python教程技术文章
-
- 掌握 Python 变量与数据类型：数据操纵的利器
- 变量是python中存储数据的容器，而数据类型定义了变量中可以存储的值的类型。Python变量无需声明类型，而是根据分配的值进行推断。Python的数据类型Python具有多种内置数据类型，包括：数值类型：int（整数）、float（浮点数）、complex（复数）序列类型：list（列表）、tuple（元组）、range（范围）映射类型：dict（字典）集合类型：set（集合）、frozenset（不可变集合）字节类型：bytes（二进制数据）文本类型：str（字符串）、unicode（Unicode字
- 文章 · python教程 | 2年前 | 变量和数据类型 454浏览 收藏
-
- Python GIL替代方案：突破多线程编程的限制
- pythonGIL（全局解释器锁）是一个用于防止多线程同时执行字节代码的机制。它使Python解释器线程安全，但也会导致多线程编程性能低下。为了突破GIL的限制，人们提出了多种替代方案，其中一些方案已经集成到Python解释器中，另一些方案则作为第三方库提供。一、GIL的局限性PythonGIL是一种互斥锁，用于确保同一时刻只有一条线程可以执行Python字节代码。这可以防止多线程同时修改同一个对象，从而导致数据竞争。然而，GIL也对多线程编程的性能产生了负面影响。因为GIL只允许一个线程同时执行字节代码
- 文章 · python教程 | 2年前 | 性能 多线程 替代方案 454浏览 收藏
-
- Python开发建议：合理选择和使用第三方库和工具
- Python作为一种多功能、易用的编程语言，在开发过程中广泛使用第三方库和工具来提高效率和开发质量。然而，随着Python生态系统的不断扩大，选择和使用第三方库和工具也变得更加复杂和困难。因此，本文将探讨Python开发过程中合理选择和使用第三方库和工具的建议。首先，选择第三方库和工具时应当考虑它们的稳定性和维护情况。在众多开源社区中，有很多库和工具并不是经
- 文章 · python教程 | 2年前 | PyCharm Requests beautifulsoup - 第三方库: 标准库 - 工具: Jupyter 454浏览 收藏
-
- Python urllib.parse.quote_plus 处理空格和加号有什么区别
- 用 Python 处理查询参数时，quote_plus 会把空格编码为加号、把字面加号编码为 %2B；本文对比 quote、urlencode 和手写查询串的适用边界。
- 文章 · python教程 | 1个月前 | 453浏览 收藏
-
- Python 3.15 lazy import 怎么渐进接入：模块声明、首次访问与兼容边界
- Python 3.15 通过 lazy import 和 __lazy_modules__ 提供显式惰性导入。本文说明代理对象、首次访问、错误后移、旧版本兼容与渐进接入边界，帮助命令行工具缩小启动阶段的依赖加载范围。
- 文章 · python教程 | 1个月前 | 性能优化 · python · Python教程 · Python 3.15 lazy import PEP 810 惰性导入 __lazy_modules__ 453浏览 收藏
-
- Python中id()函数返回对象的唯一标识符，即内存地址。该函数在Python中用于获取对象的唯一身份标识，通常用于判断两个变量是否指向同一个对象。id()函数的返回值是一个整数，代表对象在内存中的地址。需要注意的是，Python中的对象在不同运行时可能会有不同的id值，因此不能依赖id()函数进行持久化存储或比较。此外，对于不可变对象（如整数、字符串等），Python可能会对它们进行优化，导致
- id()函数返回的是对象在内存中的唯一标识符，本质上是该对象在CPython解释器中内存地址的整数表示。它不是“地址”本身，而是地址的整数映射CPython中，id()返回的是对象所在内存位置的地址（以十进制整数形式给出），但这个值仅在当前Python进程中有效，且不同运行、不同解释器（如PyPy）可能含义不同。它不保证是物理地址，也不可直接用于指针操作。例如：a=[1,2,3];print(id(a))输出类似140234567890123的大整数同一
- 文章 · python教程 | 5个月前 | 453浏览 收藏
-
- Python中exp函数怎么用？
- Python中exp函数用于计算eˣ，需导入math或numpy模块；math.exp()适用于单个数值，如math.exp(1)≈2.718；numpy.exp()可处理数组，如np.exp([0,1,2])返回[1.,2.718,7.389]，常用于sigmoid、softmax等模型计算。
- 文章 · python教程 | 5个月前 | 453浏览 收藏
-
- Keras 自定义训练循环中正确初始化回调函数的方法
- 在使用train_on_batch()等底层训练方式时，Keras回调（如ModelCheckpoint、EarlyStopping）会因未绑定模型而抛出AttributeError；必须显式调用callback.set_model(model)初始化回调，否则其内部无法访问model.optimizer、model.save_weights()等关键属性。
- 文章 · python教程 | 5个月前 | 453浏览 收藏
-
- Pandas多层索引交换与调整方法
- swaplevel()仅交换MultiIndex中两个指定层级位置，不增删层或重排全部层级；reorder_levels()才支持按列表顺序重排所有层级；交换后需sort_index()确保索引有序，且仅适用于MultiIndex。
- 文章 · python教程 | 6个月前 | 453浏览 收藏
-
- LSTM/GRU时间序列预测实战教程
- 时间序列喂入LSTM/GRU需构造滑动窗口样本，形状为(batch_size,timesteps,features)，归一化须仅在训练集拟合再应用于测试集，避免信息泄露；推荐GRU(units=64,return_sequences=True)降低显存占用，训练时shuffle=False、验证集连续置于训练集后，预测结果需reshape后逆变换还原量纲。
- 文章 · python教程 | 6个月前 | 453浏览 收藏
-
- Python时间序列处理入门指南
- 时间序列分析需先可视化与统计诊断识别趋势、季节性及平稳性，再通过差分、对数变换等预处理使数据适合建模，最后依问题类型选择ARIMA、Prophet或指数平滑等模型，并用时间划分法评估。
- 文章 · python教程 | 6个月前 | 453浏览 收藏
查看更多
课程推荐
-
- 前端进阶之JavaScript设计模式
- 设计模式是开发人员在软件开发过程中面临一般问题时的解决方案，代表了最佳的实践。本课程的主打内容包括JS常见设计模式以及具体应用场景，打造一站式知识长龙服务，适合有JS基础的同学学习。
- 543次学习
-
- GO语言核心编程课程
- 本课程采用真实案例，全面具体可落地，从理论到实践，一步一步将GO核心编程技术、编程思想、底层实现融会贯通，使学习者贴近时代脉搏，做IT互联网时代的弄潮儿。
- 516次学习
-
- 简单聊聊mysql8与网络通信
- 如有问题加微信：Le-studyg；在课程中，我们将首先介绍MySQL8的新特性，包括性能优化、安全增强、新数据类型等，帮助学生快速熟悉MySQL8的最新功能。接着，我们将深入解析MySQL的网络通信机制，包括协议、连接管理、数据传输等，让
- 500次学习
-
- JavaScript正则表达式基础与实战
- 在任何一门编程语言中,正则表达式,都是一项重要的知识,它提供了高效的字符串匹配与捕获机制,可以极大的简化程序设计。
- 487次学习
-
- 从零制作响应式网站—Grid布局
- 本系列教程将展示从零制作一个假想的网络科技公司官网，分为导航，轮播，关于我们，成功案例，服务流程，团队介绍，数据部分，公司动态，底部信息等内容区块。网站整体采用CSSGrid布局，支持响应式，有流畅过渡和展现动画。
- 485次学习
-
- Golang深入理解GPM模型
- Golang深入理解GPM调度器模型及全场景分析，希望您看完这套视频有所收获；包括调度器的由来和分析、GMP模型简介、以及11个场景总结。
- 474次学习
查看更多
AI推荐
-
- PubMedQA
- 深入了解PubMedQA生物医学问答数据集，涵盖其核心功能、使用方法及在临床决策、药物研发等场景的应用，助力提升NLP模型性能。
- 473次使用
-
- H2O EvalGPT
- H2O EvalGPT是H2O.ai推出的开源LLM评估平台，提供详细的大模型性能排行榜、行业特定基准测试及A/B测试功能，助您快速选择最适合项目的高性能大语言模型。
- 531次使用
-
- LMArena
- LMArena是加州大学伯克利分校推出的AI模型匿名评测平台。通过盲测投票机制，用户可对比不同大模型回答并生成实时排行榜，助力开发者优化模型及用户选择最佳AI工具。
- 551次使用
-
- HELM
- 深入了解斯坦福推出的HELM（Holistic Evaluation of Language Models）大模型评测体系。本文解析其核心功能、安装配置步骤及应用场景，涵盖准确性、公平性、鲁棒性等多维度指标，助力开发者全面优化语言模型性能。
- 503次使用
-
- MMBench
- MMBench是由上海人工智能实验室等机构联合推出的多模态基准测试平台，提供细粒度能力评估、大规模数据集及VLMEvalKit工具。本文详细介绍其核心功能、安装使用方法及应用场景，助力开发者全面评估多模态模型性能。
- 320次使用
