从入门到进阶,史上最全Python精华文章合集

我将这些文章分为 10 类——顺便一提,这也恰好反映出 Python 的多用途、多目标的性质。

这些类别如下:

  1. Python 常规编程

  2. Python 性能优化

  3. Python 开发环境及 DevOps

  4. 机器学习

  5. 图像与视频处理

  6. 聊天机器人与自然语言处理(NLP)

  7. 区块链

  8. Web 与后端开发

  9. Web 爬虫

  10. 数据可视化

在你正式开始阅读之前,我还要再啰嗦一句:你应该怎样利用这篇文章呢?你并不需要一口气将本文读完。你只需收藏本文,然后将其作为入门教程或参考手册。有了上面的分类,你可以直接跳到你最感兴趣的部分。

如果我这篇文章有任何的遗漏,或是你有其他好的资源推荐,欢迎留言,以便于我升级本文内容。在此谢过了!

1. Python 常规编程

 1.1 学习 Python:从入门到精通,作者 TK

此文是一个全面的 Python 介绍。如果你初学 Python,那么这篇文章是必读的。文章介绍了 Python 的基础知识:变量、控制流、循环及迭代、集合类、数组、结构体、字典等等。此文也涵盖了面向对象编程的基础。因此,如果你刚刚开始学习 Python 开发,那么从此文开始读起是最合适的。

Learning Python: From Zero to Hero

https://medium.freecodecamp.org/learning-python-from-zero-to-hero-120ea540b567


 1.2 理解 Python 中的下划线( _ ),作者 mingrammer

你是否了解 Python 中下划线 ( _ ) 的特殊含义呢?Python 中的下划线有五种不同用法。阅读这篇文章学习一下吧!

Understanding the underscore( _ ) of Python

https://hackernoon.com/understanding-the-underscore-of-python-309d1a029edc


 1.3 Python3.7 数据类(data classes)简介,作者 Anthony Shaw

数据类(data classes)是 Python3.7 中的一个全新的特性。当需要创建特定数据域的类时,数据类可以大大简化模型。这篇文章为数据类提供了一个通俗易懂的解释,并给出了几个例子。

A brief tour of Python 3.7 data classes

https://hackernoon.com/a-brief-tour-of-python-3-7-data-classes-22ee5e046517


 1.4 如何使用 Python3.6 中的静态类型检查,作者 Adam Geitgey

Python3.6 中有声明类型的语法。但是你需要使用外部工具,如 mypy 或 PyCharm,来强制类型检查。这篇文章非常适合入门学习如何在你的代码中实现静态类型。

How to Use Static Type Checking in Python 3.6

https://medium.com/@ageitgey/learn-how-to-use-static-type-checking-in-python-3-6-in-10-minutes-12c86d72677b


 1.5 如何及为何使用 Python 生成器,作者 Radu Raicea

该教程展示了一个迭代器类(itertor class)的例子,并讲解了各种不同的生成器函数(generator functions)。

“生成器函数允许你声明一个具有迭代器功能的函数。使用生成器函数,程序员可以快速、便利、简洁地构建迭代器。”

“迭代器指的是可在其上迭代(循环)的对象,其作用是为数据抽象出一个容器,使其表现出与迭代对象类似的功能。你可能在日常开发中已经不知不觉使用了一些迭代对象,如字符串、列表、字典等等。”

How — and why — you should use Python Generators

https://medium.freecodecamp.org/how-and-why-you-should-use-python-generators-f6fb56650888


 1.6 Python 线程和进程简介,作者 Brendan Fortuner

这篇文章和接下来的一篇(1.7)讲解了 Python 中的多线程和并行处理的相关知识。这一篇简介了 Python 的有关进程和线程的并行处理特性,下一篇文章介绍了更多高级知识。

Intro to Threads and Processes in Python

https://medium.com/@bfortuner/python-multithreading-vs-multiprocessing-73072ce5600b


 1.7 Python 线程同步,作者 Saurabh Chaturvedi

本文很好地概览了多线程及其最复杂部分:线程同步及通信。

Let's Synchronize Threads in Python

https://hackernoon.com/synchronization-primitives-in-python-564f89fee732


 1.8 在数据科学领域中如何编写产品级的代码,作者 Venkatesh Pappakrishnan, Ph.D.

本文给出了一些数据科学领域编写产品级别代码的建议。这些建议有助于组织、优化你的代码。文章包含许多主题,包括日志、instrumentation 及测试,介绍了版本控制的基础知识,并就代码可靠性给出了若干建议。文章中的建议很中肯,而且很有实用价值。

How to write a production-level code in Data Science?

https://towardsdatascience.com/how-to-write-a-production-level-code-in-data-science-5d87bd75ced


 1.9 如何在 Pandas 中重写 SQL 查询,作者 Irina Truong

如果你刚刚入门 Pandas 和 DataFrames,并对 SQL 理解得比较到位,那么我强烈建议你阅读这篇文章。这篇文章整理了一个珍贵的术语库,并附有样例。文章可以帮助你将 SQL 查询需求转换为 Pandas 语法并学习使用这一新语法。

How to rewrite your SQL queries in Pandas

https://codeburst.io/how-to-rewrite-your-sql-queries-in-pandas-and-more-149d341fc53e


2. Python 性能优化

 2.1 是的,Python 很慢,但我不在乎,作者 Nick Humrich

Python 开发者们很高产,但大家应该都听说过这件事:Python 很慢。我觉得这篇文章很有必要一读,因为它介绍了 Python 的性能优化特性。

“运行时间已经不再是你最珍贵的资源了。如今,一家公司最昂贵的资源是其员工的时间。”

Yes, Python is Slow, and I Don't Care

https://hackernoon.com/yes-python-is-slow-and-i-dont-care-13763980b5a1


 2.2 Pandas 代码速度优化新手导引,作者 Sofia Heisler

如果你需要用 Pandas 处理海量数据,你便需要格外注意编码方式,以求性能最优化。

本篇及下一篇文章回顾了在 Pandas DataFrame 下实现函数的几种方法,并对比了他们的运行速度。

A Beginner's Guide to Optimizing Pandas Code for Speed

https://engineering.upside.com/a-beginners-guide-to-optimizing-pandas-code-for-speed-c09ef2c6

  • 1
    点赞
  • 3
    收藏
    觉得还不错? 一键收藏
  • 打赏
    打赏
  • 0
    评论
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包

打赏作者

一个乖乖码字的程序猪

你的鼓励将是我创作的最大动力

¥1 ¥2 ¥4 ¥6 ¥10 ¥20
扫码支付:¥1
获取中
扫码支付

您的余额不足,请更换扫码支付或充值

打赏作者

实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值