文章，教程和讲座

关于 Mercurial 移植到 Python3 的一些思考

链接: https://gregoryszorc.com/blog/2020/01/13/mercurial's-journey-to-and-reflections-on-python-3/

Mercurial 5.2 于 2019年11月5日 发布。这是 Mercurial 第一个支持 Python3 的版本。这一里程碑是在 Python3.0 于 2018年12月3日 首次发布之后近11年的时间完成的。从逻辑上讲，该文章分为两部分：对 Mercurial 的 Python3 移植工作的一些真实的叙述，对向 Python3 和整个 Python 语言生态系统的过渡,提出的一些见解。

管理 Python 环境

链接: https://www.pluralsight.com/tech-blog/managing-python-environments/

Python 环境的配置很容易成为巨大的负担。我们将逐步介绍一些可用的工具以提高环境（代码）友好性，并准备了一些备受好评的 Python 的配置项。

在 Python 中将函数作为参数传递给另一个函数

链接: https://treyhunner.com/2020/01/passing-functions-as-arguments/

在 Python 中，函数也是对象。当深入研究 Python 时，会发现在学会将一个函数传递给另一个函数之后, 你的函数调用将会非常方便。这是我的关于“function objects”各种属性的一系列文章中的第 1 部分。本文重点介绍了新手 Python 程序员应该了解的 Python 函数的对象性质。

简单的 VQA

链接: https://victorzhou.com/blog/easy-vqa/

关于使用神经网络的 Visual Question Answering（VQA）的简要介绍。

下一个 Python 项目的终极设置

链接: https://martinheinz.dev/blog/14

无论您是从事某些 机器学习/人工智能 的工作，还是在 Flask/Django 中构建Web应用程序，或者只是编写一些自动化 Python 脚本，但是提前为项目准备一些满足您所有需求的模板总是很有用的，即：预定义的目录结构，所有必需的配置文件（例如 pytest.ini 或 requirements.txt），测试，整理或静态代码分析设置，CI / CD 工具，应用程序的 Docker 化以及基于 Makefile 的自动化。因此在这里，我为您的 Python 项目提供了一系列“终极版”通用配置信息。

从浏览器到 Django

链接: https://www.mattlayman.com/understand-django/browser-to-django/

Django 可帮助您使用 Python 构建网站。那么它是如何工作的？在本系列文章中，我们将从浏览器开始自上而下地探索 Django，并向您展示如何构建所需的网站。

Django 3 教程和 CRUD 示例 (附加 MySQL 和 Bootstrap 教程)

链接: https://www.ahmedbouchefra.com/blog/django-3-tutorial-and-crud-example-with-mysql-and-bootstrap/

Django 3 已发布，支持完全异步！在本教程中，我们将通过示例逐步演示如何创建 CRUD 应用程序。我们学习如何配置 MySQL 数据库，启用管理界面和创建 Django web 视图。

欧洲旅游计划 - 第 1 部分

链接: https://shreyasgokhale.com/tech-blog/eurotrip-planner-part-1

一个可帮您寻找理想的欧洲旅行计划的 Python 脚本。

• 欧洲旅行计划 - 第 2 部分

  • 链接:
  • https://shreyasgokhale.com/tech-blog/eurotrip-planner-part-2

从监狱到 Python , 我学到了什么?

链接: https://opensource.com/article/20/1/prison-to-python

开源程序如何在被监禁后提供机会?

Python 中 Redis 服务器辅助的客户端缓存

链接: https://engineering.redislabs.com/posts/redis-assisted-client-side-caching-in-python/

使用 ctypes 优化 Python 代码

链接: https://samuelstevens.me/writing/optimizing-python-code-with-ctypes

Python 如何创建超长整数？

链接: https://arpitbhayani.me/blogs/super-long-integers

如何在 Python 中建立用于文本分析的 GraphQL API

链接: https://atheros.ai/blog/how-to-build-graphql-api-for-text-analytics-in-python

有趣的项目，工具和库

scalene

链接: https://github.com/emeryberger/scalene

一个高性能，高精度的 CPU 和内存分析器。

Slacky

链接: https://github.com/M4cs/Slacky

第一个用于 Slack 工作区的 Python Selfbot。创建 Slacky 是为了自动化 Slack。默认情况下还附带许多命令，甚至允许轻松构建和导入自定义插件。

speck

链接: https://github.com/lucashadfield/speck

将图像渲染为一组连续的线，代表像素的每个水平（或垂直）线。

Spotipy

链接: https://github.com/plamere/spotipy

用于 Spotify Web API 的轻量级 Python 库。

CrossHair

链接: https://github.com/pschanely/CrossHair

一个用于 Python 的静态分析工具，它淡化了测试和类型系统之间的界限。

CleverCSV

链接: https://github.com/alan-turing-institute/CleverCSV

CleverCSV 改进了杂乱 CSV 文件的检测功能，是 Python csv 包的不错的替代品。还提供了一个方便的命令行工具，该工具可以将杂乱的文件标准化或生成 Python 代码以将其导入。

Array_Visualizer

链接: https://github.com/Sklyvan/Array_Visualizer

可视化一个数组, 如果让常见的排序算法中的数组可视化，可以观察到该算法的工作方式。

AutoGluon

链接: https://github.com/awslabs/autogluon

AutoGluon 支持易用易扩展的 AutoML，并侧重于深度学习和跨图像，文本或表格数据的实际应用程序。

SpoTUI

链接: https://github.com/ceuk/spotui

另一个基于终端的 Spotify 客户端。

欢迎关注微_信公.众号：爱写Bug