有没有想过用 Python 做你的 shell？ Shell 语言对交互式使用很有用。但是在使用它们作为编程语言时这种优化就需要权衡，有时在编写 shell 脚本时会感觉到这点。 如果你的 shell 也能理解一种更可伸缩的语言会怎样？比如说，Python？ 进入 Xonsh。 安装 Xonsh 就像创建虚拟环境一样简单，运行 pip install xonsh [ptk，linux]，然后运行

灵活多样的 Python 库为数据分析和数据挖掘提供了强力的机器学习工具。 Scikit-learn Python 库最初于 2007 年发布，通常用于解决各种方面的机器学习和数据科学问题。这个多种功能的库提供了整洁、一致、高效的 API 和全面的在线文档。 什么是 Scikit-learn？ Scikit-learn 是一个开源 Python 库，拥有强大的数据分析和数据挖掘工具。 在 BSD

这个月的 Python 专栏将介绍一些 Django 包，它们有益于你的工作，以及你的个人或业余项目。 Django 开发者们，在这个月的 Python 专栏中，我们会介绍一些能帮助你们的软件包。这些软件包是我们最喜欢的 Django 库，能够节省开发时间，减少样板代码，通常来说，这会让我们的生活更加轻松。我们为 Django 应用准备了六个包，为 Django 的 REST 框架准备了两个包。几

使用这些库把 Python 变成一个科学数据分析和建模工具。 Python 的许多特性，比如开发效率、代码可读性、速度等使之成为了数据科学爱好者的首选编程语言。对于想要升级应用程序功能的数据科学家和机器学习专家来说，Python 通常是最好的选择（比如，Andrey Bulezyuk 使用 Python 语言创造了一个优秀的机器学习应用程序）。 由于 Python 的广泛使用，因此它拥有大量的库，

Python 现在越来越火，已经迅速扩张到包括 DevOps、数据科学、Web 开发、信息安全等各个领域当中。 然而，相比起 Python 扩张的速度，Python 代码的运行速度就显得有点逊色了。 在代码运行速度方面，Java、C、C++、C# 和 Python 要如何进行比较呢？并没有一个放之四海而皆准的标准，因为具体结果很大程度上取决于运行的程序类型，而 语言基准测试 Computer La

我来介绍一下我是如何使用 Python 来节省成本的。 我最近在开一辆烧 93 号汽油的车子。根据汽车制造商的说法，它只需要加 91 号汽油就可以了。然而，在美国只能买到 87 号、89 号、93 号汽油。而我家附近的汽油的物价水平是每增加一号，每加仑就要多付 30 美分，因此如果加 93 号汽油，每加仑就要多花 60 美分。为什么不能节省一些钱呢？ 一开始很简单，只需要先加满 93 号汽油，然后

使用 Python behave 框架的行为驱动开发模式可以帮助你的团队更好的协作和测试自动化。 您是否听说过 行为驱动开发 behavior-driven development （BDD），并好奇这是个什么东西？也许你发现了团队成员在谈论“嫩瓜”（LCTT 译注：“ 嫩瓜 gherkin ” 是一种简单的英语文本语言，工具 cucumber 通过解释它来执行测试脚本，见下文），而你却不知所云。

不可变性可以帮助我们更好地理解我们的代码。下面我将讲述如何在不牺牲性能的条件下来实现它。 在这个由两篇文章构成的系列中，我将讨论如何将函数式编程方法论中的思想引入至 Python 中，来充分发挥这两个领域的优势。 本文（也就是第一篇文章）中，我们将探讨不可变数据结构的优势。第二部分会探讨如何在 toolz 库的帮助下，用 Python 实现高层次的函数式编程理念。 为什么要用函数式编程？因为变化的

尝试使用 Python 掌握机器学习、人工智能和深度学习。 想要入门机器学习并不难。除了 大规模网络公开课 Massive Open Online Courses （MOOC）之外，还有很多其它优秀的免费资源。下面我分享一些我觉得比较有用的方法。 从一些 YouTube 上的好视频开始，阅览一些关于这方面的文章或者书籍，例如 《主算法：终极学习机器的探索将如何重塑我们的世界》，而且我觉得你肯定会喜

Python 测试工具最好的一方面是其强大的生态系统。这里列出了八个最好的插件。 我们是 pytest 的忠实粉丝，并将其作为工作和开源项目的默认 Python 测试工具。在本月的 Python 专栏中，我们分享了为什么我们喜欢 pytest 以及一些让 pytest 测试工作更有趣的插件。 什么是 pytest？ 正如该工具的网站所说，“pytest 框架可以轻松地编写小型测试，也能进行扩展以支

除了 pandas、scikit-learn 和 matplotlib，还要学习一些用 Python 进行数据科学的新技巧。 Python 是一种令人惊叹的语言。事实上，它是世界上增长最快的编程语言之一。它一次又一次地证明了它在各个行业的开发者和数据科学者中的作用。Python 及其库的整个生态系统使其成为全世界用户的恰当选择，无论是初学者还是高级用户。它成功和受欢迎的原因之一是它的一组强大的库，

R 还是 Python ? Python 脚本模仿易使用的 R 风格函数，使得数据统计变得简单易行。 “Python vs. R” 是数据科学和机器学习的现代战争之一。毫无疑问，近年来这两者发展迅猛，成为数据科学、预测分析和机器学习领域的顶级编程语言。事实上，根据 IEEE 最近的一篇文章，Python 已在 最受欢迎编程语言排行榜 中超越 C++ 成为排名第一的语言，并且 R 语言也稳居前 10

在这个比较 Python 框架的最后一篇中，让我们看看 Django。 在本系列（由四部分组成）的前三篇文章中，我们讨论了 Pyramid、Flask 和 Tornado 这 3 个 Web 框架。我们已经构建了三次相同的应用程序，最终我们遇到了 Django。总的来说，Django 是目前 Python 开发人员使用的主要 Web 框架，并且原因显而易见。它擅长隐藏大量的配置逻辑，让你专注于能够

身兼教师、开发者、作家数职的 Peter Farrell 来讲述为什么使用 Python 来讲数学课会比传统方法更加好。 数学课一直都是很讨厌的一件事情，尤其对于在传统教学方法上吃过苦头的人（例如我）来说。传统教学方法强调的是死记硬背和理论知识，这种形式与学生们的现实世界似乎相去甚远。 Peter Farrell 作为一位 Python 开发者和数学教师，发现学生在数学课程中遇到了困难，于是决定尝

这 12 个步骤能确保成功发布。 你写了一个 Python 库。自己觉着这太棒了！如果让人们能够轻松使用它不是很优雅么？这有一个需要考虑的清单，以及在开源 Python 库时要采取的具体步骤。 1、源码 将代码放在 GitHub 上，这里有很多开源项目，并且人们很容易提交拉取请求。 2、许可证 选择一个开源许可证。一般来说 MIT 许可证是一个挺好的宽容许可证。如果你有特定要求，Creative

也许我所追求的究极 IDE 就是 Emacs 了。我的目标是使 Emacs 成为一款全能的 Python IDE。本文描述了如何在 Emacs 上配置 Anaconda。（LCTT 译注：Anaconda 自称“世界上最流行的 Python/R 的数据分析平台”） 我的配置信息： OS：Trisquel 8.0 Emacs：GNU Emacs 25.3.2 快捷键说明（参见完全指南）： C-x =

以下提到的这些 Python 工具在编辑图像、操作图像底层数据方面都提供了简单直接的方法。 当今的世界充满了数据，而图像数据就是其中很重要的一部分。但只有经过处理和分析，提高图像的质量，从中提取出有效地信息，才能利用到这些图像数据。 常见的图像处理操作包括显示图像，基本的图像操作，如裁剪、翻转、旋转；图像的分割、分类、特征提取；图像恢复；以及图像识别等等。Python 作为一种日益风靡的科学编程语

学习一下 Python 世界里最广泛使用的 ChatOps 库：每个都能做什么，如何使用。 ChatOps 是基于会话导向而进行的开发。其思路是你可以编写能够对聊天窗口中的某些输入进行回复的可执行代码。作为一个开发者，你能够用 ChatOps 从 Slack 合并拉取请求，自动从收到的 Facebook 消息中给某人分配支持工单，或者通过 IRC 检查开发状态。 在 Python 世界，最为广泛使

Dask 库可以将 Python 计算扩展到多个核心甚至是多台机器。 关于 Python 性能的一个常见抱怨是全局解释器锁（GIL）。由于 GIL，同一时刻只能有一个线程执行 Python 字节码。因此，即使在现代的多核机器上，使用线程也不会加速计算。 但当你需要并行化到多核时，你不需要放弃使用 Python：Dask 库可以将计算扩展到多个内核甚至多个机器。某些设置可以在数千台机器上配置 Das

两种编程语言都各有优缺点，它们在某些任务方面互有胜负。 Bash 和 Python 是大多数自动化工程师最喜欢的编程语言。它们都各有优缺点，有时很难选择应该使用哪一个。所以，最诚实的答案是：这取决于任务、范围、背景和任务的复杂性。 让我们来比较一下这两种语言，以便更好地理解它们各自的优点。 Bash 是一种 Linux/Unix shell 命令语言 非常适合编写使用命令行界面（CLI）实用程序的