收录了 python取反 频道下的 49 篇内容
**编者按**:本文节选自方巍著《Python数据挖掘与机器学习实战》一书中的部分章节。
经过几年近乎狂热的探索之后,Ruby on Rails适用的范围已经被基本摸清。当那些扩展边界的尝试无疾而终时,Ruby流行度的下滑也就在情理之中了。当一个典型的软件系统需要涉及4~5种主要编程语言时,这对于程序员究竟是机遇还是挑战?很大程度上这取决于程序员自己。
我们使用简单的测试用例来对各种高级编程语言进行了比较。
本文测试DolphinDB和pickle在数据读取方面的性能。与使用pickle文件存储相比,直接使用DolphinDB数据库,数据读取速度可最多可提升10倍以上;若为了考虑与现有Python系统的集成,使用DolphinDB提供的Python API读取数据,速度最多有2~3倍的提升。
Elad Leev作为AppsFlyer的一名DevOps的程序员,通过这篇文章解释了作为一名5年Python程序员是如何转化为Go的粉丝的。他解释了Python和Go在实际应用中的一些关键性差异,例如类型、并发、JSON的使用等,并推荐了若干Go相关的资源供初学者参考学习。
Stream将其主要编程语言从Python切换到了Go。本文将会解释他们决定从Python切换到Go的一些原因。
与数组相比,记录数据结构中的字段数目固定,每个都有一个名称,类型也可以不同。
Scrapy是一个较为流行的Python爬虫框架,本文将简单介绍Scrapy的使用方法,并对一些常见问题提出解决方法。
本文为“解读2015之运维篇”。2015年虽不是运维发展最快的一年,却是运维变化最大的一年。前一年大家普遍认为云计算是运维的救命稻草,而2015年的多次“灾难”让人警醒。越来越多的企业开始对运维更加重视了,大力提倡自动化运维,围绕 “自动化运维”相关的探讨也越来越频繁,在一次又一次的思想碰撞中擦出火花,并实施落地。与此同时,无论是使用开源软件的数量还是采用开源软件的企业都在持续增长。许多公司对自己的一些软件进行了开源,其中包括Google、Facebook、微软和IBM等。企业用户以前所未有的速度拥抱开源,很多优秀人才也投身其中,开源不再可有可无。除此之外,运维基础系统的更新迭代也不容小觑。还有哪些涨姿势?我们一起来盘点。
尝试用一门真正的编程语言来编写配置吧
到底谁才是最安全的编程语言呢?且听本文细细道来!
AI 抢程序员饭碗的讨论似乎可以暂时告一段落了。
Netflix宣布开源Polynote,该笔记本环境给数据科学家和机器学习研究人员提供了一个机会。
本文概述了当前在用的现代编程语言,按推荐程度从低到高依次列出。希望本文有助于读者选择合适的工具完成工作,降低开发工作量。原文篇幅过长。译文按设计用于命令式编程的C语言家族,以及设计用于响应式编程的ML语言家族,分为上下两篇提供。本文是上篇。
漏洞是软件杀手,bug是程序员的噩梦。
大概两年半前,我萌生了要创作一个新的系列文章的想法,也就是“Python为什么”,试图对 Python 的语法及特性提出“为什么”式的问题,以此加深对它的理解,探寻使用技巧、发展演变、设计哲学等话题。