| 来自我们的赞助商
消息
PyPI 在关键 Python 项目帐户上启用 2FA
观察到最近几个 Python 项目被劫持，Python 包索引 (PyPI) 要求对关键项目的帐户进行双重身份验证。
Python 3.11 可能会延迟
文章、教程和讲座
使用 GPT-3 解释代码的工作原理
我最喜欢 GPT-3 AI 语言模型的用途之一是生成对代码如何工作的解释。它在这方面的效果令人震惊：它的训练集显然包含大量源代码。
如何使用 Docker 让本地开发变得轻而易举
Docker 是一个非常强大的工具，用于开发在云中运行的应用程序。如果您想充分利用它，您需要确保在本地运行代码的方式与在云中运行的方式尽可能匹配。本视频以 Python 中的简单 API 服务器为例，向您展示了如何执行此操作。
我分析了 1835 家医院的价目表，所以你不必
现行法律要求医院使用通用代码对其程序进行编码。这样您就可以比较医院之间的价格。 33%（左右）的医院公布了他们的收费标准，并且原则上是合规的，其中许多医院只公布了部分信息，使得价格购物很像床垫购物。我们的目标是清理这个真实世界的数据集，看看我们是否能弄清楚有多少行可以包含一个代码。然后我们会看到有多少医院在遵守法律。
使用 Python Web Scraping 评估机械键盘交付估计
使用 beautifulsoup 和 matplotlib 评估 Novelkeys.com 的交付估算的准确性。
使用 Python 从图像中提取文本
在本视频中，我们学习如何使用 python 从图像中提取文本。我们比较了三个流行的库：pytesseract、easyocr 和 keras_ocr。示例在 TextOCR 数据集上的 kaggle 笔记本中运行。
编写干净的 Python 代码。总是。
Sonar 静态分析可帮助您构建和维护高质量的 Python 代码。凭借超过 215 条专用规则，我们可以在您专注于工作的同时发现您的编码问题。探索我们的免费解决方案。 赞助
在 Python 中并行处理大文件
学习各种技术，通过使用多处理、joblib 和 tqdm 并发来减少数据处理时间。
探索 Python 中的决策树算法
学习如何在 Python 中实现决策树分类器机器学习算法——一切从头开始。从深入的解释到详细的代码描述，该视频是任何想要尝试并更加熟悉决策树的人的完美教程。
使用 Kubernetes 和 Nix 支持 GPU 加速的机器学习
让你陷入麻烦的不是你不知道的事情——嗯，有时确实如此。
邓德法
这是对 Python 中的 dunder 方法的介绍，以帮助您了解它们是什么以及它们的用途。
Pip 约束文件
有时，很难确定 Python 应用程序的原始依赖项是什么，约束文件是解决此问题的一种方法
为什么 DRY 是最被高估的编程原则
像专业人士一样组织 Python 代码
如何使用 Anvil 构建 Raspberry Pi Pico W Web 应用程序
有趣的项目、工具和库
包j
Packj（发音为 package）是一个命令行 (CLI) 工具，用于审查开源软件包的“风险”属性，这些属性使它们容易受到供应链攻击。
i8-终端
借助命令行的力量进行现代市场研究。
合同设计
合同模式设计的简约装饰器，仅用 100 多行现代 Python 3.10 代码编写（不包括文档和日志记录）。
最小GPT
OpenAI GPT（生成预训练变压器）训练的最小 PyTorch 重新实现。
秒进口
在不更改代码的情况下沙箱化 python 模块。
PyCirc工具
Python 库包含用于构建电路的不同模块。
克卢普
kLoop 是用 Cython 编写的 Python asyncio 事件循环的实现，使用 Linux 内核的 io_uring 和 kTLS 功能，因此称为 k(ernel)Loop。
新版本
Visual Studio Code 中的 Python – 2022 年 7 月版
此版本包括 Pylance 的嵌入类型提示和 Jupyter 笔记本设置体验的改进。如果您有兴趣，可以在我们的更改日志中查看 Python、Jupyter 和 Pylance 扩展的完整改进列表。
Python 3.11.0b4
即将举行的活动和网络研讨会
虚拟：2022 年 7 月 PyLadies 都柏林聚会
将有以下会谈
- 如何鼓励十几岁的女孩编程
- 如何在 python 中开始职业生涯
- OSS中的供应链安全
Pyninsula #30 – 加利福尼亚州帕洛阿尔托
将有以下会谈
- 停止猜测，GET请求
- 用于 DevOps 的 Jupyter
- 使用预提交挂钩提高代码质量
PyDataMCR 聚会 2022 年 7 月 – 曼彻斯特
将会有一场谈话，与机器赛跑。
PyData 柏林 2022 年 7 月 – 柏林，BE
将有以下会谈
- 用于实际应用的大型语言模型
- 机器学习和联邦学习中的隐私
|
