新智元报道

来源：medium.mybridge.co

编译：May

【新智元导读】在上个月的将近1000篇与Python相关的文章/项目中，Mybridge甄选了10篇最热文章，主题有关：Backend, Book, PLSDR, Dlib, Pipenv, Web Scraping, Serverless, LSTM, Gensim, 2D game等。

1. 2018的现代后端开发（书籍）

Modern Backend Developer in 2018

今天的网络开发与几年前完全不同，有很多不同新东西可以阻碍任何进入网络开发的人。我们决定用一个视觉指南给从业者一个更广阔的更清晰的想法，让他们知道自己在网络开发中的角色。

地址：

https://medium.com/tech-tajawal/modern-backend-developer-in-2018-6b3f7b5f8b9

2. 全速Python：给自学者的免费电子书

这本书旨在用实用的方法教授Python程序设计语言：在简要介绍每一个主题后，读者被邀请通过练习来学习和掌握知识。通过这些练习，大多数学生在不到一个月的时间里就可以使用Python语言了。

下载地址：

https://github.com/joaoventura/full-speed-python

3. PLSDR：一个强大的基于Python的软件定义无线电（SDR）

特定软件无线电（简称SDR），作为现代无线电技术的一部分。是用Python编写的，它依赖于GNU无线电技术基础的内部工作。

这不是我的第一个SDR，我已经写过其他的了，一个例子是JRX，这个程序通过一个HAMLIB的业余无线电接收机和发射机接口。但这一领域的发展如此之快，软件和硬件都发生了巨大的变化，因为JRX和HAMLIB的出现，现在可以获得一个性能相同的射频前端设备，只需很少的资金，就可以使用一个专门的程序比如PLSDR来访问它。

地址：

https://arachnoid.com/PLSDR/index.html

4. 用Dlib的Python构建Instagram上的PIN功能

我们将用Python构建Instagram的PIN功能，这就是说一个图像被放置在特定位置，而摄像机围绕着这个图像移动。现在苹果的ARKIT的别针图像功能已经变得司空见惯，但使用简单的接口比如如DLIB的相关跟踪器，为我们提供了一个很好的起点，不再需要用像iPhone那样的传感器数据。所以我们将用Python创建一个用别针图像制作视频的工具。

地址：

https://www.makeartwithpython.com/blog/instagram-pin-effect-in-python/

5. Pipenv：新的Python包装工具指南

Pipenv是一个Python的打包工具，它解决了使用pip、virtualenv、以及txt的典型工作相关的一些常见问题。 除了解决一些常见问题之外，它还将开发过程简化为单个命令行工具。

本指南将讨论Pipenv 解决的问题，以及如何用Pipenv 管理Python从属关系（Python dependencies）。此外，它还将涵盖Pipenv 如何与以前的分配包（Package distribution）方法相适应。

地址：

https://realpython.com/pipenv-guide/

6. 网络数据采集、正则表达和数据可视化：在Python中完成这一切

虽然在Excel中手动输入数据肯定会更快，但我会丧失实践一些技能的宝贵机会。数据科学是用各种各样的工具来解决问题的，而网络数据采集和正则表达式是我需要做的两个领域。结果显示了我们如何将这三种技术结合起来解决数据科学问题。

这个项目的完整代码可在谷歌实验室的Jupyter Notebook上找到。

地址：

https://towardsdatascience.com/web-scraping-regular-expressions-and-data-visualization-doing-it-all-in-python-37a1aade7924

7. 6个月内我学到的6件关于不使用硬件基础设施的事情

6个月里，我们在没有用服务器（serverless）的情况下创造了四个重要项目。一旦你找到了正确的工具，没有服务器的世界非常棒。

第1课：Ditch Python

第2课：中间层

第3课：享受VUE

第4课：学习热爱DynamoDB

第5课：无服务器框架FTW

第6课：授权

地址：

https://read.acloud.guru/six-months-of-serverless-lessons-learned-f6da86a73526

8. Python的长短期模型LSTM：股票市场的预测

在这个教程中，你将看到如何使用时间序列模型（time-series model），又被称作作长短期模型（Long Short-Term Memory）。这个LSTM 模型非常强大，特别是对于保留长期记忆。你将在这个教程中解决下列问题：

• 理解为什么需要进行股票动态预测

• 下载数据 — 您将会从雅虎经济 Yahoo finance上下载股票市场数据

• 分开实验数据Split train-test data和实行数据规范化data normalization

• 为了得到下一步的预测，整理和应用一些求平均值的技术averaging techniques

• 激励， 简短的探讨LSTM 模型如何可以预测多于一步

• 用现有的数据来预测和图像化未来的股票市场

地址：

https://www.datacamp.com/community/tutorials/lstm-python-stock-market?utm_source=mybridge&utm_medium=blog&utm_campaign

9. 用 Gensim (Python) 主题建模

主题建模Topic Modeling 是从大量的文本中提取出隐藏的主题的一项技术。潜在狄利克雷分布 Latent Dirichlet Allocation (LDA) 是在Python的gensim包中一种优秀的文档主题生成模型计算。其所面临的挑战是如何提取清楚的、分离开的、有意义的高质量的主题。这很大程度上取决于文本预处理的质量和找到最佳数量主题的策略。本教程就试图解决这两方面的问题。

地址：

Topic Modeling with Gensim (Python)

10. 如何用Python和Arcade library创建一个2D游戏

Python是人们学习编程的优秀语言，对于任何想要“完成任务”的人来说都是完美的，还不需要在样板代码上花费大量的时间。Arcade是Python 用来做2D 游戏设计的，不但容易开始，而且随着经验提高会更有前途。在本文中，我将解释如何开始使用Python和Arcade来编程视频游戏。

地址：

https://opensource.com/article/18/4/easy-2d-game-creation-python-and-arcade?utm_source=mybridge&utm_medium=blog&utm_campaign

【加入社群】

新智元 AI 技术 + 产业社群招募中，欢迎对 AI 技术 + 产业落地感兴趣的同学，加小助手微信号: aiera2015_3 入群；通过审核后我们将邀请进群，加入社群后务必修改群备注（姓名 – 公司 – 职位；专业群审核较严，敬请谅解）。