python教程技术文章
-
- 机器学习API调用教程详解
- 直接调用现成AI平台API是最快上手机器学习的方式，推荐阿里云百炼、百度千帆、腾讯混元或OpenAI；关键步骤包括获取APIKey、构造请求头与JSON体、解析响应，并注意密钥安全、字段校验及错误排查。
- 文章 · python教程 | 7个月前 | 341浏览 收藏
-
- Nameko框架：Python微服务开发全解析
- Nameko框架的核心优势包括：1.轻量级和简洁性，代码量小且依赖少，启动运行快，基于装饰器的设计直观易懂；2.强大的RPC和事件驱动能力，原生支持RPC和事件机制，满足同步和异步通信需求；3.依赖注入机制，自动管理服务所需的外部资源，提升代码模块化和可测试性；4.测试友好性，提供丰富的测试工具，便于进行单元测试和集成测试。其适用场景包括需要频繁服务间通信、大量异步任务处理及消息队列强依赖的系统，如电商后台或数据处理管道。
- 文章 · python教程 | 7个月前 | 134浏览 收藏
-
- Python速率限制中间件实现详解
- 不够，因为lru_cache仅缓存返回值，不支持时间窗口、用户区分、请求阻塞及跨进程限流，真实场景需Redis等外部存储实现状态一致性。
- 文章 · python教程 | 7个月前 | 332浏览 收藏
-
- Python接口版本管理与兼容方案解析
- URL路径嵌入版本号更可靠，因Header方式导致日志聚合难、OpenAPI生成难、CDN缓存失效；v1/v2共存应解耦数据模型与序列化契约，用独立ResponseModel映射；废弃v1需同时满足调用量<0.5%、全方确认迁移、存在不可修复安全缺陷。
- 文章 · python教程 | 7个月前 | 388浏览 收藏
-
- Python类型推断原理与使用技巧
- 本文详解Python渐进式类型系统如何对未标注变量进行精确的隐式类型推断——它并非简单赋予Any，而是基于赋值表达式实际值进行上下文敏感推断，从而在不牺牲灵活性的前提下提升静态检查准确性。
- 文章 · python教程 | 7个月前 | 419浏览 收藏
-
- Pythonpopitem方法使用教程
- popitem()方法从字典末尾移除并返回键值对，适用于清空字典场景。示例：my_dict={'a':1,'b':2,'c':3}；item=my_dict.popitem()返回('c',3)，字典变为{'a':1,'b':2}。空字典调用会抛出KeyError异常，需提前判断或捕获异常。常用于任务队列、配置处理等需逐个取出元素的场景，如while循环中遍历并清空config字典。注意Python3.7+字典保持插入顺序，确保后进先出行为可靠。
- 文章 · python教程 | 7个月前 | 145浏览 收藏
-
- Python数据结构兼容性详解
- Python3.7+dict保证插入顺序，但OrderedDict特有方法（如move_to_end）和等值比较行为不可替代；PEP585类型注解需匹配Python版本与mypy配置；__future__.annotations要求显式处理字符串化类型。
- 文章 · python教程 | 7个月前 | 118浏览 收藏
-
- 抛异常后属性值为何不变？
- setter抛异常时属性值不会被修改，前提是赋值语句（this.field=value;）位于参数校验之后且异常未被try-catch吞掉；否则可能因赋值前置、异常静默或并发导致值被意外修改。
- 文章 · python教程 | 7个月前 | 219浏览 收藏
-
- Python内存泄漏排查技巧与步骤详解
- gc.get_objects()是定位Python内存泄漏的首选方法，先gc.collect()再统计各类型对象数量，重点检查dict、list、自定义类等是否随请求稳定增长，并排查循环引用和全局容器中的幽灵引用。
- 文章 · python教程 | 7个月前 | 480浏览 收藏
-
- Python测试覆盖率真实价值解析
- 覆盖率高不等于质量高：行覆盖仅表明代码被执行，未验证逻辑分支；分支覆盖需显式启用，对权限校验等关键逻辑更可靠；mock易致假覆盖；设阈值须结合风险、排除生成代码与胶水层。
- 文章 · python教程 | 7个月前 | 428浏览 收藏
-
- Python处理PDF指南：PyPDF2功能详解
- PyPDF2是Python操作PDF的核心模块，主要功能包括读取信息、拆分、合并、旋转、提取文本及加密解密。1.安装方法为pipinstallPyPDF2；2.支持读取PDF元数据；3.可按页拆分或合并多个PDF；4.能旋转页面方向；5.提供文本提取功能；6.支持加密与解密操作；7.处理大型PDF时建议分块处理或使用其他专业库如PDFMiner；8.若需创建PDF应使用reportlab等库。
- 文章 · python教程 | 7个月前 | 256浏览 收藏
-
- Flask生成安全PDF报告技巧分享
- 本文详解如何使用Flask接收用户输入、调用Matplotlib的PdfPages生成多页PDF，并通过send_from_directory安全响应下载请求，避免线程阻塞与路径错误。
- 文章 · python教程 | 7个月前 | 227浏览 收藏
-
- Power BI Python脚本引发日期异常解决方法
- 本文详解PowerBI内嵌Python脚本运行后日期列被错误识别为Microsoft.OLEDB.Date类型的问题，核心在于避免将datetime转换为Python原生date对象，而应保留datetime64[ns]类型并标准化时间部分。
- 文章 · python教程 | 7个月前 | 148浏览 收藏
-
- Python函数定义与调用方法详解
- 定义函数用def，调用函数直接使用函数名加参数。函数可返回值、支持多种参数类型，作用域遵循LEGB规则，闭包能捕获外部变量，提升代码复用与灵活性。
- 文章 · python教程 | 7个月前 | 420浏览 收藏
-
- Python函数参数中使用/和*的作用是用于强制指定参数的传递方式，这在Python3.8及以上版本中被引入。它们帮助开发者更清晰地定义函数的调用方式，提高代码的可读性和健壮性。一、/（斜杠）的作用/用于强制位置参数，即在它之前的参数必须通过位置传入，不能使用关键字参数。deffunc(a,b,/,c):print(a,b,c)在这个例子中：a和b是位置参数，必须按顺序传入。c是关键字参数，可以使
- Python3.8+中/表示其左侧参数仅能位置传参，*表示其右侧参数必须关键字传参；二者可共存形成三段式参数结构：位置专用、混合、关键字专用。
- 文章 · python教程 | 7个月前 | 169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。
- 363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。
- 419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。
- 433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。
- 386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。
- 213次使用
