- A+
Python是人工智能的未来。由于考虑到言语的灵活性，其速度以及供给的机器学习功能库(如scikit-learn，Keras和TensorFlow)，我们将继续看到Python在机器学习领域占据主导地位。在大数据年代，Python排名如此靠前，自然能够理解。在未来，鉴于Python不仅是一种通用的编程言语，并且也是一门科学的编程言语，我们很快就会看到学习python将会让Python工程师获得更高的回报，挣得更多。更何况它的开发效率非常高，Python有非常强大的第三方库，基本上你想通过计算机实现任何功能，Python官方库里都有相应的模块进行支持，直接下载调用后，在基础库的基础上再进行开发，大大降低开发周期，避免重复造轮子。我们看下python工程师的平均薪资就知道Python现在有多火了。
翻译 | 林椿眄
编纂 | Donna
出品 | 人工智能头条
【导读】热点资源博客 Mybridge AI 斗劲了 18000 个关于 Python 的项目，并从中精选出 44个最具竞争力的项目。我们停止了翻译，在此一并送上。
这份清单中网罗了各不不异的 20 个主题，以及一些资深轨范员分享使用 Python 的经历，值得保藏。Mybridge AI 的排名连系了内部机械评估的内容质量和各类酬报身分，网罗阅读次数和阅读时长等。
对付 Python 的初学者，我们保举以下这些课程：
REST API：使用 Python，Flask，Flask-RESTful 和 Flask-SQLAlchemy 构建专业的 REST API ［12,602 个保举，4.6 / 5 星］
链接：
https://www.udemy.com/rest-api-flask-and-python/
算法生意：用于财务分析和算法生意的 Python，首要进修网罗 numpy，pandas，matplotlib，quantopian，finance ［8,077 个保举，4.6 / 5 星］
链接：
https://www.udemy.com/python-for-finance-and-trading-algorithms/
年度开源 Python 项目 ［均匀 4,078 星］
链接：
https://medium.mybridge.co/30-amazing-python-projects-for-the-past-year-v-2018-9c310b04cdb3
机械进修年度最佳文章
链接：
https://medium.mybridge.co/learn-to-build-a-machine-learning-application-from-top-articles-of-2017-cdd5638453fc
Python 算法
① 回首回头回忆 Python 交互式编码中所要面临的挑战（算法和数据构造）
本文对算法编码和数据构造中的问题提出了简单易懂又实在可行的方案。
作者：Donne Martin；［github－11811 星］
链接：
https://github.com/donnemartin/interactive-coding-challenges
② Python 中算法和数据构造的最小样本
若何让 Python 中的数据构造和算法最小、最清洁？
作者：keon；［github－10271 星］
链接：
https://github.com/keon/algorithms
③ 最重要的 Python 算法--Pygorithm
Pygorithm 是一个纯 Python 气概编写的模块，经由过程导入所需的算法，获得相应的代码、时辰复杂性等。这是一个起头进修 Python 编程的好编制，可以辅佐初学者进修并实现 Python 中所有算法。
作者：Satwik Kansal；［github－3156 星］
链接：
http://pygorithm.readthedocs.io/en/latest/
Python 综合指南
④ 一个幽默又鲜为人知的 Python 代码片段集结—wtfPython
作者：Satwikkansal；［github－4,933 星］
链接：
https://github.com/satwikkansal/wtfPython
Python 的剧本构造
⑤ 一个关于若何从 Python 剧本到打包项目的标准化指南
作者：Courtesy of Vicki
链接：
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，你将可以进修到若安在 Python 中有效地使用列表生成器来建树列表，替代(嵌套) for 轮回以及使用 map(), filter(), reduce() 函数等。
文章首先简单回首回头回忆了 Python 中列表的根基概念，并与 Python 中其他的数据构造停止斗劲。接着讲解了列表生成器的进修。文章还讲解了 Python 列表背后的数学知识，建树列表生成器的编制，以及若安在 for 轮回或 lambda 隐函数中重写它们。
作者：Karlijn Willems
链接：
https://www.datacamp.com/community/tutorials/python-list-comprehension
Python 中的类
⑦ 若何使用 Dunder (Magic、Special) 编制来丰盛你的 Python 类
Dunker 是 Python 中的一种不凡编制，经由过程双下划线起头和竣事的情势存在，例如 __init__ 来丰盛类的预界说编制。
作者：Dan Bader
链接：
https://dbader.org/blog/python-dunder-methods
Python 中的网页抓取
⑧ 若何使用 Python 中的 Scrapy、SQL 和 Matplotlib 等库停止网页抓取，并获取网页数据分析
你可以经由过程这篇文章进修到网页爬取知识，并用于理论中。
作者：ScrapingAuthority
链接：
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 避免”，验证码等问题
作者：Evan Sangaline
链接：
http://sangaline.com/post/advanced-web-scraping-tutorial/
⑩ 把握 Python 的网页抓取技巧来获取你所必要的数据
作者：Lauren Glass 和 Hackernoon
链接：
https://hackernoon.com/mastering-python-web-scraping-get-your-data-back-e9a5cc653d88
Python 中的主动化把持
⑪ 若何使用 Twilio、Python 和 Google 主动化婚礼的历程
作者：Thomas Curtis
链接：
https://www.twilio.com/blog/2017/04/wedding-at-scale-how-i-used-twilio-python-and-google-to-automate-my-wedding.html
⑫ 若何用 Python 在 Medium 上找到幽默的人
作者：Radu Raicea 和 freeCodeCamp。
链接：
https://medium.freecodecamp.org/how-i-used-python-to-find-interesting-people-on-medium-be9261b924b0
Python 中的 Bot
⑬ 建造 Reddit+Facebook 的信息箱
作者：Yasoob Khalid
链接：
https://pythontips.com/2017/04/13/making-a-reddit-facebook-messenger-bot/
⑭ 我在 Instagram 上用 Python 写的开源机械人（让我拥有了 2500 个粉丝，所花的办事器本钱只需 5 美元）
作者：TimG
链接：
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
经由过程这个教程，你可以体味若何使用 Python 读取和导入 Excel 文件，若何将数据写入这些电子表格。
作者：Karlijn Willems
链接：
https://www.datacamp.com/community/tutorials/python-excel-tutorial
⑯ Python 和 Googgle 电子表格
作者：Brent Schooley
链接：
https://www.youtube.com/watch?v=vISRn5qFrkM
Python 中的金融应用
⑰ Python 中的金融：算法生意
这是一份 Python 与金融应用的教程，在此你能进修到算法生意的根基知识及相干内容。
作者：Karlijn Willems
链接：
https://www.datacamp.com/community/tutorials/finance-python-trading
⑱ Python 中的金融教程—股票价钱及相干数据引见
作者：Harrison Kinsley
链接：
https://www.youtube.com/watch?v=2BrpKpWwT2A
这篇文章将简单地引见若何使用 Python 来分析加密货泉。文章经由过程一个简单的 Python 剧本来检索，分析和可视化不合加密货泉上的数据。在这个过程中，文章还将提示这些波动强烈的市场举动以及一个幽默的演变趋向。
作者：Patrick Triest
链接：
https://blog.patricktriest.com/analyzing-cryptocurrencies-python/
Python 中的区块链
⑳ 进修并构建一个区块链
毫无疑问，区块链这项别致的手艺是计较的事业。区块链手艺的出现激发了新的全数字货泉，如比特币和莱特币，而这些货泉并非由中心当局刊行或办理。区块链也以 Ethereum 如许的手艺情势革命化了分布式计较，并引入了智能合约等幽默的概念。
这篇文章将会辅佐你进修并理解区块链的工作事理。经由过程这篇教程，你将进修到一个功能强大的区块链，并把握它们的工作流程。
作者：Daniel van Flymen 和 Hackernoon
链接：
https://hackernoon.com/learn-blockchains-by-building-one-117428612f46
㉑ 若何构建一个最小的区块链
本文将用少于 50 行的代码（Python2）来建树一个最简单、最小的区块链。
作者：Gerald Nash
链接：
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
视频合成器是把持音频输入来建树视觉旌旗暗号的设备，自上世纪 60 年月以来，已有很长的历史。
这篇文章将用 Python 编写一个根基的视频合成器，并使用 aubio 停止 Onset 方针检测。
作者：Kirk Kaiser
链接：
https://www.makeartwithpython.com/blog/video-synthesizer-in-python/
Python 的机能
㉓ 用 Python 措置每秒 100 万个哀求
用 Python 每秒可以到达 100 万个哀求吗？为了节约办事器价钱，比来良多公司正在从 Python 向其他编程说话中迁移。但实际并不必要。
Python 社区比来在机能晋升方面做了良多工作。CPython 3.6 经由过程新的字典进步了团体诠释器的机能。由于引入了更快的挪用商定和字典查找缓存，CPython 3.7 将会更快。
对付数字措置使命，你可以使用 PyPy 停止代码编译。你还可以运转 NumPy 的测试套件，该测试套件如今已经改进了 Python 与 C 说话扩展的团体兼容性。在随后的更新版本中，PyPy 估量将与 Python 3.5 兼容。
作者：Paweł Piotr Przeradowski。
链接：
https://medium.freecodecamp.org/million-requests-per-second-with-python-95c137af319
㉔ “Python 很慢，但我不在乎”
这篇文章将引见一些关于 Python 中 asyncio 的内容，并会谈有关 Python 速度的问题。
作者：Nick Humrich
链接：
https://hackernoon.com/yes-python-is-slow-and-i-dont-care-13763980b5a1
㉕ Python 中的缓存：若何缓存函数的成效
文章将引见一种快捷的编制来加速 Python 记忆代码。你将看到何时以及若何运用 Python 记忆代码。记忆代码优化你的轨范，在某些情形下会加速你的代码运转。
链接：
https://dbader.org/blog/python-memoization
Python 中的 Django 框架
㉖ 七轨范带你完好地进修 Django
Django 是用 Python 编写的一个 Web 框架。这篇文章是引见 Django 根本知识的系列教程，共分为七个局部，将分袂从安装，预备开发情形，模子，视图，模板，URL 到更高级的主题（如迁移，测试和安排）动身，详细商讨所有的根基概念。
作者：Vitor Freitas
链接：
https://simpleisbetterthancomplex.com/series/2017/09/04/a-complete-beginners-guide-to-django-part-1.html
㉗ 使用 Django 构建 REST API 的测试驱动编制：第一局部
这篇文章将引见若何把持 Django 来构建一个 REST API 的测试驱动，并详细引见了每个轨范。
作者：Jee Githinji Gikera 和 Scotch Development
链接：
https://scotch.io/tutorials/build-a-rest-api-with-django-a-test-driven-approach-part-1
Python 中的 Flake
㉘ OI’List 轨则
这篇博文中我们将引见 Flake8（pyflakes，pycodestyle 和 mccabe）中的每个轨则及相对应的示例。
链接：
https://lintlyci.github.io/Flake8Rules/
㉙ 使用 Python 和 Flask 开发 RESTful API
本文网罗以下几局部：
-
为什么用 Python？
-
什么是 Flask？
-
引导 Flask 应用轨范
-
用 Flask 建树一个 RESTful 端点
-
用 Python 类映射模子
-
用 Marshmallow 停止序列化和反序列化工具
-
Dockerizing Flask 应用轨范
-
用 Auth0 呵护 Python API
作者：Bruno Krebs
链接：
https://auth0.com/blog/developing-restful-apis-with-python-and-flask/
Python 中的 Numpy
㉚ 从 Python 到 Numpy
本文经由过程一种别致的编制，向量化地集中讲解了若何从 Python 迁移到 Numpy 的进修。别的，本文还网罗一些很少提到的使用技巧。
链接：
http://www.labri.fr/perso/nrougier/from-python-to-numpy/
㉛ 试探 Python 每种工具包的行长度
本文试探了 Python 的流行包，如 NumPy，SciPy，Pandas，Scikit-Learn，Matplotlib，AstroPy 等。
作者：Jake VanderPlas
链接：
http://jakevdp.github.io/blog/2017/11/09/exploring-line-lengths-in-python-packages/
Python 中的 NashPy
㉜ NashPy 教程—建立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计策互动：当双方试图接纳对各自最有益的编制来完成某件工作时，对双方互动举动的研究。这篇文章将接纳 Python 中的 NashPy 来研究这种双方博弈的互动举动。
链接：
http://nashpy.readthedocs.io/en/latest/tutorial/
Python 中的马尔可夫过程
㉝ 用 Python 模仿 Chutes 和 Ladders
这篇文章将经由过程 Chutes 和 Ladders 游戏的例子，建立模子并阐述马尔可夫过程的事理。整个分析过程附有 Python 源码，感乐趣的读者可以考试考试一下。
作者：Jake VanderPlas
链接：
http://jakevdp.github.io/blog/2017/12/18/simulating-chutes-and-ladders/
Python 中的数据分析
㉞ 用 Python 分析美国联邦政治举动
科学、政治、小我定见和社会政策的交集可能出现相称复杂的情形。思惟和学科的交汇点通常布满着有争议的概念和基于信奉但缺乏经历证据的议程。这时，数据科学在这方面就显得特别重要，由于它供给了一种以实际现实为根本的调查世界的编制，可以深切体味我们今天所面临的一些最重要的问题。
这篇文章我们将用 Python 来分析美国联邦当局的一些政治举动，深切体味政治背后所潜匿的故事。
作者：Patrick Triest
链接：
https://blog.patricktriest.com/police-data-python/
㉟ 用 Python 分析 1000+ 的希腊葡萄酒
作者：Florents Tselai
链接：
https://tselai.com/greek-wines-analysis.html
㊱ 若何用 Python 生成 FiveThirtyEight 图
这篇文章将用 Python 的 matplotlib 和 pandas，来进修并检察 FiveThirtyEight（FTE）可视化的焦点局部，并教会你使用 Python 来为本身的数据停止可视化。
作者：Josh Devlin
链接：
https://www.dataquest.io/blog/making-538-plots/
㊲ 使用 Apache Spark 和 Python 为 8000 万 Amazon 产物停止评价打分
作者编写了一个简单的 Python 剧本，将亚马逊产物评论数据集中的每类评分数据停止整合，并对这些 Amazon 产物评论数据停止分析打分，以创造用户的快乐爱好。
作者：Max Woolf
链接：
http://minimaxir.com/2017/01/amazon-spark/
㊳ 使用 Python 停止地舆空间分析
作者：Matthew Rocklin
链接：
https://matthewrocklin.com/blog//work/2017/09/21/accelerating-geopandas-1
㊴ 星球：从太空中体味亚马逊，来自 Kaggle 头奖获奖者的采访
文章采访了 Kaggle 的“星球：从太空中体味亚马逊”竞赛的获奖者，内容网罗他若何使用 11 个微调的卷积神经搜集，标签联络关系的构造模子，以及若何按捺过拟合征象等。
作者：Edwin Chen
链接：
http://blog.kaggle.com/2017/10/17/planet-understanding-the-amazon-from-space-1st-place-winners-interview/
Python 入门
㊵ 从零起头进修 Python
Python 的建树者 Guido van Rossum 曾说过，“Python 是一个高级编程说话，其焦点设计理念是让代码具有高度的可读性和简单的语法，轨范员可以用几行代码表达本身的设法。”
作者：TK
链接：
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，网罗 Python 说话本身和标准库的练习。文章中还有 Python 平不合主题模块的知识。
作者：Ynon Perek
链接：
https://www.ynonperek.com/2017/09/21/python-exercises/
㊷ API 的设计准绳：先思虑再编码
API 是界说应用轨范接口的通用术语，换句话说，就是用户（人或机械）与轨范的交互接口。在 Web 开发世界中，API 通常是一个网站，其中包含一系列端点，用于相应客户端请乞降构造化文本数据。这篇文章将告诉你为什么以及若何设计一个精确的 API，若何将本身的思惟植入到 API 的设计中来构建属于你本身的 API。
作者：Jonatas Baldin
链接：
https://www.ckl.io/blog/api-design-think-first-code-later
㊸ Python 机械进修指南
本文将经由过程清楚地诠释和有效的练习，来辅佐你深度理解相干的机械进修算法。
作者：Conor Dewey
链接：
https://medium.freecodecamp.org/the-hitchhikers-guide-to-machine-learning-algorithms-in-python-bfad66adb378
㊹ 若何进修 Python 编程：6 位经历丰盛的 Python 开发者分享了他们的概念
对付当下热点的 Python 说话，有太多的教程、书籍、视频和博客文章资源，然而如斯多的冗余质料，你该若何选择最佳的编制起头你的 Python 进修之旅呢？这篇文章列出了 6 位 Python 专家分享的进修经历，信托这对付迷茫中的你来说，将受益匪浅。
链接：
https://coolpythoncodes.com/best-way-learn-python-programming
Python语言的有哪三大优势
（一）、Python,是一种面向对象的解释型计算机程序设计语言，具有丰富和强大的库，Python已经成为继JAVA，C++之后的的第三大语言。特点：简单易学、免费开源、高层语言、可移植性强、面向对象、可扩展性、可嵌入型、丰富的库、规范的代码等。
（二）、在企业越来越欢迎欢迎的语言。Python的应用特别广，中国现在的人才缺口超过100万，特别是Linux运维、web开发、大数据、Python爬虫技术、人工智能应用广泛等等。并且，目前国内Python人才缺口高达40万，部分领域如人工智能、大数据开发人才稀缺， 年薪二十万都招不到人
（三）、Python除了极少的事情不能做之外，其他基本上都涉及到，图形处理、系统运维、数学处理、文本处理、数据库编程、网络编程、web编程、多媒体应用、pymo引擎、黑客编程、爬虫编写、机器学习、人工智能等。
好了，如果想获取更多资源，关注爱编程的南风的头条号，私信关键词：学习资料 今天的知识就分享到这里，如果文章对你有有帮助，请收藏关注转发哦，在今后与你分享更多学习python的文章。同时欢迎在下面评论区留言如何学习python。
