网站搜索
Python Typer 教程：在几分钟内使用 Python 构建 CLI
通过几个简单的步骤，了解如何使用 Typer 通过 Python 构建 CLI。
在本教程中，我们将使用 Typer 构建命令行界面 (CLI)，Typer 是一个 Python 库，可以使 CLI 的构建变得快速而简单。 Typer 还利用 Python 的类型提示。
本教程将引导您了解如何为日程跟踪器构建 CLI。具体来说，我们将学习如何：
- 设置打字机
- 添加命令
- 正确处理任务、时间和优先级——输入和数据类型 阅读更多 →
在 Python 中掌握 f 字符串
了解如何利用 Python 的 f 字符串（格式化字符串文字）编写更清晰、更高效且更具可读性的代码。
F 字符串（或格式化字符串文字）是在 Python 3.6 中引入的，作为一种方便而简洁的格式化字符串的方法。它们提供了一种使用大括号 {} 将表达式嵌入字符串文字的方法。 F 字符串不仅更具可读性和简洁性，而且比旧的字符串格式化方法更快。
虽然许多开发人员都了解基础知识，但本指南探讨了可以提高代码质量和效率的高级 f 字符串技术。我们将介绍嵌入表达式、格式化数字、对齐文本、使用字典和多行 f 字符串。
1. 阅读更多 →
结合使用 Pandas 和 SQL 进行数据分析
在本教程中，我们将探讨何时以及如何将 SQL 功能集成到 Pandas 框架中，以及它的局限性。
SQL（即结构化查询语言）长期以来一直是数据管理的首选工具，但有时它会出现不足，需要 Python 等工具的强大功能和灵活性。 Python 是一种多功能的多用途编程语言，擅长访问、提取、整理和探索关系数据库中的数据。在 Python 中，开源库 Pandas 是专门为数据操作和分析而设计的。
在本教程中，我们将探讨何时以及如何将 SQL 功能集成到 Pandas 框架中，以及它的局限性。
您现在可能想知道的主要问题是...
阅读更多 →
新的 Python 包管理器
管理 Python 项目、运行脚本和工具、处理依赖项以及安装包——所有这些都可以使用 uv 工具完成。
uv 是一个快速的 Python 包和项目管理器，用 Rust 编写。它可以用来代替 pip、pip-tools、pipx、poetry、pyenv 和 virtualenv 工具。 uv 提供了一个用于管理 Python 项目的完整生态系统，允许您添加依赖项、管理工具、运行脚本等等。简而言之，从安装 Python 到构建 Python 应用程序，uv 使这个过程变得更快、更容易。 uv 的最佳功能之一是它与 pip 工具的兼容性。这意味着您只需在命
阅读更多 →探索 Python 的省略号 (...)：不仅仅是语法糖
有没有想过 Python 中的三个点 (...) 是做什么用的？了解这个强大的运算符如何简化您的代码！
Python 是一种以其强大功能而闻名的语言，它有一些隐藏的瑰宝，但并不总是得到应有的重视。根据主题，我们声称省略号就是这样的功能之一，其用途是程序员通常不知道的。简单来说，省略号是一个三点符号，用作占位符，用于突出显示未完成的代码或计划未来工作的区域。省略号使多维数组
阅读更多 →使用 DuckDB 在 Python 中进行数据分析的指南
了解如何使用 DuckDB 在 Python 中执行数据分析。
您是熟悉 SQL 和 Python 的开发人员吗？如果是这样，您可能需要开始使用 DuckDB（一种进程内 OLAP 数据库）进行数据分析。
SQL 是查询数据库的语言，并且是数据工具箱中最重要的语言。因此，当您切换到 Python 时，您可能会看到 pandas——将来自各种来源的数据读入数据帧并对其进行分析。
但是，使用 SQL 查询 pandas 数据帧以及 CSV 和 Parquet 文件等数据源不是很好吗？ DuckDB 可以让您做到这一点以及更多。在本教程中，
阅读更多 →每个数据分析师都应该知道的 10 个 Python 库
对数据分析感兴趣？以下是您离不开的 Python 库的列表。
获得数据分析师职位是开始数据职业生涯的好方法。要成为一名数据分析师，您应该熟练掌握 Python、SQL、BI 工具、统计等。
除了基本的 Python 编程之外，作为数据分析师要做的任务还要求您熟悉一些 Python 库。这些库将简化常见任务——从收集、清理、分析和可视化数据。
在本文中，我们将回顾作为数据分析师应该了解的 Python 库。让我们开始吧。
阅读更多 →只需 10 个简单步骤即可使用 Python 构建数据科学应用程序
了解如何使用 Python、Scikit-Learn 和 FastAPI 一步一步构建数据科学应用程序。
希望进一步提高您的数据科学技能？构建数据科学应用程序是了解更多信息的好方法。
构建数据科学应用程序涉及多个步骤——从数据收集和预处理到模型训练和通过 API 提供预测。本分步教程将指导您完成创建简单的数据科学应用程序的过程。
我们将使用 Python、scikit-learn 和 FastAPI 来训练机器学习模型并构建 API 来服务其预测。为了简单起见，我们将使用 scikit-learn 的内置 wine 数据集。让我们开始吧！
▶️ 您
阅读更多 →数据科学的 10 个基本 Conda 命令
这是每个数据科学家、机器学习工程师或 Python 开发人员都应该掌握的 10 个最常用 Conda 命令的集合。
有效管理 Python 项目环境对于维护可重复且无冲突的代码库是必要的。 Conda 是一个功能强大的包和环境管理系统，已成为现代开发人员工具包中不可或缺的工具。
这是每个数据科学家、机器学习工程师或 Python 开发人员都应该掌握的 10 个最常用 Conda 命令的集合。无论您是处理具有不同依赖性要求
阅读更多 →