python教程技术文章
-
- Python爬虫403错误怎么解决
- 加User-Agent仍403是因为网站需Referer和Cookie等组合校验：Referer须匹配合法上级页面，Cookie需时效有效且环境一致，缺一即拦截。
- 文章 · python教程 | 4个月前 | 430浏览 收藏
-
- Python大文件处理技巧与优化方法
- 处理大文件应避免全量加载内存，优先采用流式、分块或延迟加载方式：逐行读取、mmap随机访问、ijson/xml流解析、csv.DictReader+islice跳行、gzip/bz2直接解压、dask/polars替代pandas、sqlite3加速过滤，并用with管理句柄、psutil监控内存、ThreadPoolExecutor重叠IO。
- 文章 · python教程 | 4个月前 | 430浏览 收藏
-
- Python中reduce函数的使用方法
- reduce是functools模块中用于序列累积运算的函数，需传入二元函数、非空可迭代对象及可选初始值，如reduce(lambdax,y:x+y,[1,2,3,4])返回10。
- 文章 · python教程 | 4个月前 | 430浏览 收藏
-
- Python异步任务控制方法
- asyncio.wait不控制任务执行顺序，仅并发等待可等待对象完成；需顺序执行时应直接await，有依赖的并发任务应封装为内部串行的协程单元。
- 文章 · python教程 | 5个月前 | 430浏览 收藏
-
- Pythonf-string格式化技巧详解
- f-string（格式化字符串字面量）是Python3.6引入的最简洁、高效、可读性最强的字符串格式化方式。它直接在字符串前加f或F，花括号内写表达式，运行时实时求值并转换为字符串。基础用法：变量插值与表达式计算只需在字符串前加f，把变量或任意合法表达式放进{}中即可：name="Alice";age=30;print(f"Hello,{name}.Youare{age}yearsold.")→Hello,Alice.Youare30yearsol
- 文章 · python教程 | 5个月前 | 430浏览 收藏
-
- 如何在正则表达式中使用预定义的字符类？
- 预定义字符类在正则表达式中提升效率与可读性。\d匹配数字，\D匹配非数字，\w匹配单词字符，\W匹配非单词字符，\s匹配空白符，\S匹配非空白符。常见用途包括：1.用\d提取电话号码或价格；2.用\s清理多余空格或换行；3.用^[a-zA-Z_]\w*$校验变量名合法性。注意大小写互斥、语言差异、避免过度依赖及正确转义反斜杠，以确保精准匹配。
- 文章 · python教程 | 5个月前 | 430浏览 收藏
-
- 常规提交规范下，库版本升级通常使用minor或major提交类型，具体取决于升级的范围：minor：用于向后兼容的新增功能或改进（例如：1.2.0→1.3.0）。major：用于不兼容的更改或重大重构（例如：1.0.0→2.0.0）。如果升级仅包含修复和小改进，且不破坏现有功能，则使用patch（如1.2.0→1.2.1）。举例说明：新增API但不破坏现有代码→minor移除旧API或修改行为→m
- 在遵循ConventionalCommits规范的Python库开发中，版本号更新（如pyproject.toml中的version字段变更）推荐使用release类型提交；chore虽然常见且合法，但语义不够精准，长期来看release更符合意图、更易被自动化工具识别。
- 文章 · python教程 | 5个月前 | 430浏览 收藏
-
- Pandas2.2+PyArrow零拷贝解析指南
- Pandas使用float64[pyarrow]类型时，切片与拼接操作几乎不增加内存占用，其本质是底层启用了Copy-on-Write（写时复制）机制，而非传统深拷贝；而默认float64类型在未显式启用CoW时会触发冗余内存分配。
- 文章 · python教程 | 5个月前 | 430浏览 收藏
-
- Python项目接入CI/CD流水线教程：GitLabCI与Jenkins实战
- GitLabCI中应使用多阶段构建隔离依赖与运行时环境，通过Poetry或pip-tools生成确定性依赖文件，用CI内置变量安全认证私有仓库，按committag或shortSHA打镜像标签，并在推送前验证配置合法性。
- 文章 · python教程 | 5个月前 | 430浏览 收藏
-
- 单页应用数据抓取技巧与Python实现
- 因为单页应用（SPA）的主体内容由JavaScript动态渲染，requests.get()仅获取初始HTML骨架，真实数据藏在后续API调用中。
- 文章 · python教程 | 6个月前 | 430浏览 收藏
-
- Selenium动态按钮定位与点击方法
- 本文详解Selenium自动化测试中“元素存在但无法定位”问题的成因与解决方案，涵盖显式等待、定位策略优化、页面状态校验等核心实践，帮助初学者写出健壮、可维护的UI测试脚本。
- 文章 · python教程 | 7个月前 | 430浏览 收藏
-
- Python Excel 大文件读写优化技巧
- openpyxl读大Excel卡死因默认全量加载内存，应启用read_only=True流式解析并避免max_row等全表扫描操作；写入慢因逐行append开销大，需批量写入或write_only=True模式。
- 文章 · python教程 | 7个月前 | 430浏览 收藏
-
- Pythondotenvvspydantic-settings选型分析
- dotenv加载失败主因是load_dotenv()未调用或时机过晚，需置于入口文件顶部；跨目录需显式指定路径；pydantic-settings提供类型校验与默认值但启动较慢，应延迟初始化。
- 文章 · python教程 | 7个月前 | 430浏览 收藏
-
- Python运算符优先级表及练习工具推荐
- Python运算符优先级从高到低共17级：括号()最高，幂运算**次之（右结合），接着是正负号、算术、位移、位运算、比较（含in/is）、逻辑（not>and>or），赋值运算符=最低。
- 文章 · python教程 | 8个月前 | 430浏览 收藏
-
- Peewee对象序列化与反序列化技巧
- Peewee的ModelSelect查询对象本身不可直接序列化；正确做法是执行查询获取模型实例后，再用model_to_dict()转为字典，持久化存储；还原时通过dict_to_model()构造实例——而非试图序列化未执行的查询对象。
- 文章 · python教程 | 8个月前 | 430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。
- 471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。
- 530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。
- 550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。
- 500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。
- 318次使用
