值得收藏的45个Python优质资源

时间 2019-11-16

标签值得收藏 python 优质资源栏目 Python 繁體版

原文原文链接

REST API：使用 Python，Flask，Flask-RESTful 和 Flask-SQLAlchemy 构建专业的 REST APIhtml

https://www.udemy.com/rest-api-flask-and-python/python

算法交易：用于财务分析和算法交易的Python，主要学习包括numpy，pandas，matplotlib，quantopian，financemysql

https://www.udemy.com/python-for-finance-and-trading-algorithms/git

年度开源Python项目程序员

https://medium.mybridge.co/30-amazing-python-projects-for-the-past-year-v-2018-9c310b04cdb3github

机器学习年度最佳文章web

https://medium.mybridge.co/learn-to-build-a-machine-learning-application-from-top-articles-of-2017-cdd5638453fc算法

Python算法sql

1. 回顾 Python 交互式编码中所要面对的挑战 (算法和数据结构)django

本文对算法编码和数据结构中的问题提出了简单易懂又切实可行的方案。

https://github.com/donnemartin/interactive-coding-challenges

2. Python中算法和数据结构的最小样本

如何让Python中的数据结构和算法最小、最干净？

https://github.com/keon/algorithms

3. 最重要的Python算法--Pygorithm

Pygorithm是一个纯Python风格编写的模块，经过导入所需的算法，得到相应的代码、时间复杂性等。这是一个开始学习Python编程的好方法，可以帮助初学者学习并实现Python中全部算法。

http://pygorithm.readthedocs.io/en/latest/

Python综合指南

4. 一个有趣又不为人知的Python代码片断集合—wtfPython

https://github.com/satwikkansal/wtfPython

Python的脚本结构

5. 一个关于如何从Python脚本到打包项目的标准化指南

http://veekaybee.github.io/2017/09/26/python-packaging

Python中的列表

6. Python列表生成器的教程

在这份教程中，你将可以学习到如何在Python中有效地使用列表生成器来建立列表，替换(嵌套) for循环以及使用 map(), filter(), reduce() 函数等。

文章首先简单回顾了 Python 中列表的基本概念，并与Python中其余的数据结构进行比较。接着讲解了列表生成器的学习。文章还讲解了 Python 列表背后的数学知识，建立列表生成器的方法，以及如何在 for 循环或 lambda 隐函数中重写它们。

https://www.datacamp.com/community/tutorials/python-list-comprehension

Python中的类

7. 如何使用 Dunder (Magic、Special) 方法来丰富你的 Python 类

Dunker是Python中的一种特殊方法，经过双下划线开始和结束的形式存在，例如__init__来丰富类的预约义方法。

https://dbader.org/blog/python-dunder-methods

Python中的网页抓取

8. 如何使用 Python 中的 Scrapy、SQL 和 Matplotlib 等库进行网页抓取，并获取网页数据分析

你能够经过这篇文章学习到网页爬取知识，并用于实践中。

http://www.scrapingauthority.com/python-scrapy-mysql-and-matplotlib-to-gain-web-data-insights/

9. 高级的网页抓取教程：绕过“403禁止”，验证码等问题

http://sangaline.com/post/advanced-web-scraping-tutorial/

10. 掌握Python的网页抓取技巧来获取你所须要的数据

https://hackernoon.com/mastering-python-web-scraping-get-your-data-back-e9a5cc653d88

Python中的自动化操做

11. 如何使用Twilio、Python和Google自动化婚礼的进程

https://www.twilio.com/blog/2017/04/wedding-at-scale-how-i-used-twilio-python-and-google-to-automate-my-wedding.html

12. 如何用Python在Medium上找到有趣的人

https://medium.freecodecamp.org/how-i-used-python-to-find-interesting-people-on-medium-be9261b924b0

Python中的Bot

13. 制做Reddit+Facebook的信息箱

https://pythontips.com/2017/04/13/making-a-reddit-facebook-messenger-bot/

14. 我在Instagram上用Python写的开源机器人 (让我拥有了2500个粉丝，所花的服务器成本只有5美圆)

https://medium.freecodecamp.org/my-open-source-instagram-bot-got-me-2-500-real-followers-for-5-in-server-costs-e40491358340

Python中的电子表格

15. 权威指南：Python的Excel教程

经过这个教程，你能够了解如何使用Python读取和导入Excel文件，如何将数据写入这些电子表格。

https://www.datacamp.com/community/tutorials/python-excel-tutorial

16. Python和Googgle电子表格

https://www.youtube.com/watch?v=vISRn5qFrkM

Python中的金融应用

17. Python中的金融：算法交易

这是一份Python与金融应用的教程，在此你能学习到算法交易的基本知识及相关内容。

https://www.datacamp.com/community/tutorials/finance-python-trading

18. Python 中的金融教程—股票价格及相关数据介绍

https://www.youtube.com/watch?v=2BrpKpWwT2A

19. 用 Python 分析加密货币市场

比特币市场是如何表现？加密货币价值忽然出现高峰和低谷的缘由是什么？不一样altcoins市场是不可分割的或基本独立的？咱们如何预测接下来会发生什么？

这篇文章将简单地介绍如何使用Python来分析加密货币。文章经过一个简单的Python脚原本检索，分析和可视化不一样加密货币上的数据。在这个过程当中，文章还将揭示这些波动剧烈的市场行为以及一个有趣的演变趋势。

https://blog.patricktriest.com/analyzing-cryptocurrencies-python/

Python中的区块链

20. 学习并构建一个区块链

毫无疑问，区块链这项新颖的技术是计算的奇迹。区块链技术的出现引起了新的全数字货币，如比特币和莱特币，而这些货币并不是由中央当局发行或管理。区块链也以Ethereum这样的技术形式革命化了分布式计算，并引入了智能合约等有趣的概念。

这篇文章将会帮助你学习并理解区块链的工做原理。经过这篇教程，你将学习到一个功能强大的区块链，并掌握它们的工做流程。

https://hackernoon.com/learn-blockchains-by-building-one-117428612f46

21. 如何构建一个最小的区块链

本文将用少于50行的代码 (Python2) 来建立一个最简单、最小的区块链。

https://medium.com/crypto-currently/lets-build-the-tiniest-blockchain-e70965a248b

Python中的视频合成

22. 用Python构建一个视频合成器

视频合成器是利用音频输入来建立视觉信号的设备，自上世纪60年代以来，已有很长的历史。

这篇文章将用Python编写一个基本的视频合成器，并使用aubio进行Onset目标检测。

https://www.makeartwithpython.com/blog/video-synthesizer-in-python/

Python的性能

23. 用Python处理每秒100万个请求

用Python每秒可以达到100万个请求吗？为了节省服务器价格，最近不少公司正在从Python向其余编程语言中迁移。但实际并不须要。

Python社区最近在性能提高方面作了不少工做。CPython 3.6经过新的字典提升了总体解释器的性能。因为引入了更快的调用约定和字典查找缓存，CPython 3.7将会更快。

对于数字处理任务，你可使用PyPy进行代码编译。你还能够运行NumPy的测试套件，该测试套件如今已经改进了Python与C语言扩展的总体兼容性。在随后的更新版本中，PyPy预计将与Python 3.5兼容。

https://medium.freecodecamp.org/million-requests-per-second-with-python-95c137af319

24. “Python很慢，但我不在意”

这篇文章将介绍一些关于Python中asyncio的内容，并讨论有关Python速度的问题。

https://hackernoon.com/yes-python-is-slow-and-i-dont-care-13763980b5a1

25. Python中的缓存：如何缓存函数的结果

文章将介绍一种快捷的方法来加速Python记忆代码。你将看到什么时候以及如何运用Python记忆代码。记忆代码优化你的程序，在某些状况下会加速你的代码运行。

https://dbader.org/blog/python-memoization

Python中的Django框架

26. 七步骤带你完整地学习Django

Django是用Python编写的一个Web框架。这篇文章是介绍Django基础知识的系列教程，共分为七个部分，将分别从安装，准备开发环境，模型，视图，模板，URL到更高级的主题（如迁移，测试和部署）出发，详细探讨全部的基本概念。

https://simpleisbetterthancomplex.com/series/2017/09/04/a-complete-beginners-guide-to-django-part-1.html

27. 使用Django构建REST API的测试驱动方法：第一部分

这篇文章将介绍如何利用Django来构建一个REST API的测试驱动，并详细介绍了每一个步骤。

https://scotch.io/tutorials/build-a-rest-api-with-django-a-test-driven-approach-part-1

Python中的Flake

28. OI’List规则

这篇博文中咱们将介绍 Flake8（pyflakes，pycodestyle和mccabe）中的每一个规则及相对应的示例。

https://lintlyci.github.io/Flake8Rules/

29. 使用Python和Flask开发RESTful API

本文包括如下几部分：为何用Python；什么是Flask；引导Flask应用程序

用Flask建立一个RESTful端点；用Python类映射模型；用Marshmallow进行序列化和反序列化对象；Dockerizing Flask应用程序；用Auth0保护Python API

https://auth0.com/blog/developing-restful-apis-with-python-and-flask/

Python中的Numpy

30. 从Python到Numpy

本文经过一种新颖的方式，向量化地集中讲解了如何从Python迁移到Numpy的学习。另外，本文还包括一些不多提到的使用技巧。

http://www.labri.fr/perso/nrougier/from-python-to-numpy/

31. 探索Python每种工具包的行长度

本文探索了Python的流行包，如NumPy，SciPy，Pandas，Scikit-Learn，Matplotlib，AstroPy等。

http://jakevdp.github.io/blog/2017/11/09/exploring-line-lengths-in-python-packages/

Python中的NashPy

32. NashPy教程—创建并找到一种简单的游戏平衡

博弈论是用来研究理性主体之间的战略互动：当双方试图采用对各自最有益的方式来完成某件事情时，对双方互动行为的研究。这篇文章将采用Python中的NashPy来研究这种双方博弈的互动行为。

http://nashpy.readthedocs.io/en/latest/tutorial/

Python中的马尔可夫过程

33. 用Python模拟Chutes和Ladders

这篇文章将经过Chutes和Ladders游戏的例子，创建模型并阐述马尔可夫过程的原理。整个分析过程附有Python源码，感兴趣的读者能够尝试一下。

http://jakevdp.github.io/blog/2017/12/18/simulating-chutes-and-ladders/

Python中的数据分析

34. 用Python分析美国联邦政治行为

科学，政治，我的意见和社会政策的交集可能呈现至关复杂的状况。思想和学科的交汇点一般充斥着有争议的观点和基于信仰但缺少经验证据的议程。这时，数据科学在这方面就显得特别重要，由于它提供了一种以实际事实为基础的考察世界的方法，可以深刻了解咱们今天所面临的一些最重要的问题。

这篇文章咱们将用Python来分析美国联邦政府的一些政治行为，深刻了解政治背后所隐藏的故事。

https://blog.patricktriest.com/police-data-python/

35. 用Python分析1000+的希腊葡萄酒

https://tselai.com/greek-wines-analysis.html

36. 如何用Python生成FiveThirtyEight图

这篇文章将用Python的matplotlib和pandas，来学习并查看FiveThirtyEight（FTE）可视化的核心部分，并教会你使用Python来为本身的数据进行可视化。

https://www.dataquest.io/blog/making-538-plots/

37. 使用 Apache Spark 和 Python 为8000万 Amazon 产品进行评价打分

做者编写了一个简单的Python脚本，将亚马逊产品评论数据集中的每类评分数据进行整合，并对这些Amazon产品评论数据进行分析打分，以发现用户的喜爱。

http://minimaxir.com/2017/01/amazon-spark/

38. 使用Python进行地理空间分析

https://matthewrocklin.com/blog//work/2017/09/21/accelerating-geopandas-1

39. 星球：从太空中了解亚马逊，来自Kaggle头奖获奖者的采访

文章采访了Kaggle的“星球：从太空中了解亚马逊”竞赛的获奖者，内容包括他如何使用11个微调的卷积神经网络，标签关联的结构模型，以及如何避免过拟合现象等。

http://blog.kaggle.com/2017/10/17/planet-understanding-the-amazon-from-space-1st-place-winners-interview/

Python 入门

40. 从零开始学习Python

Python的建立者Guido van Rossum曾说过，“Python是一个高级编程语言，其核心设计理念是让代码具备高度的可读性和简单的语法，程序员能够用几行代码表达本身的想法。”

https://medium.freecodecamp.org/learning-python-from-zero-to-hero-120ea540b567

41. 重要的Python练习清单

这篇文章列出了一些重要的练习项目，包括Python语言自己和标准库的练习。文章中还有Python中不一样主题模块的知识。

https://www.ynonperek.com/2017/09/21/python-exercises/

42. API的设计原则：先思考再编码

API是定义应用程序接口的通用术语，换句话说，就是用户（人或机器）与程序的交互接口。在Web开发世界中，API一般是一个网站，其中包含一系列端点，用于响应客户端请求和结构化文本数据。这篇文章将告诉你为何以及如何设计一个正确的API，如何将本身的思想植入到API的设计中来构建属于你本身的API。

https://www.ckl.io/blog/api-design-think-first-code-later

43. Python机器学习指南

本文将经过清晰地解释和有效的练习，来帮助你深度理解相关的机器学习算法。

https://medium.freecodecamp.org/the-hitchhikers-guide-to-machine-learning-algorithms-in-python-bfad66adb378

44. 如何学习Python编程：6位经验丰富的Python开发者分享了他们的观点

对于当下热门的Python语言，有太多的教程、书籍、视频和博客文章资源，然而如此多的冗余资料，你该如何选择最佳的方式开始你的Python学习之旅呢？这篇文章列出了6位Python专家分享的学习经验，相信这对于迷茫中的你来讲，将受益不浅。

https://coolpythoncodes.com/best-way-learn-python-programming

45. 如何用Python实现强大的数据分析

Python是数据分析的最佳编程语言，这得益于它自带的依赖库。依赖库可以存储，操纵数据，并从数据中得到核心信息，于是在数据科学领域被普遍使用并展示出强大的功能。本文介绍了Python在数据科学领域的应用历史以及最新发展。

https://www.youtube.com/watch?v=9by46AAqz70