SunnyRivers

I/O 密集型 → 用 ThreadPoolExecutor（默认）CPU 密集型 → 用 ProcessPoolExecutor（绕过 GIL）不要让同步代码阻塞事件循环！对于 I/O 阻塞：用 asyncio.to_thread()（Python 3.9+）或 loop.run_in_executor(None, …)。对于 CPU 阻塞：用 loop.run_in_executor(ProcessPoolExecutor(), …)。to_thread 是未来趋势，代码更干净；

asyncio = 单线程 + 事件循环 + 协作式任务切换它让你的程序在“等待”时去做别的事，把 I/O 空闲时间变成生产力！

Requests 是最简单的选项，采用常规的、逐行执行的同步方式。HTTPX 同时支持同步和异步模式，比 Requests 更加灵活。AIOHTTP 完全异步，非常适合处理高速、高吞吐量及更复杂的任务。三者都能让 Python 程序与网站或 API 通信。在需要同时处理大量 URL 或发起多个 HTTP 请求时，异步方案（HTTPX 和 AIOHTTP）明显更快。Requests 最适合初学者；而 HTTPX 和 AIOHTTP 更适用于高级场景。

支持 HTTP Basic Auth 和 Digest Auth。HTTPX = requests 的易用性 + 异步 + HTTP/2 + 类型安全 + 现代架构。无论是写脚本、做测试、还是构建高性能服务，它都是目前 Python 最先进的 HTTP 客户端之一。

async/await 是 Python 实现并发（非并行）的核心机制，特别适合 I/O 密集型任务。异步函数必须通过 await 调用其他异步操作才能发挥价值。使用 asyncio.run() 是运行顶层异步函数的标准方式（自 Python 3.7 起）。对于网络请求，推荐使用 aiohttp；对于文件操作，可使用 aiofiles。异步 ≠ 多线程，它是在单线程内通过事件循环实现任务切换，资源开销更小。

uv 不仅仅是一个更快的 pip，它正在推动 Python 生态向更规范、更可重现的方向演进。如果你在做实验或维护旧项目，uv pip install 是平滑过渡的好帮手；如果你在开启新项目或追求工程化，请毫不犹豫地使用 uv add 和整个 Project API 体系。正如 uv 官方所说：（项目 API 代表了 uv 原生的工作方式。从今天开始，用 uv add 声明你的依赖，让每一次构建都可靠、可重复、跨平台无忧。

A：uvx 会报错，提示冲突。因此命令名最好具有唯一性或品牌标识（如 black、ruff、poetry）。步骤命令/操作初始化项目创建src/结构 +本地测试打包uv build发布uv publish（需 PyPI Token）用户使用uvx mycli通过这套流程，你不仅开发了一个 CLI 工具，还让它像 npm 全局命令一样简单易用，但速度更快、依赖更干净。

我们从uv官网可以看到uv有下面亮点：🚀 一个工具替代 pip、pip-tools、pipx、poetry、pyenv、twine、virtualenv 等⚡️ 比 pip 快 10-100 倍🗂️ 提供全面的项目管理功能，包含通用锁文件❇️ 运行脚本，支持内联依赖元数据🐍 安装和管理 Python 版本🛠️ 运行和安装 以 Python 包形式发布的工具🔩 包含 pip 兼容接口，在熟悉 CLI 的同时获得性能提升🏢 支持 Cargo 风格的工作区用于可扩展项目。

我们前面已经写过如何打包python项目并发布到pypi上，而且就是推荐的方式，这篇博客写的是用setup.py的方式（老方式）来进行快速打包发布到PyPi上。

在Python项目中，你可能会经常遇到名为init.py 的文件。它们有时看起来似乎没什么作用，甚至可能是空的。那么，这个文件到底有什么用呢？在Python中，一个项目的每个文件夹都可以视为一个包（package），而每个 .py 文件则被视为一个模块（module）。如果你使用的是PyCharm这样的IDE，在新建Python包时，它会自动为你创建一个init.py 文件。这个文件可以看作是包的初始化脚本，具体用途请见下文。init希望这篇极简的博客能帮助你更好地理解init。

本教程将带你一步步打包一个简单的 Python 项目。你将学习如何添加必要的文件和目录结构来创建一个可发布的包，如何构建这个包，并将其上传到 Python Package Index (PyPI)。

学习 Python 或部署生产环境：优先使用 pip，确保兼容与稳定；启动新项目、优化 CI 流程、重视开发体验：大胆尝试 uv，它能显著提升效率。值得一提的是，uv 不只是一个包安装器。Python 版本管理（类似 pyenv）虚拟环境管理（替代 venv）项目脚手架（uv init）构建与发布（替代 build/twine）换句话说，uv 有望成为 Python 项目的“一体化”管理工具，大幅简化工具链。本文对比了 Python 包管理领域的两位代表：pip 与 uv。

pip 是 Python 的标准包管理工具，用于从安装和管理软件包。它功能全面，支持通过 requirements.txt 文件管理项目依赖，是 Python 生态中最基础、最常用的工具。安装一个包：从 PyPI 安装最新版的 requests 库。安装指定版本：安装 flask 的 2.2.2 版本。从 requirements.txt 安装依赖：这是项目中非常常见的依赖安装方式。升级包：将 numpy 升级到最新可用版本。

实习生：为什么每次让写多线程任务，我总是暗自恐慌，然后去网上搜索相关的代码？我：你就没有真正搞清楚应该怎么写，也并没有真正的手动写过，所以你心里没底就会慌乱。实习生：那你能不能告诉我一种让我很快掌握，甚至能一次性记住一种写处理多线程代码模板。我：你可以直接线程池。

with 语句是 Python 中实现确定性资源管理的核心工具。它的设计哲学是：“申请即拥有，离开即释放”。通过上下文管理器协议，我们可以轻松实现资源的安全获取与释放。文件读写数据库连接与事务管理线程锁（threading.Lock）临时目录/文件（tempfile）网络套接字自定义资源（如 GPU 显存、硬件设备）🧠 记住一句话：“凡是需要成对操作的资源（打开/关闭、加锁/解锁、连接/断开），都应该考虑使用 with。

实习生写的服务在压测的时候出现大量超时失败，他第一想法就是要扩大容器节点，我说软件能解决的问题，千万别堆硬件，否则老板迟早被你霍霍完蛋。在一个异步方法中调用了一个同步方法，这就导致一个容器服务一次只能支持一个并发。我们直接用代码进行演示。诊断问题：首先确认哪个同步方法是瓶颈。优先选择异步库：如果是 I/O 操作（网络、数据库），首选方案二是使用对应的异步库（如 httpx, asyncpg）。这是性能最好、最符合异步哲学的方式。

... 还有更多写一个新的节点类修改 create_node 方法，加一个 elif 分支❌ 代码越来越长，容易出错❌ 修改核心类，风险高❌ 新人看不懂，维护成本高❌ 违反了“开闭原则”：对扩展开放，对修改关闭我想要的效果是：新增节点，只写代码，不改 Graph 类！实习生：你的想法很好，但是我不知道怎么实现。你可以把“装饰器”想象成一个 “给函数加功能的工具”。

实习生非常苦恼：python搞的这个列表推导式有什么用啊，好好的写个for循环多直观明了，非得搞得这么隐晦，让人看不懂。我：看不懂是原因是因为没有把推导式真正理解和应用起来，下面我们整理一下它的使用。推导式类型语法符号特点适用场景列表推导式[…]一次性生成完整列表数据不多，需要反复使用字典推导式{k:v…}生成键值对构建映射关系（如配置、缓存）集合推导式{…}自动去重提取唯一值（如标签、ID）生成器推导式(…)懒加载、省内存、只遍历一次处理大数据、流式计算。

旁边的实习生非常苦恼的问：我每次遇到yield都会困惑，看一次相关博客就感觉好像懂了，但是时间一长又完全记不清了，它不像方法中的return很常用，知道就是用来结束方法，并返回值的。我：那说明你每次看完博客，认为自己理解了，其实依然处于一知半解，这里需要你有思维上的一个转变。我们接下来，就用通俗易懂的案例帮你一次性彻底理解。

在现代 Python 开发中，数据验证（data validation）和数据解析（parsing） 是构建健壮且可靠应用的重要组成部分。无论我们是在开发 API、处理配置文件，还是从各种来源获取数据，确保数据被正确地验证和解析都是至关重要的。这正是 Pydantic 发挥作用的地方。Pydantic 是一个利用 Python 类型注解（type annotations）来实现数据验证和配置管理的库，它提供了强大且易于使用的工具，帮助我们确保数据格式正确。

Python 是一种动态类型语言，这意味着变量的类型是在运行时才确定的。虽然这种灵活性带来了便利，但在大型项目中，它也可能导致代码难以理解和维护。为了改善这一点，Python 3.5 引入了 typing 模块，为 Python 增加了静态类型检查的能力。typing 模块中的一个强大功能是 typing.Annotated。它允许你在类型注解上附加额外的元数据（metadata），从而使代码更具自解释性，并提升工具（如类型检查器、IDE）的支持能力。

对于初学者很容易对进程、线程和协程的概念以及如何写出相关代码上面感到有些困惑，本篇博客我将用最通俗易懂的方式和案例，带你理解进程、线程和协程这三个核心概念。我们从一个生活化的比喻开始，然后分别深入，并提供可以直接套用的“模板代码”。​​进程​​：多任务，资源不共享，稳定线程​​：多任务，资源共享，需要锁协程​​：单线程内多任务，协作式，高效方式优点缺点适用场景多进程​利用多核CPU，稳定性高（一个崩了不影响别人）资源开销最大，创建和切换慢​​计算密集型​​（压缩、加密、科学计算）

我们在python开发中经常需要用pip安装各种各样的依赖包，但是很多生产场景，由于处于安全考虑，都不能直接访问外网，这个时候就得使用pip离线安装相关的依赖包了，本篇博客就来详细总结一下离线安装各种包的操作。

JPype 是一个允许 Python 与 Java 之间互操作的模块。它使得 Python 能够启动 Java 虚拟机（JVM），从而可以直接调用 Java 类库，甚至执行任意的 Java 代码。这对于需要结合 Python 的灵活性和 Java 强大类库的应用来说是非常有用的。本文将介绍如何安装 JPype，并演示一些使用 JPype 来调用 Java 代码的基本例子。

这是我项目的层级：print_b()我：这个与windows系统没关系，你放在任何系统你不告诉a.py模块在哪里找package2包，它都找不到。实习生：啥意思啊？你就直接告诉我怎么解决这个bug吧。我：用sys模块的path方法就能解决。实习生：好，我搜一下，试试实习生：没什么用，依然报上面的错。import sysprint_b()我：你犯了两个错误，第一你代码第一行就这几导入package2，这个时候解释器还没有把这个路径传入到系统路径中，依然无法识别；

Python虚拟环境是一个强大而灵活的工具，它可以帮助我们管理项目的依赖包、隔离不同项目的开发环境，并优化代码的开发过程。本文将介绍Python虚拟环境的概念、用法和好处，并引导您逐步使用它来提高代码开发的效率。Python虚拟环境是Python解释器的一个独立副本，它可以在同一台计算机上同时存在多个独立的Python开发环境。每个虚拟环境都有自己独立的Python解释器和安装的第三方包，这样可以实现项目之间的隔离。

实习生：我要用python访问oracle，我究竟该用哪个库啊，网上搜的有两个，一个是cx_Oracle另一个是oracledb，这两个有什么区别？我：话说那是2022年5月一个阴云密布的日子，甲骨文发布了python oracledb驱动程序。与早期的cx_Oracle驱动程序（创建于1999年）一样，该模块允许Python应用程序连接到Oracle数据库，执行SQL和PL/SQL语句，并执行SODA操作。这两个驱动程序都实现了Python数据库API规范2.0版，有很多扩展，只有一些必要的遗漏。

前言使用pandas的时候经常需要检测空值，但每次感觉都判断不全或者感觉很困惑，因此这里做个简单的总结NoneNone是Python的特殊类型，NoneType对象，它只有一个值None.它不支持任何运算也没有任何内建方法。None和任何其他的数据类型比较永远返回False。None有自己的数据类型NoneType。你可以将None复制给任何变量，但是你不能创建其他NoneType对象。数据类型>>>type(None)<class 'NoneType'>Nan

前言实习生问：我咋看见你经常用Anaconda的jupyter notebook写python代码，为啥不用PyCharm呢？…对于我个人而言现在主要的工作是数据分析，挖掘，直接下载Anaconda安装后，就可以启动jupyter notebook，写代码也感觉比较方便但是之前用Django以及爬虫项目的时候，PyCharm优势就非常明显了较为详细的解释Jupyter notebook的特点：开源。支撑 30 种语言，包括一些数据科学领域很流行的语言，如 Python、R、scala、Ju

前言本章重点介绍有关Python的基础知识，这是每一个Python用户所要走过的必经之路，因为任何一段Python代码中都会包含一些基础知识。对于读者来说，只有基础夯实牢了，在之后的代码编程中才会轻松自如。如果你是从零开始的Python用户，希望能够认真学完本章的Python入门基础知识，相信本章内容对你将有很大的帮助；如果你是Python的中级或高级用户，通过本章内容的阅读，也许多少会有一点查...

什么是爬虫网络爬虫也叫网络蜘蛛，如果把互联网比喻成一个蜘蛛网，那么蜘蛛就是在网上爬来爬去的蜘蛛，爬虫程序通过请求url地址，根据响应的内容进行解析采集数据， 比如：如果响应内容是html，分析dom结构，进行dom解析、或者正则匹配，如果响应内容是xml/json数据，就可以转数据对象，然后对数据进行解析。作用通过有效的爬虫手段批量采集数据，可以降低人工成本，提高有效数据量，给予运营/销售的...

前言线性回归模型属于经典的统计学模型，该模型的应用场景是根据已知的变量（自变量）来预测某个连续的数值变量（因变量）。例如，餐厅根据每天的营业数据（包括菜谱价格、就餐人数、预定人数、特价菜折扣等）预测就餐规模或营业额；网站根据访问的历史数据（包括新用户的注册量、老用户的活跃度、网页内容的更新频率等）预测用户的支付转化率；医院根据患者的病历数据（如体检指标、药物服用情况、平时的饮食习惯等）预测某种疾......

提取数据在前面我们已经搞定了怎样获取页面的内容，不过还差一步，这么多杂乱的代码夹杂文字我们怎样把它提取出来整理呢？下面就开始介绍一个十分强大的工具，正则表达式！正则表达式是对字符串操作的一种逻辑公式，就是用事先定义好的一些特定字符、及这些特定字符的组合，组成一个“规则字符串”，这个“规则字符串”用来表达对字符串的一种过滤逻辑。正则表达式是用来匹配字符串非常强大的工具，在其他编程语言中同样...

介绍对了解一些爬虫的基本理念，掌握爬虫爬取的流程有所帮助。入门之后，我们就需要学习一些更加高级的内容和工具来方便我们的爬取。那么这一节来简单介绍一下 requests 库的基本用法安装pip install requests基本请求req = requests.get("http://www.baidu.com")req = requests.post("http://www.bai...

Cookie为什么要使用Cookie呢？Cookie，指某些网站为了辨别用户身份、进行session跟踪而储存在用户本地终端上的数据（通常经过加密）比如说有些网站需要登录后才能访问某个页面，在登录之前，你想抓取某个页面内容是不允许的。那么我们可以利用Urllib库保存我们登录的Cookie，然后再抓取其他页面就达到目的了煮个栗子：from urllib.request import Re...

伪装自己有些网站不会同意程序直接用上面的方式进行访问，如果识别有问题，那么站点根本不会响应，所以为了完全模拟浏览器的工作设置请求头其中User-Agent代表用的哪个请求的浏览器from urllib.request import urlopenfrom urllib.request import Requesturl = 'http://www.server.com/login...

第一个爬虫程序怎样扒网页呢？其实就是根据URL来获取它的网页信息，虽然我们在浏览器中看到的是一幅幅优美的画面，但是其实是由浏览器解释才呈现出来的，实质它是一段HTML代码，加 JS、CSS，如果把网页比作一个人，那么HTML便是他的骨架，JS便是他的肌肉，CSS便是它的衣服。所以最重要的部分是存在于HTML中的，下面我们就写个例子来扒一个网页下来from urllib.request imp...

常用的工具pythonpycharm浏览器chrome火狐fiddlerfiddler的使用操作界面界面含义请求 (Request) 部分详解名称含义Headers显示客户端发送到服务器的 HTTP 请求的,header 显示为一个分级视图，包含了 Web 客户端信息、Cookie、传输状态等Textview显示 POST 请求...

虽然安装完Anaconda后，就可以直接使用数据分析库进行代码编写以及数据分析，但是有时候我还是习惯用PyCharm开发（毕竟有很多年的Android Studio 和IDEA的使用经验），如何在PyCharm中导入常用的数据分析库呢？（1）打开PyCharm，选择左下角的Terminal，更新pippython -m pip install -U pip（2）安装各种库命令python...

NumPyNumPy（Numerical Python的简称）是Python科学计算的基础包。它提供了以下功能（不限于此）：（1）快速有效的多维数组对象ndarray。（2）用于对数组执行元素级计算以及直接对数组执行数学运算的函数。（3）用于读写硬盘上基于数组的数据集的工具。（4）线性代数运算、傅里叶变换，以及随机数生成。（5）成熟的C API， 用于Python插件和原生C、C++、...