python教程技术文章
-
- 按年份和会议序号排序Pandas列头方法
- 本文介绍如何将形如M1/2023、M2/2024的混合列名，按「先年份、后会议编号」的逻辑进行稳定、可扩展的自然排序，避免M10/2023被错误排在M2/2023之前等问题。本文介绍如何将形如`M1/2023`、`M2/2024`的混合列名，按「先年份、后会议编号」的逻辑进行**稳定、可扩展的自然排序**，避免`M10/2023`被错误排在`M2/2023`之前等问题。在处理时间序列或分组事件（如年度会议）的宽格式数据时，Panda
- 文章 · python教程 | 5个月前 | 184浏览 收藏
-
- OpenCV边缘检测算法全解析
- Canny边缘检测是OpenCV中目标边缘检测的核心方法，包含高斯滤波、梯度计算、非极大值抑制和双阈值滞后阈值化四步；需先灰度化、高斯去噪，合理设置双阈值，并辅以膨胀、轮廓提取等后处理提升实用性。
- 文章 · python教程 | 5个月前 | 428浏览 收藏
-
- Python字典update方法使用教程
- update()方法用于更新字典内容，语法为dict.update(other)；可传入字典、包含键值对的可迭代对象或关键字参数；若键存在则覆盖值，不存在则添加新键值对；如d={'a':1,'b':2}调用d.update({'b':3,'c':4})后输出{'a':1,'b':3,'c':4}；使用关键字参数时键必须为合法标识符；传入元组列表形式如[('b',3),('c',4)]也可批量更新；该方法直接修改原字典不返回新对象，需复制原字典以保留原始数据；常用于合并配置或补充默认值场景。
- 文章 · python教程 | 5个月前 | 425浏览 收藏
-
- Python自动巡检Web服务技巧分享
- Python轻量级自动巡检服务核心是稳、快、可查：用requests+time.sleep实现可控轮询，结构化JSON日志记录全链路信息，按失败程度分级告警，通过配置隔离开发与上线行为。
- 文章 · python教程 | 5个月前 | 359浏览 收藏
-
- Python中is与==区别详解
- 答案：==比较值是否相等，is比较对象内存地址是否相同。例如列表内容相同则==为True，但is为False除非指向同一对象；小整数因缓存可能is也为True，但大整数不一定；推荐用is判断是否为None。
- 文章 · python教程 | 5个月前 | 204浏览 收藏
-
- Python函数核心原理与实战解析【教程】
- Python函数是第一类对象，def和lambda均创建function实例，区别在于lambda仅支持表达式；闭包由自由变量捕获决定；@wraps确保装饰器保留原函数元信息。
- 文章 · python教程 | 5个月前 | 492浏览 收藏
-
- 在编程中，使用 in 检查可打印字节是否属于某个集合，通常比用区间比较（如 0x20 <= byte <= 0x7E）更快的原因主要有以下几点：1. 集合查找的底层优化Python 中的 set 是基于哈希表实现的，查找操作的时间复杂度是 O(1)。而使用 in 判断一个字节是否在集合中，实际上是在进行一次哈希查找。相比之下，使用区间判断（如 0x20 <= byte <= 0x7E）虽然逻辑简单
- Python中xinbytearray(string.printable)比手动写(x>=32andx<=126)or(x>=9andx<=13)更快，主因是前者底层调用高度优化的C函数memchr，且字节级成员检测被编译为更少的字节码指令（34vs52条），显著降低解释器开销。
- 文章 · python教程 | 5个月前 | 119浏览 收藏
-
- Python有序列表合并：双指针归并法解析
- 双指针合并两个有序列表可实现O(m+n)时间复杂度，优于拼接后排序的O((m+n)log(m+n))；需初始化i,j=0，比较后推进下标，一方耗尽则直接extend剩余部分，注意空列表和有序性前提。
- 文章 · python教程 | 5个月前 | 168浏览 收藏
-
- TensorFlow预测报错原因及输入方法解析
- TensorFlow/Keras模型的predict()方法要求输入为张量或NumPy数组，且必须包含批处理维度；直接传入Python列表（如[10.0]）会触发“Unrecognizeddatatype”错误。TensorFlow/Keras模型的`predict()`方法要求输入为张量或NumPy数组，且必须包含批处理维度；直接传入Python列表（如`[10.0]`）会触发“Unrecognizeddataty
- 文章 · python教程 | 5个月前 | 106浏览 收藏
-
- 显存不足？梯度累加+混合精度轻松解决
- 梯度累加需对每次loss除以accumulation_steps再backward，并仅在累积完成时调用optimizer.step()和optimizer.zero_grad()，避免梯度放大与显存泄漏。
- 文章 · python教程 | 5个月前 | 167浏览 收藏
-
- pytest-html生成HTML测试报告教程
- pytest-html可生成带样式、可折叠、含图表的HTML报告，但需配置--self-contained-html、--override-ini="console_output_style=classic"或conftest.py中设tbstyle="long"以显示完整traceback，并用--metadata和--override-ini="html_title=..."添加环境信息与自定义标题。
- 文章 · python教程 | 5个月前 | 321浏览 收藏
-
- Python aiofiles 正确使用方法
- 必须用asyncwithaiofiles.open()，不可await后手动close；需显式指定encoding='utf-8'读文本；mode='w'不自动建父目录；aiofiles文件对象不能脱离asyncwith使用。
- 文章 · python教程 | 5个月前 | 482浏览 收藏
-
- Pandas多文件写入技巧详解
- 本文详解如何基于数据键（如时间周期、分析方法）动态分发DataFrame到多个独立Excel文件，并为每个文件写入指定工作表，避免重复覆盖或遗漏，关键在于合理组织循环结构与ExcelWriter的生命周期管理。本文详解如何基于数据键（如时间周期、分析方法）动态分发DataFrame到多个独立Excel文件，并为每个文件写入指定工作表，避免重复覆盖或遗漏，关键在于合理组织循环结构与ExcelWriter的生命周期管理。在实际数据分析流
- 文章 · python教程 | 5个月前 | 491浏览 收藏
-
- DynamoDB 批量添加属性不覆盖方法
- 本文详解为何连续调用put_item会导致DynamoDB记录被覆盖，并推荐使用update_item原子更新方式，配合SET操作一次性写入多个属性，确保数据完整性与并发安全性。本文详解为何连续调用`put_item`会导致DynamoDB记录被覆盖，并推荐使用`update_item`原子更新方式，配合`SET`操作一次性写入多个属性，确保数据完整性与并发安全性。在DynamoDB中，put_item的语义是「全量写
- 文章 · python教程 | 5个月前 | 399浏览 收藏
-
- Python搭建RabbitMQ分布式爬虫任务系统
- 直接用pika发送任务会丢消息，是因为默认未启用发布确认、队列未持久化、消息未设delivery_mode=2；漏掉任一机制，RabbitMQ重启或消费者异常时消息即丢失。
- 文章 · python教程 | 5个月前 | 305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。
- 939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。
- 944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。
- 1060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。
- 1036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。
- 861次使用
