资源｜15篇 Python 技术热文,让你的代码优雅而地道！
“全球人工智能”拥有十多万AI产业用户，10000多名AI技术专家。主要来自：北大，清华，中科院，麻省理工，卡内基梅隆，斯坦福，哈佛，牛津，剑桥...以及谷歌，腾讯，百度，脸谱，微软，阿里，海康威视，英伟达......等全球名校和名企。
来自：python开发者
本文精选了 Python开发者 9月份的15篇 Python 热文。其中有基础知识，框架对比，源码剖析，机器学习和遗传算法等。
《让你的 Python 代码优雅又地道》
www.lightxue.com/transforming-code-into-beautiful-idiomatic-python
Pythonic的代码简练，明确，优雅，绝大部分时候执行效率高。阅读pythonic的代码能体会到“代码是写给人看的，只是顺便让机器能运行”畅快。这篇文章是网友Jeff Paine整理的他在2013年美国的PyCon的演讲的笔记。
《为什么你应该学 Python ？》
http://python.jobbole.com/88622/
为什么你应该学 Python ？原因很简单：它里面有太多“魔法”。本文讲解了你需要学习Python的原因。
《选择一个 Python Web 框架：Django vs Flask vs Pyramid》
www.oschina.net/translate/django-flask-pyramid
Pyramid, Django, 和 Flask都是优秀的框架，为项目选择其中的哪一个都是伤脑筋的事。本文将会用三种框架实现相同功能的应用来更容易的对比三者。
《Python 最难的问题》
www.oschina.net/translate/pythons-hardest-problem
Python最困难的问题比证明P = NP要容易一些，不过仍然没有一个满意的解决，要知道，这个问题的实用的解决方案同样能起着变革性的作用。正因为如此，很容易看到Python社区会有如此多的人关注于这样的问题: “对于解释器全局锁能做什么?”
《Python 源码阅读：类型》
http://python.jobbole.com/83441/
本文为源码阅读系列第一篇，本期源码阅读主要涉及 Python 对象的类型机制。
《Python 判断文件是否存在的三种方法》
my.oschina.net/jhao104/blog/1490038
通常在读写文件之前，需要判断文件或目录是否存在，不然某些处理方法可能会使程序出错。所以最好在做任何操作之前，先判断文件是否存在。这里将介绍三种判断文件或文件夹是否存在的方法，分别使用os模块、Try语句、pathlib模块。
《Python 开发者面向文档编程的正确姿势》
segmentfault.com/a/1190000007055844
很多人没有写注释的习惯，大多数不是因为懒惰，一方面是没有意识到写文档的好处，另一方面是不了解这方面的工具。毕竟从管理上依赖于人的主动性是远不如依赖于工具有效的。本文介绍如何利用Python注释提升文档书写的质量以及效率的小技巧。
《简单地理解 Python 的装饰器》
www.lightxue.com/understand-python-decorator-the-easy-way
Python有大量强大又贴心的特性，如果要列个最受欢迎排行榜，那么装饰器绝对会在其中。刚接触装饰器，会觉得代码不多却难以理解。其实装饰器的语法本身挺简单的，复杂是因为同时混杂了其它的概念。本文简单地理解下Python的装饰器。
《数据科学和 ML 领域常用的 Python 库》
http://python.jobbole.com/88521/
Python 对于数据科学家来说几乎是一项必备技能。正如你看到的那样，很多数据科学家的岗位要求具备 Python 编程的能力。这篇文章将会针对数据科学介绍几种常用的 Python 包。
《为提高用户体验，Yelp 是如何无损压缩图片的》
http://blog.jobbole.com/112321/
Yelp 拥有超过 1 亿张由用户生成的照片，这些图像占据了用户 APP 和网站的大部分带宽，这意味着存储和传输的巨大成本。为了向用户提供最好的体验，Yelp 是如何无损压缩图片的呢？
《用 Scikit-Learn 和 Pandas 学习线性回归》
www.cnblogs.com/pinard/p/6016029.htm
对于想深入了解线性回归的童鞋，这里给出一个完整的例子，详细学完这个例子，对用scikit-learn来运行线性回归，评估模型不会有什么问题了。
《用 Python 3 的 async / await 做异步编程》
www.keakon.net/2017/06/28/用Python3的异步/ AWAIT做异步编程
前年作者曾写过一篇博客，初步接触了一下 yield from 语法和 asyncio 标准库。前些日子看到一篇《为什么只有基于生成器的协程可以真正的暂停执行并强制性返回给事件循环？》，激起了其再探 Python 3 异步编程的兴趣。
《Python 线性分类模型简介》
http://python.jobbole.com/88487/
本文讨论了参数学习和线性分类的基础概念。虽然线性分类器比较简单， 但它被视为更多高级的机器学习和深度学习算法的基石，并能很自然地扩展到神经网络和卷积神经网络中。
《Python 增强的生成器：协程》
www.cnblogs.com/xybaby/p/6323358.html
本文主要介绍python中Enhanced generator即coroutine相关内容，包括基本语法、使用场景、注意事项，以及与其他语言协程实现的异同。
《遗传算法中几种不同选择算子及 Python 实现》
http://python.jobbole.com/88608/
本文对遗传算法中的几种选择策略进行了总结。对于每种选择策略我都使用Python进行了相应的实现并以内置插件的形式整合进了本人所写的遗传算法框架GAFT中。对需要使用遗传算法优化问题以及学习遗传算法的童鞋可以作为参考.
系统学习，进入全球人工智能学院
相关内容
微信扫码咨询专知VIP会员