标签

 python 

相关的文章:

了解Python与Javascript的数据通信方法,探索AI音乐生成的最新进展,解决导师与学生分配的难题。

Modular Blog

Modular Blog -

Modular: What’s new in Mojo 24.2: Mojo Nightly, Enhanced Python Interop, OSS stdlib and more

What’s new in Mojo 24.2: Mojo Nightly, Enhanced Python Interop, OSS stdlib and more

上周我们发布了MAX 24.2版本,详细介绍了MAX 24.2的新功能。本文将深入介绍Mojo SDK 24.2的所有新功能,特别是针对Python开发者。新功能包括Mojo标准库的开源、DynamicVector更名为List、List支持不同类型的元素、math模块新增ulp()函数、Mojo与Python的互操作性、新的核心语言特性等。此外,还提供了代码示例和Jupyter Notebook供参考。

相关推荐 去reddit讨论
Devart Blog

Devart Blog -

Devart Rolls Out Python Connectors for Microsoft Access, Snowflake, and MongoDB

We're thrilled to introduce our new offerings: Python connectors for Microsoft Access, Snowflake, and MongoDB. These products mark a significant leap forward in enhancing data connectivity and analysis within Python applications.  The post Devart Rolls Out Python Connectors for Microsoft Access, Snowflake, and MongoDB appeared first on Devart Blog.

Devart发布了Python连接器,支持Microsoft Access、Snowflake和MongoDB,提升Python应用程序的数据连接和分析能力。连接器提供跨平台支持、轻松连接、灵活的数据格式、多种文件格式、灵活的查询、数据可视化、提高生产力和性能。用户可以下载连接器开始他们的数据探索之旅。

相关推荐 去reddit讨论
KDnuggets

KDnuggets -

7 Python Libraries Every Data Engineer Should Know

Interested in switching to data engineering? Here’s a list of Python libraries you’ll find super helpful.

作为数据工程师,你应该熟练掌握SQL、Python和Bash脚本。此外,你还应该熟悉一些常用的Python库,如Requests、BeautifulSoup、Pandas、SQLAlchemy、Airflow、PySpark和Kafka-Python。这些库可以帮助你处理API、网页抓取、数据库连接、工作流编排和大数据处理等任务。

相关推荐 去reddit讨论
华为云官方博客

华为云官方博客 -

实践探讨Python如何进行异常处理与日志记录

探讨使用Python进行异常处理与日志记录的最佳实践,以及一些案例代码来说明这些概念。

本文介绍了Python中异常处理和日志记录的最佳实践。异常处理可以提高程序稳定性、改善用户体验和便于调试维护。Python中使用try-except语句捕获异常,还可以使用else和finally子句。日志记录可以追踪应用程序执行过程、诊断调试和监控分析。Python的logging模块提供了强大的日志记录功能。最佳实践示例结合了异常处理和日志记录。文章还提供了一些额外的技巧和最佳实践,如使用上下文管理器、装饰器、错误码、第三方日志库等。通过合理应用异常处理和日志记录,可以构建稳健可靠的软件应用程序。

相关推荐 去reddit讨论
Leo's blog

Leo's blog -

通过 PDM 和 GitHub Actions 在 PyPI 上自动化发布你的 Python 包吧

最近换用 PDM 作为主要的 Python 环境管理工具,虽然使用细节上还不太熟悉,但终究是搭配着 Anaconda 用起来了。PDM 是一款轻巧的工具,但它却涵盖了 Python 开发中的各种场景,例如自动生成项目的 pyproject.toml,自动解决 package 的版本依赖问题,就算我还未使用很久,也已经 …

最近使用PDM作为Python环境管理工具,搭配Anaconda使用。PDM提供了自动生成项目配置文件、解决依赖问题等功能。可以使用PDM构建Python包并发布到PyPI。使用PDM与GitHub Actions发布Python包的方法。初始化项目后,项目文件夹结构包括.gitignore、.pdm-python、pyproject.toml、README.md、.venv、src和tests。可以通过PDM构建项目并生成压缩包。可以将已有项目迁移到PDM中。准备发布到PyPI,需要注册PyPI和TestPyPI账号。可以借助GitHub Actions完成构建和自动发布。可以创建多个workflow实现不同的发布需求。

相关推荐 去reddit讨论
KDnuggets

KDnuggets -

5 Free Advanced Python Programming Courses

Looking to level up your Python skills without spending a dime? Check out this article featuring 5 advanced Python courses that you can take for free!

本文介绍了5个免费的高级Python课程,包括Python 3编程专项课程、Patrick Loeber的高级Python课程、Codecademy的高级Python 3课程、赫尔辛基大学的Python编程MOOC课程和FreeCodeCamp的科学计算与Python课程。这些课程涵盖了Python的高级概念和技术,并提供了实践项目来加深理解。

相关推荐 去reddit讨论
竹林里有冰的博客

竹林里有冰的博客 -

使用 Python 生成甘特图(Gantt Chart)

在写操作系统的作业的时候有几道题给出了几个进程的相关信息,要求我们画出几种简单调度的甘特图。操作系统的作业一直是电子版,上传 pdf 即可的。我觉得手画甘特图拍照嵌入 pdf 中不太优雅,过于掉价,因此就想直接生成甘特图嵌入。在谷歌搜寻了一番,我发现现在的甘特图生成网站都太现代化了,根本不是操作系统课上教的样子了。所幸我找到了 gao-keyong/matplotlib-gantt,虽然只有两个 star(没事,加上我就 3 stars 了),但确实能用,README 中的样例也是我期望的样子。项目中自带了一个 jupyter 的示例,算得上是非常简单易上手的了,依赖方面只要装好 matplotlib 就可以使用,不存在依赖地狱。尽管是三年前的项目,在我本机的 Python 3.11 上仍然能够正常运行。tuple 中的第一个数字表示从当前时间开始,第二个数字表示持续时间。每一个表示 category 的 list 中可以存在多个 tuple。给一些咱生成的例子。1234567891011121314from gantt import *category_names = ['P1', 'P2', 'P3', 'P4', 'P5']results = { 'FCFS': [[(0,2)], [(2,1)], [(3,8)], [(11,4)], [(15,5)]], 'SJF': [[(1,2)], [(0,1)], [(12,8)], [(3,4)], [(7,5)]], 'non-compreemptive priority': [[(13,2)],[(19,1)],[(0,8)],[(15,4)],[(8,5)]], 'RR (quantum=2)': [[(0,2)], [(2,1)],[(3,2),(9,2),(15,2),(18,2)], [(5,2),(11,2)], [(7,2),(13,2),(17,1)]]}arrival_t = [0, 0, 0, 0]gantt(category_names, results, arrival_t).show()1234567891011from gantt import *category_names = ['P1', 'P2', 'P3', 'P4', 'P5', 'P6']results = { '': [[(0,20)], [(25,10),(45,10),(75,5)], [(35,10),(55,5),(80,10)], [(60,15)], [(100,5),(115,5)],[(105,10)]],}arrival_t = [0]gantt(category_names, results, arrival_t).show()

本文介绍了一个用于生成甘特图的Python库,可以根据给定的进程信息生成甘特图。该库简单易用,只需安装matplotlib依赖即可。示例代码展示了不同调度算法下的甘特图生成方法。

相关推荐 去reddit讨论
Newest Python PEPs

Newest Python PEPs -

PEP 745: Python 3.14 Release Schedule

This document describes the development and release schedule for Python 3.14.

Python 3.14将在接下来的24个月内每两个月发布一次bug修复更新,最后一个3.14的bug修复更新将在3.16.0正式版发布时发布。之后,将在3.14.0正式版发布后的五年内发布安全更新,预计到2030年10月。

相关推荐 去reddit讨论
KDnuggets

KDnuggets -

7 Best Platforms to Practice Python

Looking to level up your Python skills and ace coding interviews? Start practicing today on these platforms.

这篇文章介绍了几个学习和练习Python编程的平台,包括Practice Python、Edabit、CodeWars、Exercism、PYnative、LeetCode和HackerRank。这些平台提供了各种编程挑战和教程,适合初学者和有经验的程序员。通过解决编程问题,可以提高Python编程技能和解决问题的能力。

相关推荐 去reddit讨论
解道jdon.com

解道jdon.com -

在CPython中实现纯Python函数的真正并行性

CPython 是最常见的 Python 实现,被全球数百万开发人员广泛使用。然而,在 CPython 进程中实现真正的并行性一直是一个难题。在这里,我们将尝试在操作系统和 Python 的背景下更好地理解并行性、并发性。最后,凭借所有这些知识和新的 Python 语言内部结构,我们将研究一种可能的机制,为在单个 CPython 3.12 进程中运行的纯 Python 代码实现真正的并行性。 如果这些概念对您来说很陌生,请不要担心,我们将在上下文部分中介绍所有内容。您可以在看完介绍后重新阅读。 如果您只是想尝试一下 Python 中真正的并行性,请使用此链接。 让我们首先简要介绍一些在我们的讨

在CPython中实现纯Python函数的真正并行性一直是一个难题。Python通过引入GIL(全局解释器锁)来防止并行性。在Python 3.12中,可以使用子解释器实现并行性,每个子解释器都有自己的GIL。子解释器是一种有前途的并行Python代码机制,但与基于C/C++扩展的库不兼容。使用C/C++扩展函数可能更合适,因为编译后的代码可以提高速度。随着Python 3.13的发布,子解释器将成为stdlib的一部分。

相关推荐 去reddit讨论

热榜 Top10

eolink
eolink
Dify.AI
Dify.AI
LigaAI
LigaAI
观测云
观测云

推荐或自荐