python教程技术文章
-
- Python变量赋值方法与优势详解
- Python变量赋值无需声明类型，通过“=”将变量名绑定到对象，实现动态类型和引用机制，支持多重赋值与灵活命名，提升开发效率但需注意可变对象的共享副作用。
- 文章 · python教程 | 9个月前 | 413浏览 收藏
-
- Python调试技巧：print与debug使用对比
- 调试Python代码应依问题复杂度选择print或断点：print适合轻量即时验证，需加标签、及时清理；断点（IDE或pdb）适用于深层逻辑，支持动态观察变量；二者可组合使用提升效率。
- 文章 · python教程 | 9个月前 | 413浏览 收藏
-
- Pythonglob模块实用教程
- glob模块用于匹配文件路径名，支持通配符如、?、[abc]和*（配合recursive=True实现递归），可快速查找指定模式的文件，返回字符串列表，常用作文件批量处理。
- 文章 · python教程 | 9个月前 | 413浏览 收藏
-
- 爬虫到模型部署实战教程详解
- 爬虫开发到模型部署是需分阶段聚焦、反复验证的工程闭环，核心在于数据获取要稳、特征处理要准、模型训练要可复现、服务部署要轻量可靠。
- 文章 · python教程 | 9个月前 | 413浏览 收藏
-
- 调用函数与打印函数有什么不同
- 调用函数执行其代码，如greet()运行函数体；打印函数如print(greet)仅显示函数对象信息而不执行。
- 文章 · python教程 | 10个月前 | 413浏览 收藏
-
- PythonYOLO目标检测教程详解
- 物体检测可用Python结合YOLO模型实现，一、需先安装OpenCV和PyTorch等依赖库；二、通过加载预训练模型如YOLOv5s进行图像或视频检测，并可自定义参数；三、利用OpenCV读取摄像头实时处理每一帧，实现快速检测；四、若需识别特定目标，可准备标注数据并重新训练模型以提升效果。
- 文章 · python教程 | 10个月前 | 413浏览 收藏
-
- numpy创建数组的多种方法详解
- NumPy提供多种创建数组的方法：np.array()从列表转换数组，支持多维及类型自动转换；np.zeros()、np.ones()、np.full()分别创建全0、全1或指定值的数组；np.arange()按步长生成等差序列，np.linspace()按数量生成等间隔数；np.random.rand()、randint()、normal()生成不同分布的随机数组；可通过dtype参数指定数据类型以优化内存；reshape()可改变数组形状并支持-1自动推断维度；concatenate()、stack(
- 文章 · python教程 | 11个月前 | Python Numpy 413浏览 收藏
-
- Python数据可视化：Matplotlib与Seaborn教程
- 答案：Python数据可视化主要通过Matplotlib和Seaborn实现，Matplotlib提供精细控制，适合复杂定制和底层操作，Seaborn基于Matplotlib构建，封装了高级接口，擅长快速生成美观的统计图表。两者互补，常结合使用：Seaborn用于快速探索数据分布、关系和趋势，Matplotlib用于后续精细调整图表细节。选择图表类型需根据数据特征和表达目的，避免误导性设计，注重简洁性、色彩合理运用及信息清晰传达。
- 文章 · python教程 | 11个月前 | Python 数据可视化 413浏览 收藏
-
- Python协议与ABC抽象基类对比解析
- 答案：Python的协议（Protocol）通过结构化子类型实现接口兼容性，抽象基类（ABC）通过继承和运行时检查强制接口实现。Protocol侧重静态类型检查下的“能做什么”，ABC强调运行时的“必须做什么”与类层次结构，二者互补，分别适用于灵活集成与严格契约场景。
- 文章 · python教程 | 11个月前 | 413浏览 收藏
-
- Python字符串连接：+=优化与性能分析
- Python中字符串的不可变性理论上导致重复使用+=进行连接会产生二次时间复杂度。然而，CPython解释器对此操作进行了一项特定优化，使其在某些条件下表现出接近线性的性能。尽管如此，这项优化是“脆弱”且不跨解释器通用的，PEP8规范明确建议不要依赖它。本文将深入探讨这一优化机制，并通过实例代码验证其行为，最终强调使用"".join()作为高效、可靠的字符串连接最佳实践。
- 文章 · python教程 | 12个月前 | 413浏览 收藏
-
- Python3.12override泛型特性解析
- 本文深入探讨了Python3.12中typing模块引入的override函数及其背后的泛型类型定义新语法。我们将解析defoverride[F:type](method:F,/)->F:中[F:type]的含义，阐述PEP-695提案中关于泛型类型定义的改进，并提供清晰的示例代码，帮助读者理解和应用这一新特性。
- 文章 · python教程 | 12个月前 | 413浏览 收藏
-
- Python正则多行匹配技巧re.M详解
- re.M（或re.MULTILINE）是Python正则表达式中用于改变^和$行为的标志，其作用在于让^匹配每一行的起始位置，让$匹配每一行的结束位置。默认情况下，^和$仅分别匹配整个字符串的开头和结尾；启用re.M后，它们将分别匹配每行的开头和换行符之前的位置。例如，在提取每行以特定字符开头的内容时，使用re.findall(r'^\w+',text,re.M)可匹配所有行首的单词。在删除注释行的场景中，通过re.sub(r'^\s*#.*$','',config,flags=re.M)可过滤掉以#开头
- 文章 · python教程 | 1年前 | 413浏览 收藏
-
- Spyder显示Let's-Plot图表技巧
- 本文旨在解决在使用SpyderIDE和Lets-Plot库时，图表无法正常显示，仅在IPython控制台中显示对象信息的问题。通过添加.show()方法，可以确保图表在Spyder中正确渲染和展示，从而更有效地进行数据可视化和分析。
- 文章 · python教程 | 1年前 | 413浏览 收藏
-
- PythonK-means异常检测全解析
- 聚类异常检测通过将数据分簇并识别远离所属簇的数据点来发现异常。具体步骤为：1.准备数据并进行标准化预处理；2.使用K-means聚类算法对数据分簇；3.计算每个点到所属簇中心的距离；4.设定阈值识别异常点；5.可视化结果并输出异常点索引。此外，选择合适的K值可通过肘部法则、轮廓系数或业务理解确定；异常阈值可基于百分位数、箱线图、统计方法或可视化确定；但K-means存在对初始值和K值敏感、假设簇为凸形、无法检测全局异常等局限，需结合数据特征和业务需求选择合适算法。
- 文章 · python教程 | 1年前 | Python 异常检测 K-means 阈值 K值 413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。
- 381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。
- 451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。
- 463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。
- 403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。
- 232次使用
