蠎周刊
·
第435期
原文英文，约900词，阅读约需4分钟。
📝
内容提要
本文介绍了几篇关于Python的教程和文章，包括数据版本控制、Python官方Docker映像、下载文件夹中运行Python的安全问题、结构化并发和LFU缓存策略。还涉及了Rust与Python绑定、卷积神经网络和ETF数据的市场预测、农业中的Python应用、经济研究中最适合的编程语言以及R和Python的关系。此外，还介绍了有趣的项目和工具，以及即将举行的Python相关活动。
🎯
关键要点
-
使用DVC进行数据版本控制，帮助跟踪数据和创建可重复实验。
-
深入研究Python官方Docker映像，了解其自定义构建和pip版本管理。
-
警惕在下载文件夹中运行Python的安全问题，注意当前工作目录的影响。
-
讨论Python中'请求原谅'与'事先查看'的性能差异。
-
学习如何使用mmap模块提高文件操作性能。
-
利用Cython将Python与C++结合，优化知识共享。
-
AnyIO提供结构化并发支持，弥补AsyncIO的不足。
-
LFU缓存策略在性能上优于LRU，但需要一定的内存开销。
-
学习如何为Rust crate添加Python绑定，并发布到PyPI。
-
卷积神经网络与ETF数据在市场预测中的应用。
-
Python在农业中的应用，帮助农民提高产量。
-
经济研究中最适合的编程语言为Julia，尽管Python有强大的生态系统。
-
R语言与Python的关系逐渐转变为合作而非竞争。
-
开源编程语言在经济统计中未得到充分重视。
-
介绍有趣的项目和工具，如终端幻灯片工具。
-
即将举行的Python相关活动，包括PyCon Japan 2020和蟒营Python入门班。
🏷️
