搜索[python]结果-低调大师优秀个人博客

精选列表

搜索[python]，共10000篇文章

Python合并列表时怎样保留首次出现顺序

```python names = ["beta", "alpha", "beta", "gamma", "alpha"] unique = list(dict.fromkeys(names)) print

2026-09-25

Python将两份名单按集合关系分类

```python left = {"alpha", "beta", "gamma"} right = {"beta", "delta"} report = {"both": sorted(left &

2026-09-24

Python处理嵌套配置先检查每一层

Python 的布尔类型与整数有关系，所以使用 type 精确判断，避免 True 被当成端口数字。范围只是示例规则，不代表完整网络配置校验。

2026-09-24

云服务器如何搭建 Python 量化交易环境

在云服务器（通常是 Linux 系统）上搭建 Python 量化交易环境，主要分五步：连接服务器、安装 Python（推荐 Miniconda）、创建虚拟环境、安装量化所需的库、验证环境。

2026-09-21

FME与Python脚本做工程数据转换，如何选择？

## 2.2 Python更偏向自由的程序化控制 Python可以根据项目需求编写高度定制的数据处理逻辑，并能够调用不同开源库、商业SDK、数据库驱动或系统API。

2026-09-20

用 Python 计算常见技术指标（MA、MACD、RSI）

用 Python 计算常见技术指标其实并不难，三个最常用的指标——MA（移动平均线）、MACD（指数平滑异同移动平均线）、RSI（相对强弱指标）——都可以用 pandas 几行代码手动实现。

2026-09-20

Python 实现均线策略：从代码到回测

用 Python 实现一个完整的均线策略并做回测，需要走完六个环节：加载并清洗数据、计算均线与生成信号、构建带持仓逻辑的回测流程、计入滑点和手续费等真实成本、计算关键绩效指标（累计收益、最大回撤、夏普比率

2026-09-20

用Python建立内容生产前的数据出口校验

Python的JSON和摘要计算用法可查阅[json官方文档](https://docs.python.org/3/library/json.html)与[hashlib官方文档](https://docs.python.org

2026-09-18

使用 Python 向 Word 文档添加文字和图片水印

[使用 Python 在 Word 文档中添加水印](https://developer.qcloudimg.com/http-save/yehe-2596118/6826bb63a8102b558dee58bab6969103

2026-09-17

2025 Python入门指南：从零基础到精通

# 2025 Python入门指南：从零基础到精通相信很多朋友都看到过类似“Python是最适合初学者的编程语言”这样的说法。

2026-09-17

AI 大模型 Python 实战全指南v7.5

# AI 大模型 Python 实战全指南 ## 一、前言 2022 年 ChatGPT 的发布标志着 AI 进入大模型时代。

2026-09-16

Python 自动化 Excel：创建数据验证下拉列表

手动操作虽然简单，但当需要为多个文件或大量单元格批量添加时，用 Python 自动化会更高效。

2026-09-16

Zcode有多强大，自动开发Python爬虫工具真的绝了！

https://developer.qcloudimg.com/http-save/yehe-2919732/f1db7a4acfe39fc736e3b7d2a28627ac.png) 接着你需要保存python

2026-09-16

关于并行的定律与Python编程性能分析工具

Python 中的编程性能分析工具 # 阿姆达尔定律（Amdahl's Law）阿姆达尔定律由G.M. Amdahl在1967年提出，用于描述并行处理系统的加速比。

2026-09-14

Python PDF 超链接操作指南：添加、修改与管理

[Python PDF 超链接操作指南：添加、修改与管理](https://developer.qcloudimg.com/http-save/yehe-2596118/936ad7fbac6e8feaadd315f8fbc41554

2026-09-10

Python 全栈开发：用少量代码构建完整应用

Python 虽然不直接运行在浏览器中，但凭借 Flask、Django、FastAPI 等框架，它可以轻松提供 API 或渲染页面，再配合 HTML/CSS/JavaScript，就能用极少的代码搭建出功能完整的应用

2026-09-10

Python 解析 Excel 数据、图片与图表的实现方案

在 Python 后端数据处理、自动化报表解析、数据迁移等场景中，批量读取 Excel 文件的单元格数据、内嵌图片、图表元素是高频开发需求。

2026-09-09

问题三个国企赶工期，不能全走模板也不能全信 OCR。性价比最高的混合打法：余额表/报表走模板录入（勾稽根基必准），凭证流水分录 OCR 批量扫（只做趋势）。电子化一完成，立刻跑全自动平衡校验，3 分钟输出不符清单。示例代码 plaintext ```javascript def balance_check(bs): assets = sum(v["期末借方"] for v in bs if v["cat"] == "资产") liab_eq = sum(v["期末贷方"] for v in bs if v["cat"] in ("负债", "权益")) diff = round(assets - liab_eq, 2) return {"assets": assets, "liab_eq": liab_eq, "balanced": diff == 0, "diff": diff} bs = [ {"cat": "资产", "期末借方": 1000, "期末贷方": 0}, {"cat": "负债", "期末借方": 0, "期末贷方": 400}, {"cat": "权益", "期末借方": 0, "期末贷方": 600}, ] print(balance_check(bs)) ``` 关键点 - 三道平衡关：资产=负债+权益、期初+本期借−本期贷=期末、凭证借方合计=贷方合计。 - 校验函数复用 19 篇试算平衡、102 篇勾稽的思想，手工账和年报数据结构一致，直接套。 - balance_check 是后续所有分析的前提，不平衡先查录入错误，别急着跑指标。小结混合路径 + 自动校验，把三个国企的数据入口成本和准确率同时压到最优。校验不过关，后面全白搭。 --- 你做平衡校验最常卡在"资产不平"还是"凭证借贷不等"？评论区说。如果有用，点赞收藏关注，留下审计难题。下期预告：复用审计工具箱——经责审计中调用已有函数（107–122）。会计师事务所的一名注册会计师

2026-09-07

Python 银行流水聚类识别潜在关联方

用 Python 对交易对手汇总金额与频次，自动聚类标出“高频高额”可疑对手。

2026-09-05

Python 财务异常检测：统计离群点自动筛查

问题科目余额、月度发生额里藏着异常跳变（如某月费用暴增）。靠肉眼看全量数据不现实。用 Z-score 和 IQR 两种统计法自动标出离群点。示例代码 plaintext ```javascript import pandas as pd import numpy as np def zscore_outliers(s, threshold=3): z = (s - s.mean()) / s.std(ddof=0) return s[abs(z) > threshold] def iqr_outliers(s, k=1.5): q1, q3 = s.quantile(0.25), s.quantile(0.75) iqr = q3 - q1 lo, hi = q1 - k * iqr, q3 + k * iqr return s[(s hi)] df = pd.DataFrame({"month": range(1, 13), "expense": [10,11,9,12,10,11,10,9,45,11,10,12]}) print("Z-score 离群:", zscore_outliers(df["expense"]).tolist()) print("IQR 离群:", iqr_outliers(df["expense"]).tolist()) ``` 关键点 - Z-score 适合近似正态分布数据，|z|>3 约为千分之三概率，标极端值；对偏态数据会漏报。 - IQR（四分位距）对偏态、含极端值更稳健，实务推荐默认 k=1.5，可疑的用 k=3。 - 离群点≠错报，只是“值得查”的红旗；标出后人工看凭证，别直接判舞弊。小结异常检测 = 把“凭感觉找”变成“按阈值标”。Z-score 看正态、IQR 看偏态，双法互补。 --- 你更常用 Z-score 还是 IQR 筛异常？遇到过哪种法漏报？评论区聊。如果有用，点赞收藏关注，留下审计难题。下期预告：毛利率同业对标分析（行业基准导入与偏离预警）。会计师事务所的一名注册会计师

2026-09-05

资源下载

更多资源

Mario

马里奥是站在游戏界顶峰的超人气多面角色。马里奥靠吃蘑菇成长，特征是大鼻子、头戴帽子、身穿背带裤，还留着胡子。与他的双胞胎兄弟路易基一起，长年担任任天堂的招牌角色。

Rocky Linux

Rocky Linux（中文名：洛基）是由Gregory Kurtzer于2020年12月发起的企业级Linux发行版，作为CentOS稳定版停止维护后与RHEL（Red Hat Enterprise Linux）完全兼容的开源替代方案，由社区拥有并管理，支持x86_64、aarch64等架构。其通过重新编译RHEL源代码提供长期稳定性，采用模块化包装和SELinux安全架构，默认包含GNOME桌面环境及XFS文件系统，支持十年生命周期更新。

优质分享App

近一个月的开发和优化，本站点的第一个app全新上线。该app采用极致压缩，本体才4.36MB。系统里面做了大量数据访问、缓存优化。方便用户在手机上查看文章。后续会推出HarmonyOS的适配版本。

Sublime Text

Sublime Text具有漂亮的用户界面和强大的功能，例如代码缩略图，Python的插件，代码段等。还可自定义键绑定，菜单和工具栏。Sublime Text 的主要功能包括：拼写检查，书签，完整的 Python API ， Goto 功能，即时项目切换，多选择，多窗口等等。Sublime Text 是一个跨平台的编辑器，同时支持Windows、Linux、Mac OS X等操作系统。

精选列表

Python合并列表时怎样保留首次出现顺序

Python将两份名单按集合关系分类

Python处理嵌套配置先检查每一层

云服务器如何搭建 Python 量化交易环境

FME与Python脚本做工程数据转换，如何选择？

用 Python 计算常见技术指标（MA、MACD、RSI）

Python 实现均线策略：从代码到回测

用Python建立内容生产前的数据出口校验

使用 Python 向 Word 文档添加文字和图片水印

2025 Python入门指南：从零基础到精通

AI 大模型 Python 实战全指南v7.5

Python 自动化 Excel：创建数据验证下拉列表

Zcode有多强大，自动开发Python爬虫工具真的绝了！

关于并行的定律与Python编程性能分析工具

Python PDF 超链接操作指南：添加、修改与管理

Python 全栈开发：用少量代码构建完整应用

Python 解析 Excel 数据、图片与图表的实现方案

Python 混合路径决策与数据校验自动化

Python 银行流水聚类识别潜在关联方

Python 财务异常检测：统计离群点自动筛查

资源下载

Mario

Rocky Linux

优质分享App

Sublime Text

欢迎您来访！