb、pdbpp的缺点介绍了他开发的 pdbp 所作的修复和改进以及简单的入门使用。这个库依赖项很少功能强大值得一试。 Python潮流周刊已免费发布了 14 期访问下方链接即可查看全部内容https://pythoncat.top/tags/weekly[21] ️项目资源 1、PyFlo一个很有趣的 Python 入门教学网站[22] 这个网站非常惊艳推荐大家去体验下主页是一幅学习线路图画了不同的学习分支和内容分类还有几个编程项目挑战点击每个节点则跳转到对应内容的页面。借鉴此网站的创意开发面向中文读者的教学网站应该会挺有趣 路线图的一部分 2、Pandas Tutor可视化 Pandas 执行过程的网站[23] 你或许已知道 Python Tutor[24]它是一个提供了在线交互式 Python 编程环境的教学工具。这里介绍的 Pandas Tutor 也是类似的网站它允许在浏览器中编写 Pandas 代码并可视化数据的转换过程。附一篇文章两位作者介绍了他们将 Pandas Tutor 移植到 Pyodide [25] 的工作以便大规模推广数据科学的教学 可视化数据的处理过程 3、ploomber-sql使用 SQL 和 Jupyter 开发端到端的应用[26] 这是托管在 Read The Docs 上的一个教学课程介绍了如何使用 SQL 和 Jupyter 作数据分析包含操作数据库、高级查询技术、数据可视化seaborn、plotly、ggplot、项目打包部署与监控等章节。它出自于开源项目 ploomber[27] star 3.1K后者是一个快速构建数据管道的项目。 4、memrayPython 的内存分析器[28] 这是周刊第 12 期[29]介绍过的 pystack 的姊妹项目可以跟踪 Python 代码、C/C 扩展模块和 Python 解释器本身中的内存分配支持本机模式与实时查看模式可生成多种类型的报告。提供了 Pytest 插件 pytest-memray[30]可以在运行测试套后查看内存报告。star 11K 5、textual-paint终端中的 MS Paint[31] MS Paint 是微软公司开发的一款简单的图像编辑软件。这个项目是 MS Paint 风格的 TUI 图像编辑器支持在终端中打开与保存图像、MS Paint 中的所有工具、调色板、画笔预览等等功能。 6、rich在终端中提供富文本和美观的样式[32] Rich 让终端不再单调可以绘制漂亮的表格、进度条、markdown、源代码语法高亮以及栈回溯信息等。star 44.2K下面这张效果图囊括了它的主要特色 Rich的功能效果图 7、json-lineage支持解析大型 JSON 文件的工具[33] 这是用 Rust 开发的 JSON 解析库主要解决大文件无法加载到内存的痛点通过将 JSON 转化成 JSONL 格式解决内存消耗问题。测试表明处理一个 500MB 文件Python 标准库要用 2GB 内存但这个库仅需 1.5MB而且速度差异很小。 8、PythonMonkey嵌入到 Python VM 中的 JavaScript 引擎[34] 前文已出现过 PythonMonkey它将 Mozilla 的 SpiderMonkey JavaScript 引擎嵌入到 Python 虚拟机中利用Python 引擎提供 JS 主机环境。这个项目的目标包括在 Python 中调用 JavaScript 库和在 JavaScript 中调用 Python 库如果能有效打通这两种语言的生态前途不可估量 9、cudfGPU 数据帧库[35] cuDF 基于 Apache Arrow 列式内存格式构建是一个 GPU DataFrame 库用于加载、连接、聚合、过滤和以其它方式操作数据。提供了类似 pandas 的 API无需了解 CUDA 编程的细节。star 5.8K 10、distill-sd更小更快的 Stable Diffusion[36] 对 Stable Diffusion 作“知识蒸馏”后的小型化版本可生成与 SD 质量相当的图像同时速度更快、空间占用更少。 11、HQTrack高质量追踪视频中的任何事物[37] 一个对视频中对象作高性能跟踪和分割的框架由视频多目标分割器VMOS和掩模优化器MR组成可以同时跟踪多个目标物体并输出准确的物体掩模。 12、awesome-mlops很棒的 MLOps 工具精选列表[38] 一个 awesome 系列的 MLOps 精选列表包含各种各样的项目/工具以及文章、书籍、活动、播客和网站等等资源。 播客视频 1、Talk Python To Me #425终极的 Python 内存分析器 Memray[39] 本期的“项目资源”介绍了 Memray这里的播客节目邀请了两位嘉宾深入聊了这个项目。 赞助支持 如果你觉得周刊有价值请随意赞赏[40] 或 买杯咖啡[41] 进行支持 如果你喜欢周刊请分享给其他需要的同学让更多人可以从中受益 欢迎订阅 微信公众号[42]除更新周刊外还发布其它原创作品并转载一些优质文章。可加好友可加读者交流群博客[43] 及 RSS[44]我的独立博客上面有历年原创/翻译的技术文章以及从 2009 年以来的一些随笔。Github[45]你可以获取本周刊的 Markdown 源文件做任何想做的事邮件[46]在 Substack 上开通的频道满足你通过邮件阅读时事通讯的诉求。Telegram[47]除了发布周刊的通知外我将它视为一个“副刊”补充发布更加丰富的资讯。Twitter[48]我的关注列表里有大量 Python 相关的开发者与组织的账号。 参考资料 [1] LPython新颖、高性能、适用于多平台的 Python 编译器: https://lpython.org/blog/2023/07/lpython-novel-fast-retargetable-python-compiler/ [2] Cython 3.0.0 的文档: https://cython.readthedocs.io/en/latest/src/changes.html [3] Python 中使用 Pandas 和 NumPy 计算变异系数: https://www.marsja.se/coefficient-of-variation-in-python-with-pandas-numpy/ [4] Jupyter 中的生成式 AI: https://blog.jupyter.org/generative-ai-in-jupyter-3f7174824862 [5] Python 中的结构化模式匹配: https://www.tartley.com/posts/structured-pattern-matching-in-python/ [6] 使用 Rich 的 Inspect 查看 Python 对象属性: https://textual.textualize.io/blog/2023/07/27/using-rich-inspect-to-interrogate-python-objects/ [7] Python 包版本控制的怪癖: https://sethmlarson.dev/pep-440 [8] PEP-440版本标识和依赖规范: https://peps.python.org/pep-0440/ [9] 文件 I/O 并发编程的模式: https://superfastpython.com/file-io-concurrent-patterns/ [10] 如何高效地阅读 Python 代码: https://mostlypython.substack.com/p/reading-code?nthPub581 [11] 如何在 Python 中用 JPype 与 Pyjnius 调用 Java 代码: https://www.askpython.com/python/examples/call-java-using-python [12] 如何在 Python 中调用 JavaScript 代码: https://dev.to/willp/call-javascript-code-in-python-551a [13] PythonMonkey: https://github.com/Distributive-Network/PythonMonkey [14] 使用 WebAssembly 在 Python 中执行 Rust 代码: https://medium.com/willkantorpringle/executing-rust-in-python-using-webassembly-d361eb5583da [15] 使用 WebAssembly 在 Python 中调用 C 函数: https://medium.com/willkantorpringle/calling-c-function-from-python-using-webassembly-63a305248951 [16] 使用 Textual 构建 ChatGPT TUI 应用程序: https://chaoticengineer.hashnode.dev/textual-and-chatgpt [17] Textual: https://github.com/Textualize/textual [18] Python 中的向量数据库入门: https://code.dblock.org/2023/06/16/getting-started-with-vector-dbs-in-python.html [19] CPython 的编译过程是怎样的: https://dev.to/cwprogram/a-tour-of-cpython-compilation-cd5 [20] 介绍新开源的 Python 调试器 pdbp (Pdb): https://dev.to/mintzworld/the-new-pdbp-pdb-python-debugger-2blc [21] https://pythoncat.top/tags/weekly: https://pythoncat.top/tags/weekly [22] PyFlo一个很有趣的 Python 入门教学网站: https://pyflo.net/ [23] Pandas Tutor可视化 Pandas 执行过程的网站: https://pandastutor.com/ [24] Python Tutor: https://pythontutor.com/ [25] Pandas Tutor 移植到 Pyodide : https://blog.pyodide.org/posts/pandastutor/ [26] ploomber-sql使用 SQL 和 Jupyter 开发端到端的应用: https://ploomber-sql.readthedocs.io/en/latest/index.html [27] ploomber: https://github.com/ploomber/ploomber [28] memrayPython 的内存分析器: https://github.com/bloomberg/memray [29] 第 12 期: https://pythoncat.top/posts/2023-07-22-weekly [30] pytest-memray: https://github.com/bloomberg/pytest-memray [31] textual-paint终端中的 MS Paint: https://github.com/1j01/textual-paint [32] rich在终端中提供富文本和美观的样式: https://github.com/Textualize/rich [33] json-lineage支持解析大型 JSON 文件的工具: https://github.com/Salaah01/json-lineage [34] PythonMonkey嵌入到 Python VM 中的 JavaScript 引擎: https://github.com/Distributive-Network/PythonMonkey [35] cudfGPU 数据帧库: https://github.com/rapidsai/cudf [36] distill-sd更小更快的 Stable Diffusion: https://github.com/segmind/distill-sd [37] HQTrack高质量追踪视频中的任何事物: https://github.com/jiawen-zhu/HQTrack [38] awesome-mlops很棒的 MLOps 工具精选列表: https://github.com/kelvins/awesome-mlops [39] Talk Python To Me #425终极的 Python 内存分析器 Memray: https://talkpython.fm/episodes/show/425/memray-the-endgame-python-memory-profiler [40] 赞赏: https://img.pythoncat.top/wechat_code.png [41] 买杯咖啡: https://www.buymeacoffee.com/pythoncat [42] 微信公众号: https://img.pythoncat.top/python_cat.jpg [43] 博客: https://pythoncat.top [44] RSS: https://pythoncat.top/rss.xml [45] Github: https://github.com/chinesehuazhou/python-weekly [46] 邮件: https://pythoncat.substack.com [47] Telegram: https://t.me/pythontrendingweekly [48] Twitter: https://twitter.com/chinesehuazhou 如果你觉得本文有帮助 请慷慨分享和点赞感谢啦
