python批量处理
收录了 python批量处理 频道下的 50 篇内容
实用！Python 大型 Excel 文件处理：快速导入、导出与批量处理
Python 是一种功能强大的编程语言，它提供了丰富的库和工具，使得处理大型 Excel 文件变得容易和高效。下面将介绍如何使用 Python 快速导入、导出和批量处理大型 Excel 文件。
Python 处理图像文件的实用姿势
Python1024自动办公系列：图像处理。 整个系列涵盖Python处理文本文件、PDF、Word、Excel、PPT、图像、音频、视频、邮件、企业办公机器人等职场办公实用场景。
Dropbox 如何用四年完成 400 万行 Python 代码检查
作为 Python 的大用户之一，Dropbox 公司内部聚集了数百万行 Python 代码，动态类型的存在让代码越来越难以理解。因此，公司开始利用 mypy 逐步将代码转换为静态类型。虽然效果得到了充分验证，但整个过程充满了各种错误和失败。本文，Dropbox 公司完整输出了从项目研究到实践的 Python 静态检查全过程，以期对各位开发者有所帮助。
落地 4 年，工商银行如何进行 Serverless 架构迭代
重点关注服务改造成本、投产风险和预期收益。
Beam 晋升 Apache 顶级项目
Beam渡过了孵化期并成功地晋升Apache顶级项目，Google支持并贡献给开源社区整合更多的数据处理框架。
Lambda 架构实现数据实时更新
本文是用Lambda架构来跟踪数据实时更新的项目实现。
Scala 更适合用于大数据处理和机器学习
对于新手来说，Scala相对比较复杂，其看起来灵活的语法并不容易掌握，但是对于熟悉Scala的用户来说，Scala是一把利器，它提供了许多独特的语言机制，可以以库的形式轻易无缝添加新的语言结构。近日，Spotify的软件工程师Neville Li发表了一篇题为《数据工程师应该学习Scala的三个理由》的文章，他认为现在的编程语言种类非常多，每种语言都各有优缺点，并且它们的适用的场景也不同，比如Scala就非常适合用于数据处理和机器学习。
Gubernator 开源：高性能分布式限速微服务项目
近日，Mailgun将Gubernator开源，这是一个高性能的分布式限速微服务。
机器学习项目中的数据预处理与数据整理之比较
本文比较了用于数据准备的几种方法，它们分别是提取-变换-加载批处理（ETL）、流式获取和数据整理。本文还讨论了数据准备如何与可视化分析相关联，以及不同用户角色（如数据科学家或业务分析人员）应如何共同构建分析模型的最佳实践。
AdMaster 技术副总裁谈 Hadoop、营销数据、Python 和挖掘平台
在本次访谈中，AdMaster技术副总裁卢亿雷谈到了营销数据的重要性、Python做数据挖掘的易用性以及他对Hadoop相关平台的看法。
基于 Spark 的大规模推荐系统特征工程
本次分享题目为基于Spark的大规模推荐系统特征工程及优化，主要内容包括：大规模推荐系统；Spark SQL应用与FESQL；基于LLVM的Spark优化。
PyCon 2014：机器学习应用占据 Python 的半壁江山
今年的PyCon四月9-17日在加拿大蒙特利尔召开，和其他语言的会议最不同的地方，是Python在学术界的广泛应用，这当然仰仗Python快速的原型实现能力。近来其官方网站发布了大会tutorial部分的视频和幻灯片，其中有很多（接近一半数量）跟数据挖掘和机器学习相关的内容，本文对此逐一介绍。
主流流处理框架比较（系列文章）
分布式流处理需求日益增加，包括支付交易、社交网络、物联网（IOT）、系统监控等。业界对流处理已经有几种适用的框架来解决，下面我们来比较各流处理框架的相同点以及区别。
在数据科学领域，Rust 会是 Python 的最佳替代方案吗？
本篇文章将探索 Rust 中的数据科学工作流在性能和工程学上的表现。
舍弃 Python+C，Salesforce 将企业级软件全面迁移到 Go 语言
Python非常适合快速编写更高级别的应用程序，但并不总是能够提供企业级所需的高性能。C可以创建高性能的可执行文件，但是添加功能会花费更多时间。
快速搭建 Serverless 人脸识别离线服务
本文介绍如何快速搭建 Serverless 人脸识别离线服务。
如何开发物联网应用？
物联网应用是设备管理、故障监测、数据分析的重要工具。本文介绍如何基于物联网平台开发应用，包括API、SDK和图形化开发三种方式。
为什么 Google 用 Apache Beam 彻底替换掉 MapReduce
1月10日，Apache软件基金会宣布，Apache Beam成功孵化，成为该基金会的一个新的顶级项目。谷歌坚信Apache Beam就是数据批量处理和流式处理的未来。
我是如何在 AWS Lambda 中用几分钟处理 50 万个事务的？
数据处理是一项密集型任务，尤其是对于计算单元，因为读写操作需要大量的资源。
都在关心 TensorFlow 2.0，那我手里基于 1.x 构建的程序怎么办？
本文将跟大家分享作者在处理TensorFlow适配和版本选择问题方面的经验，希望对你有所帮助。
促进软件开发及相关领域知识与创新的传播
京公网安备 11010502039052号 | 产品资质
扫码添加小助手
领取最新资料包
