python教程技术文章
-
- PythonAPI获取随机词汇技巧与限制分析
- 本教程探讨了在Python项目中使用requests模块从API获取特定类别随机词汇的问题。通过分析流行的random-word-api.herokuapp.com，我们发现并非所有API都支持类别过滤功能。文章将深入解释为何尝试失败，并强调查阅API文档的重要性，以及在遇到功能限制时如何选择合适的API或替代方案，以确保项目需求得以实现。
- 文章 · python教程 | 1年前 | 490浏览 收藏
-
- Python单元测试教程：unittest框架详解
- Python单元测试核心是通过unittest或pytest构建独立用例验证代码功能。unittest作为标准库，提供TestCase、断言方法及setUp/tearDown等机制管理测试准备与清理，并支持mock技术隔离外部依赖，确保测试的可重复性和可靠性。
- 文章 · python教程 | 1年前 | 490浏览 收藏
-
- Python字符串转datetime方法详解
- 使用datetime.strptime()可将字符串转为datetime对象，需确保格式代码与字符串严格匹配，如%Y-%m-%d对应"2023-10-27"；对不同时区或模糊格式，可借助dateutil.parser.parse或fromisoformat()处理，并建议内部统一用UTC时间。
- 文章 · python教程 | 1年前 | 490浏览 收藏
-
- Pythonrequests发送HTTP请求教程
- requests库是Python发送HTTP请求的首选工具，其核心在于使用get()和post()方法处理不同场景。GET用于获取数据，参数通过URL传递，适合幂等性查询；POST用于提交数据，信息置于请求体中，适合传输敏感或大量数据。实际应用中，根据是否改变服务器状态来选择：获取资源用GET，创建或更新用POST。处理JSON时，可直接使用json参数自动序列化并设置Content-Type；文件上传则通过files参数支持多部分表单，需以二进制模式打开文件。为提升健壮性，应使用try-except捕获
- 文章 · python教程 | 1年前 | 490浏览 收藏
-
- Pandas快速计算时间序列年度平均值
- 本文将详细介绍如何利用Pandas库高效地将月度时间序列数据聚合为年度平均值。通过groupby()结合dt.year提取年份，并使用agg('mean')对指定列进行平均值计算，最终生成一个简洁的年度统计数据框。文章将提供示例代码和方法解析，帮助读者掌握Pandas在时间序列数据处理中的应用技巧。
- 文章 · python教程 | 1年前 | 490浏览 收藏
-
- Python字典求和：解决TypeError累加'y'值
- 本文针对Python初学者，详细讲解如何正确地对字典中特定键的值进行求和。通过分析常见的TypeError:'int'objectisnotiterable错误，提供清晰的代码示例和解释，帮助读者掌握字典遍历和数值累加的技巧，最终实现对嵌套字典中'y'值的正确求和。
- 文章 · python教程 | 1年前 | 490浏览 收藏
-
- LLDB打印C语言char变量方法详解
- 本教程详细介绍了如何使用LLDBPythonAPI准确打印C语言中的char**类型变量，例如main函数的argv参数。文章探讨了两种主要方法：一是利用GetChildAtIndex方法的can_create_synthetic参数进行动态尺寸推断，适用于快速场景；二是推荐使用SBType::GetArrayType结合argc显式构建固定大小数组类型，从而实现更健壮和精确的数据访问。通过示例代码，帮助开发者理解并实践这两种技术，确保在调试C程序时能够可靠地检查字符串数组。
- 文章 · python教程 | 1年前 | 490浏览 收藏
-
- Python如何练写多个简单函数？
- 编写多个简单函数的关键在于将复杂问题分解为职责单一的小任务，1.从小处着手，定义清晰职责，如分别实现文本清洗、单词统计和平均词长计算；2.逐步组合函数构建流程，通过数据传递将小函数串联成完整逻辑；3.刻意练习不同场景，如数学运算、字符串处理、列表操作等；4.通过单元测试和调试确保每个函数正确性，使用assert或测试框架验证功能，利用print或调试器排查问题；5.推荐初学者通过命令行计算器、文本分析工具和待办事项列表等项目实践多函数协作，提升模块化编程能力，最终实现代码的高可读性、复用性、可维护性和可测
- 文章 · python教程 | 1年前 | 模块化编程 单元测试 Python函数 多函数 分解问题 490浏览 收藏
-
- Python连接MySQL教程，PyMySQL实战详解
- Python连接MySQL数据库最常用的是PyMySQL库，主要步骤为：1.安装库（pipinstallPyMySQL）；2.导入库并配置连接参数（host、port、user、password、db、charset等）；3.使用pymysql.connect()建立连接；4.通过connection.cursor()获取游标；5.执行SQL操作（增删改查）；6.修改操作需调用connection.commit()提交事务；7.操作完成后在finally块中关闭游标和连接。常见问题包括编码不一致导致中文乱
- 文章 · python教程 | 1年前 | mysql 数据库连接 连接池 参数化查询 pymysql 490浏览 收藏
-
- Pythonif语句使用教程与实例解析
- Python中的if语句格式是：1.if条件:代码块;2.elif另一个条件:代码块;3.else:代码块。该结构通过条件、冒号和缩进来控制程序流程，支持复杂逻辑处理。
- 文章 · python教程 | 1年前 | 490浏览 收藏
-
- Python打造工业4.0设备健康管理系统思路
- Python之所以成为构建工业4.0设备健康管理系统的核心工具，1）其拥有丰富的库生态，如NumPy、Pandas用于数据处理，Scikit-learn、TensorFlow、PyTorch用于机器学习建模，paho-mqtt、python-opcua用于工业通信；2）Python语法简洁，学习曲线平缓，便于IT与OT人员协作；3）具备强大的数据处理能力，尤其擅长处理工业场景中的时序、异构和脏数据；4）社区活跃，问题解决效率高，持续推动技术迭代。
- 文章 · python教程 | 1年前 | Python 机器学习 工业4.0 预测性维护 设备健康管理 490浏览 收藏
-
- Python中/的用法及除法详解
- 在Python中，/用于除法运算，总是返回浮点数结果。1）在Python3.x中，5/2结果为2.5；2）使用//进行整数除法，5//2结果为2；3）大数或小数计算时，使用decimal模块避免浮点误差；4）科学计算或金融应用中需注意浮点数表示误差，可用round或decimal模块；5）性能方面，//在大量整数运算时比/更快。
- 文章 · python教程 | 1年前 | 490浏览 收藏
-
- Python正则匹配浮点数详解
- 要全面匹配Python中各种格式的浮点数，需考虑基础格式、科学计数法及正负号等要素。1.基础格式包括整数和小数部分组合，如123.456、.789或0.0，正则应支持可选符号、可省略的整数或小数点部分，但需避免匹配非法值如“.”；2.科学计数法格式如123e5或-1.2E-3，需添加非捕获组(?:eE?\d+)?以匹配指数部分；3.完整正则表达式为r'^[-+]?(\d+.\d*|.\d+|\d+)(?:eE?\d+)?$'，涵盖所有合法格式并确保完整匹配；4.实际使用时可根据需求调整，如排除纯整数、处理
- 文章 · python教程 | 1年前 | 490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。
- 505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。
- 563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。
- 590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。
- 541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。
- 353次使用
