python教程技术文章
-
- Python3封装实现与技巧详解
- 通过封装可隐藏Python对象的内部状态，使用双下划线实现私有属性、提供getter/setter方法、利用@property装饰器及__slots__限制属性访问，增强安全性和控制力。
- 文章 · python教程 | 5个月前 | Python3使用教程 161浏览 收藏
-
- PySerial 串口通信实用教程
- 串口通信常见问题及解决方案：设备未插、权限不足、端口号错误占90%；Linux/macOS需配置用户组权限，Windows注意端口名格式；避免裸写Serial初始化，应设超时、清缓存、用read()或read_until()替代readline()；多线程必须单线程操作串口并用队列通信；正确使用reset_input_buffer()清接收缓存，flush()仅用于确保数据发出。
- 文章 · python教程 | 5个月前 | 135浏览 收藏
-
- Flask项目结构设计：MVC实现高内聚代码
- Flask中Model指用SQLAlchemy等ORM定义的实体类及数据逻辑，应独立于视图和HTTP上下文，集中于models/目录，封装字段、查询与业务校验。
- 文章 · python教程 | 5个月前 | 109浏览 收藏
-
- Flask内存占用高怎么解决\_内存泄漏分析工具推荐
- Flask开发模式下内存只涨不降主因是debug=True触发模板自动重载，导致AST缓存和源码引用无法被GC回收；应禁用debug、关闭auto_reload、避免全局大对象，并用tracemalloc和objgraph定位泄漏源。
- 文章 · python教程 | 5个月前 | 490浏览 收藏
-
- Python数据聚类实战：sklearn案例解析
- 数据聚类是无监督学习方法，用于发现数据中的自然分组，常用工具是Python的scikit-learn库。1.常见算法包括KMeans（适合球形分布）、DBSCAN（基于密度、可识别噪声）、AgglomerativeClustering（层次结构）和GMM（概率模型）。2.使用KMeans步骤：导入库、生成模拟数据、构建训练模型、预测标签、可视化结果，并可用肘部法选择簇数。3.聚类前需注意标准化、降维和异常值处理。4.选择算法应根据数据结构、噪声、层次需求和概率解释，结合轮廓系数等指标评估效果。
- 文章 · python教程 | 5个月前 | 194浏览 收藏
-
- Python防SQL注入：参数化查询原理详解
- 最有效方式是使用参数化查询，原理是分离SQL结构与数据，通过预处理语句绑定参数避免输入被解析为代码；拼接字符串（如f-string）会导致注入，因输入直接进入SQL语法；占位符写法依驱动而异，但机制统一；表名、字段名等SQL结构部分需白名单校验。
- 文章 · python教程 | 5个月前 | 151浏览 收藏
-
- CentOS Python虚拟环境安装教程
- 首先确认Python3和pip已安装，若未安装则通过yum或dnf安装；接着安装python3-venv模块，使用“python3-mvenvmyenv”创建虚拟环境；然后执行“sourcemyenv/bin/activate”激活环境，此时可独立安装依赖；最后用deactivate命令退出环境，建议每个项目单独创建环境并用requirements.txt管理依赖。
- 文章 · python教程 | 5个月前 | Python 虚拟环境 415浏览 收藏
-
- Python列表元素拼接成字符串方法
- 最直接且推荐的方式是使用字符串的join()方法，它高效且专为拼接设计。该方法要求所有元素为字符串类型，否则需先通过列表推导式等转换。相比+运算符（性能差）、f-string或format()（适用于格式化而非列表拼接），join()在处理大量数据时优势显著，因其一次性分配内存避免重复复制。常见错误是未转换非字符串元素导致TypeError，最佳实践包括统一类型转换或选择性过滤处理。性能陷阱主要在于前期数据生成开销或超大字符串内存占用，但join()本身仍是首选高效方案。
- 文章 · python教程 | 5个月前 | 392浏览 收藏
-
- Python打印列表地址方法详解
- Python中可用id()获取列表内存地址，返回十进制整数，hex()可转十六进制；修改列表元素不改变地址，但重新赋值会创建新对象；无需且不应使用ctypes等模拟C指针。
- 文章 · python教程 | 5个月前 | 187浏览 收藏
-
- Python日志系统设计与使用技巧
- logging.getLogger()总返回同一实例，因模块用字典缓存logger名称；子logger自动继承父级handler和level，但propagate=True易致重复输出；多进程需避免共用FileHandler，推荐独立文件或QueueHandler；JSON日志需预处理字段并确保换行。
- 文章 · python教程 | 5个月前 | 214浏览 收藏
-
- Python argparse 与 click 对比分析
- argparse适合简单脚本，click更适合产品化CLI工具；前者轻量标准但子命令难维护，后者功能丰富但学习成本略高，选择取决于使用者、使用频率及扩展需求。
- 文章 · python教程 | 5个月前 | 366浏览 收藏
-
- Python异步下载图片：aiohttp与aiofiles并发存储教程
- aiohttp因基于asyncio可单线程挂起千级协程实现真并发，而requests+threading仍受同步阻塞限制；需用iter_chunked分块流式读取、aiofiles分块写入、ClientSession复用、Semaphore限流及显式超时来保障高效稳定下载。
- 文章 · python教程 | 5个月前 | 276浏览 收藏
-
- Python Flask开发教程：快速搭建Web应用
- Flask是轻量灵活的PythonWeb框架，支持动态路由、多种HTTP方法、Jinja2模板渲染及表单处理，适合初学者与中小型项目。
- 文章 · python教程 | 5个月前 | 321浏览 收藏
-
- Python实现上下文协议，自定义with对象
- 上下文管理协议由__enter__和__exit__方法构成，支持with语句自动管理资源：进入时调用__enter__（返回值赋给as变量），退出时必调__exit__（可抑制异常）。
- 文章 · python教程 | 5个月前 | 159浏览 收藏
-
- Python中使用subprocess.check_output捕获错误输出
- subprocess.check_output默认吞掉stderr且不暴露，仅当退出码非零才抛异常；需改用subprocess.run(...,capture_output=True,check=True)分别获取stdout和stderr。
- 文章 · python教程 | 5个月前 | 148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。
- 1015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。
- 1019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。
- 1145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。
- 1120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。
- 961次使用
