Anaconda 是一个完备的、开源的数据科学软件包，拥有超过 600 万社区用户。 像很多人一样，我一直努力加入到快速发展的数据科学领域。我上过 Udemy 的 R 及 Python 语言编程课，那时我分别下载并安装了应用程序。当我试图解决各种依赖关系，安装类似 Numpy 和 Matplotlib 这样的数据科学扩展包时，我了解了 Anaconda Python 发行版。 Anaconda 是

你的下一个 Python 项目需要一个模板引擎来自动生成 HTML 吗？这有几种选择。 在我的日常工作中，我花费大量的时间将各种来源的数据转化为可读的信息。虽然很多时候这只是电子表格或某种类型的图表或其他数据可视化的形式，但也有其他时候，将数据以书面形式呈现是有意义的。 但我的头疼地方就是复制和粘贴。如果你要将数据从源头移动到标准化模板，则不应该复制和粘贴。这很容易出错，说实话，这会浪费你的时间。

学习编程很难。即使当你最终怎么正确使用你的冒号和括号，但仍然有很大的可能你的程序不会如果所想的工作。 通常，这意味着你忽略了某些东西或者误解了语言结构，你需要在代码中找到你的期望与现实存在分歧的地方。 程序员通常使用被叫做 调试器 debugger 的工具来处理这种情况，它允许一步一步地运行他们的程序。不幸的是，大多数调试器都针对专业用途进行了优化，并假设用户已经很好地了解了语言结构的语义（例如：

3 个可以使你的 Python 代码更优雅、可读、直观和易于维护的工具。 Python 提供了一组独特的工具和语言特性来使你的代码更加优雅、可读和直观。为正确的问题选择合适的工具，你的代码将更易于维护。在本文中，我们将研究其中的三个工具：魔术方法、迭代器和生成器，以及方法魔术。 魔术方法 魔术方法可以看作是 Python 的管道。它们被称为“底层”方法，用于某些内置的方法、符号和操作。你可能熟悉的

这个分步指导教程教你通过在 Kubernetes 上部署一个简单的 Python 应用程序来学习部署的流程。 Kubernetes 是一个具备部署、维护和可伸缩特性的开源平台。它在提供可移植性、可扩展性以及自我修复能力的同时，简化了容器化 Python 应用程序的管理。 不论你的 Python 应用程序是简单还是复杂，Kubernetes 都可以帮你高效地部署和伸缩它们，在有限的资源范围内滚动升级

Pipenv 的目标是将打包界（bundler、composer、npm、cargo、yarn 等）最好的东西带到 Python 世界来。它试图解决一些问题，并简化整个管理过程。 目前，Python 程序依赖项的管理有时似乎是一个挑战。开发人员通常为每个新项目创建一个虚拟环境，并使用 pip 将依赖项安装到其中。此外，他们必须将已安装的软件包的集合保存到 requirements.txt 文件中。

了解 Python 字节码是什么，Python 如何使用它来执行你的代码，以及知道它是如何帮到你的。 如果你曾经编写过 Python，或者只是使用过 Python，你或许经常会看到 Python 源代码文件——它们的名字以 .py 结尾。你可能还看到过其它类型的文件，比如以 .pyc 结尾的文件，或许你可能听说过它们就是 Python 的 “ 字节码 bytecode ” 文件。（在 Python

只用了一年， Pipenv 就变成了管理软件包依赖关系的 Python 官方推荐资源。 Pipenv 是由 Kenneth Reitz 在一年多前创建的“面向开发者而生的 Python 开发工作流”，它已经成为管理软件包依赖关系的 Python 官方推荐资源。但是对于它解决了什么问题，以及它如何比使用 pip 和 requirements.txt 文件的标准工作流更有用处，这两点仍然存在困惑。在本

用 Click、Docopt 和 Fire 库写你自己的命令行应用。 有时对于某项工作来说一个命令行工具就足以胜任。命令行工具是一种从你的 shell 或者终端之类的地方交互或运行的程序。Git 和 Curl 就是两个你也许已经很熟悉的命令行工具。 当你有一小段代码需要在一行中执行多次或者经常性地被执行，命令行工具就会很有用。Django 开发者执行 ./manage.py runserver 命

Python 配备了几种内置数据类型来帮我们组织数据。这些结构包括列表、字典、元组和集合。 根据 Python 3 文档： 集合是一个无序集合，没有重复元素。基本用途包括成员测试和消除重复的条目。集合对象还支持数学运算，如并集、交集、差集和对等差分。 在本文中，我们将回顾并查看上述定义中列出的每个要素的示例。让我们马上开始，看看如何创建它。 初始化一个集合 有两种方法可以创建一个集合：一个是给内置

Python 是为谁设计的？ 几年前，我在 python-dev 邮件列表中，以及在活跃的 CPython 核心开发人员和认为参与这一过程不是有效利用个人时间和精力的人中强调说，“CPython 的发展太快了也太慢了” 是很多冲突的原因之一。 我一直认为事实确实如此，但这也是一个要点，在这几年中我也花费了很多时间去反思它。在我写那篇文章的时候，我还在波音防务澳大利亚公司（Boeing Defenc

EduBlocks 提供了 Scratch 式的图形界面来编写 Python 3 代码。 如果你正在寻找一种方法将你的学生（或你自己）从使用 Scratch 编程转移到学习 Python，我建议你了解一下 EduBlocks。它为 Python 3 编程带来了熟悉的拖放式图形用户界面（GUI）。 从 Scratch 过渡到 Python 的一个障碍是缺少拖放式 GUI，而正是这种拖放式 GUI 使

相识 Mu —— 一个可以使学生学习 Python 更轻松的开源编辑器。 Mu 是一个给初学者的 Python 编辑器，它旨在使学习体验更加愉快。它使学生​​能够在早期体验成功，这在你学习任何新知识的时候都很重要。 如果你曾试图教年轻人如何编程，你会立即把握到 Mu 的重要性。大多数编程工具都是由开发人员为开发人员编写的，不管他们的年龄如何，它们并不适合初学者。然而，Mu 是由老师为学生写的。 M

这些库可以使你更容易构架个人项目。 在 Python/Django 的世界里有这样一个谚语：为语言而来，为社区而留。对绝大多数人来说的确是这样的，但是，还有一件事情使得我们一直停留在 Python 的世界里，不愿离开，那就是我们可以很容易地利用一顿午餐或晚上几个小时的时间，把一个想法快速地实现出来。 这个月，我们来探讨一些我们喜欢用来快速完成 业余项目 side projects 或打发午餐时间的

Visual Studio Code，简称 VS Code，是一个开源的文本编辑器，包含用于构建和调试应用程序的工具。安装启用 Python 扩展后，VS Code 可以配置成理想的 Python 开发工作环境。本文将介绍一些有用的 VS Code 扩展，并配置它们以充分提高 Python 开发效率。 如果你的计算机上还没有安装 VS Code，可以参考文章 在 Fedora 上使用 VS Cod

为了在 Python 中快速构建 API，我主要依赖于 Flask。最近我遇到了一个名为 “API Star” 的基于 Python 3 的新 API 框架。由于几个原因，我对它很感兴趣。首先，该框架包含 Python 新特点，如类型提示和 asyncio。而且它再进一步为开发人员提供了很棒的开发体验。我们很快就会讲到这些功能，但在我们开始之前，我首先要感谢 Tom Christie，感谢他为 D

Python 生态系统包含丰富的工具和库，可以让开发人员更加舒适。 例如，我们之前已经介绍了如何使用交互式 shell 增强 Python。本文重点介绍另一种可以节省时间并提高 Python 技能的工具：Python 调试器。 Python 调试器 Python 标准库提供了一个名为 pdb 的调试器。此调试器提供了调试所需的大多数功能，如断点、单行步进、堆栈帧的检查等等。 了解一些pdb 的基本

如果你正在阅读本文，那么你已经意识到了 Python 3.7 以及它所包含的新特性。就我个人而言，我对 Dataclasses 感到非常兴奋，因为我等了它一段时间了。 本系列包含两部分： Dataclass 特点概述 在下一篇文章概述 Dataclass 的 fields 介绍 Dataclasses 是 Python 的类（LCTT 译注：更准确的说，它是一个模块），适用于存储数据对象。你可能会

检查你的代码的质量，通过这些外部库使其更易维护。 可读性很重要。— Python 之禅 The Zen of Python ，Tim Peters 随着软件项目进入“维护模式”，对可读性和编码标准的要求很容易落空（甚至从一开始就没有建立过那些标准）。然而，在代码库中保持一致的代码风格和测试标准能够显著减轻维护的压力，也能确保新的开发者能够快速了解项目的情况，同时能更好地全程保持应用程序的质量。 使

五分钟创建定制 GUI。 对于 .exe 类型的程序文件，我们可以通过双击鼠标左键打开；但对于 .py 类型的 Python 程序，几乎不会有人尝试同样的操作。对于一个（非程序员类型的）典型用户，他们双击打开 .exe 文件时预期弹出一个可以交互的窗体。基于 Tkinter，可以通过 标准 Python 安装 standard Python installations 的方式提供 GUI，但很多程