python教程技术文章
-
- Celery任务缺少self参数怎么解决
- 当Celery任务函数签名中包含self参数但未启用绑定模式时，调用apply_async()会因参数匹配失败而报错；解决方法是添加bind=True装饰器参数，或直接移除不必要的self。
- 文章 · python教程 | 8个月前 | 441浏览 收藏
-
- PythonI/O密集与CPU密集区别详解
- Python中I/O密集型任务以等待外部资源为主、CPU利用率低，适合多线程或asyncio；CPU密集型任务持续占用CPU、利用率近100%，应选多进程或C扩展。
- 文章 · python教程 | 8个月前 | 241浏览 收藏
-
- Linux下Python环境变量配置方法
- 首先确认Python安装路径，使用which、whereis命令或查看/usr/bin/等目录；若未安装，通过apt、yum或dnf命令安装python3及pip3；然后编辑~/.bashrc或~/.zshrc文件，将Python和pip的可执行路径（如/usr/bin、/usr/local/bin）加入PATH环境变量，例如exportPATH="/usr/bin:$PATH"；保存后运行source~/.bashrc使其生效；最后通过python3--version和pip3--version验证配置
- 文章 · python教程 | 8个月前 | Python Python环境 228浏览 收藏
-
- PostgreSQL上使用on_conflict_do_update实现Upsert
- SQLAlchemy实现upsert有三种方式：一是Core层数据库原生语法（PostgreSQL用on_conflict_do_update、MySQL用on_duplicate_key_update、SQLite用on_conflict_do_update），高效且避免竞态；二是ORM层bulk_upsert_mappings（2.0+），批量处理、不触发事件；三是merge()，自动查再更/插但有性能开销。
- 文章 · python教程 | 8个月前 | 389浏览 收藏
-
- Python数据分析实战教程详解
- Pandas、NumPy、SciPy应分层协作：Pandas负责数据清洗与表达，NumPy支撑底层向量化计算，SciPy承担统计建模与假设检验；工程化需模块化设计，各层仅传DataFrame或dict，确保可维护、可上线。
- 文章 · python教程 | 8个月前 | 215浏览 收藏
-
- slots定义后还能用dict吗？节省多少内存
- 没有。定义__slots__后实例默认无__dict__，除非显式包含'__dict__'；这禁用动态属性添加，并显著节省内存（如10万实例从56MB降至9.6MB），但限制pickle、多重继承和调试灵活性。
- 文章 · python教程 | 8个月前 | 302浏览 收藏
-
- 深度神经网络训练与调优技巧全解析
- Python深度神经网络训练与调优遵循“数据准备→模型搭建→训练监控→迭代优化”四步闭环，核心在于每步设置可验证反馈：数据需标准化、标签规范编码、图像增强；模型首选Keras快速验证，损失与优化器按任务匹配；通过loss曲线诊断过拟合、学习率问题或数据泄露；辅以标签平滑、混合精度和模型集成等低成本高收益技巧。
- 文章 · python教程 | 8个月前 | 232浏览 收藏
-
- Python转成exe工具及方法推荐
- 将Python脚本打包为双击运行的.exe文件，首选PyInstaller：安装后执行pyinstaller--onefile--windowed--icon=app.ico--name=计算器main.py，注意处理相对路径、手动添加数据文件及杀毒软件误报等问题。
- 文章 · python教程 | 8个月前 | 117浏览 收藏
-
- Python如何处理JSON数据？
- Python处理JSON数据的核心方法包括：1.使用json.dumps()将Python对象转为JSON字符串，可设置indent参数美化输出；2.用json.loads()将JSON字符串还原为Python对象，需注意格式合法性；3.利用json.dump()和json.load()实现文件读写，需正确打开文件模式；4.自定义default函数和object_hook函数处理复杂类型如自定义类。这些方法覆盖了JSON操作的常见需求，实际使用时需注意异常处理和格式验证。
- 文章 · python教程 | 8个月前 | 481浏览 收藏
-
- Windows11安装TA-Lib教程
- 本文详解在Windows11环境下安装Python的TA-Lib包所遇典型链接错误（如LNK2001/1120）的根本原因与完整解决方案，涵盖预编译库使用、64位手动构建及推荐替代方案。
- 文章 · python教程 | 8个月前 | 275浏览 收藏
-
- Python数据结构常见错误解析
- 应优先用set替代list做成员查找、用namedtuple或dataclass替代dict存结构化数据、用join替代字符串拼接、用deque替代list做队列操作、用lru_cache替代全局字典缓存。
- 文章 · python教程 | 8个月前 | 162浏览 收藏
-
- Python函数调用性能与栈帧解析详解
- Python函数调用性能瓶颈主要源于栈帧的频繁创建与销毁，每次调用生成约200字节的帧对象，递归过深、高频小函数、闭包及调试工具使用均加剧内存与GC压力，优化需聚焦减少非必要帧生成。
- 文章 · python教程 | 8个月前 | 410浏览 收藏
-
- Python文件读取技巧：strip与split使用解析
- 答案：strip用于去除字符串首尾空白字符，split用于按分隔符拆分字符串为列表。读取文件时应先调用strip()清除换行符和空格，再使用split()拆分数据，避免因格式问题导致解析错误。例如处理CSV文件时，line.strip().split(',')可准确提取字段。该组合在解析配置文件、日志等场景中尤为有效，能稳健处理多余空白。
- 文章 · python教程 | 8个月前 | 338浏览 收藏
-
- Python3多态原理与实际应用解析
- 多态通过继承和方法重写使同一方法在不同对象中表现不同行为。1、定义父类公共接口，子类重写方法实现多样化逻辑；2、利用继承，父类引用调用子类具体实现，如Animal基类的sound方法被Dog和Cat分别实现；3、通过鸭子类型，无需继承关系，只要具备相同方法即可多态调用，如Duck与RobotDuck均实现quack；4、使用abc模块定义抽象基类Shape，强制子类实现area方法，确保多态规范性。
- 文章 · python教程 | 8个月前 | Python3使用教程 274浏览 收藏
-
- Pythonsubprocess捕获彩色输出技巧
- 在Python中捕获ANSI彩色输出需模拟TTY环境或绕过终端检测：一、用script命令创建伪终端；二、设环境变量如LS_COLORS=1并加--color=always参数；三、Linux/macOS用pexpect.spawn分配PTY；四、Windows用winpty封装；五、合并stdout与stderr流。
- 文章 · python教程 | 8个月前 | 485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。
- 263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。
- 314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。
- 297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。
- 271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。
- 92次使用
