最令人头疼的 Python 问题，15篇 Python 技术热文-CSDN博客

（点击上方公众号，可快速关注）

本文精选了 Python开发者 10月份的15篇 Python 热文。其中有源码阅读，基础知识，机器学习和遗传算法等。

注：以下文章，点击标题即可阅读

什么是Python最令人头疼的问题？Python中由于使用了全局解释锁（GIL）的原因，代码并不能同时在多核上并发的运行，也就是说，Python的多线程不能并发，很多人会发现使用多线程来改进自己的Python代码后，程序的运行效率却下降了。

本系列文章从内置数据类型，内存管理以及垃圾回收等方面对CPython的实现进行了简要的解析。

本文通过简单线性回归模型对数据进行了建模并预测，其中对房子价格以及电视节目的观众数量进行了预测。想入门机器学习的童鞋可以看过来。

如今，numpy被Python其它科学计算包作为基础包，已成为Python 数据分析的基础，可以说，NP是SciPy、Pandas等数据处理或科学计算库最基本的函数功能库。本文对Numpy基本知识进行了介绍。

本文是 2014 年 12 月作者在布拉格经济大学做的名为‘ Python 数据科学’讲座的笔记。这些代码实例创建了一个有效的、可执行的原型系统：一个使用“spam”或“ham”对英文手机短信（”短信类型“的英文）进行分类的 app。

本文对Tornado的源码进行了初步的解析。作者最近阅读了一下tornado的源码，对整体的结构有了初步认识，与大家分享。

Django ORM 和 SQLAlchemy 这两种 ORM 有哪些区别呢？本文对其进行了介绍和对比。

K-Means理论上很简单，就是随即初始化几个中心点，不断的把他们周围的对象聚集起来，然后根据这群对象重置中心点，最终找到最合适的中心点。真正实践的时候才会思考的更加深入一点，比如本文的实践就是一个失败的案例（算法是成功的，场景是失败的）

本文对 Python 中的作用域规则和闭包的概念进行了简析。

这篇文章的用意是帮助表明Python仍然对大多数软件项目是切实可行的。我不担心把Python推销给反对其他动态语言的人，因为我认为这些争论与个人喜好有关。

在Python中，对于一个对象的属性访问，我们一般采用的是点(.)属性运算符进行操作。然而，在点(.)属性运算符的背后却是别有洞天，值得我们对对象的属性访问进行探讨。

本文主要介绍两种线性回归的缩减(shrinkage)方法的基础知识: 岭回归和LASSO并对其进行了Python实现。同时也对一种更为简单的向前逐步回归计算回归系数的方法进行了相应的实现。

本文在之前简化版SMO算法的基础上实现了使用启发式选取α对的方式的Platt SMO算法来优化SVM。另外由于最近自己也实现了一个遗传算法框架GAFT，便也尝试使用遗传算法对于线性可分的SVM原始形式进行了优化。

Python中生成器是个非常有用的工具。本文对Python中生成器的原理进行了详解。

本文记录了作者对自己开发的Python遗传算法框架GAFT的性能分析以及优化过程，其中使用了内置的cProfiler和pstats进行性能分析，并使用了KCacheGrind进行了可视化，最终程序效率提升了7倍。

看完本文有收获？请转发分享给更多人

关注「Python开发者」，提升Python技能