欢迎阅读《pythonista周刊》第454期。Let us start!
原文: https://mailchi.mp/pythonweekly/python-weekly-issue-454
翻译：Dustyposa
来自赞助商（PS：原文的赞助商）:
使用 Datadog 监控你的python指标，日志，集群分析。使用Datadog的应用分析，可以深入任何纬度并且能找到你所需要的信息，来进行动态诊断和快速故障排除。来免费试用 14 天吧！
新鲜事
The State of Developer Ecosystem 2020
第四届 JetBrains 年度开发者生态系统调查2020的结果，基于近2万名开发者的见解。在过去12个月中，Python在使用的语言列表中已经超过了Java。它是研究最多的语言。在过去的12个月里，30%的受访者已经开始或继续学习Python--甚至比去年还多
New LEGO Mindstorms Robot Inventor Supports Python
免费的 LEGO Mindstorms Robot Inventor 儿童编程应用程序使用基于Scratch的编程语言，并为更高级的编码器提供了 Python 支持。
DjangoCon Europe 2020 goes Virtual 虚拟会议将于9月18日至19日举行，并向所有人免费开放。
PyCon India 2020 Call for Proposals 今年的会议将在线举行。 因此，无论你身在何处，都可以提交提案并远程加入。
文章、教程与话题
用Python实现代理模式 涉足结构设计模式领域。
Async Python 并没有更快
在实际的基准测试中，Async Python 比 “sync”Python 慢。一个更大的担忧是异步框架在负载下会有点不稳定。
所有你能用GitHub API和Python做的事情 GitHub REST API allows you to manage issues, branches, repos, commits and more, so let’s see how you can do that using Python!
从零开始：反向模式自动区分（Python中）
自动差异化是深度学习框架的基础。 深度学习模型通常使用基于梯度的技术进行训练，而 autodiff 甚至可以从庞大，复杂的模型中轻松获得梯度。 反向模式autodiff由于其效率和准确性，是大多数深度学习框架使用的 autodiff 方法。 让我们来看一下反向模式 autodiff 的工作原理，并在 Python 中创建一个最小的autodiff框架。
在GitHub上进行贡献的分步指南 您是否考虑过为开源项目做贡献，但是您对流程感到困惑（或恐吓），甚至无法尝试？ 本分步指南向您展示了在GitHub上为项目做贡献时可以使用的确切过程。 如果您完全遵循本指南，则可以立即进行第一个开源贡献！
Python统计中的新手：pingouin
快速了解一下 library，看看它是如何脱颖而出的。
关于Go与Python的数据工程视角(第1部分)
探索 golang - 我们能抛弃 Python 而选择 go 吗?我们最终找到 go 的用例了吗?第1部分探讨了 Python 和 go 之间的高级差异，并给出了关于这两种语言的具体示例，旨在回答以 Apache Beam 和谷歌 Dataflow 为实际示例的问题。
使Python整数可迭代
在 Python 中，整数是不可迭代的，但是我们可以通过执行剩余的 __iter__函数来使它们可迭代。在本文中，我们修改了 Python 的源代码并实现了整数的 iter 函数。
使用此Python加密算法永远不会忘记你的密码
这个独特的算法使用 Python 和 Shamir 的秘密共享保护你的主密码免受黑客和你自己的遗忘曲线。
Building a todo app using Vue.js and Django 3 as the backend 
（33min）
在此 Django 和 Vue.js 教程中，我们将构建一个 todo 应用程序。 当您了解一门语言时，这是一件微不足道的事情，但这也是学习许多编程关键概念的好方法。
Math to Code
Math to Code 是一个交互式 Python 教程，旨在教工程师如何使用 NumPy 库读取和实现数学。
使用Python和Excel在5分钟内进行网页爬取
是否正在寻找一种快速的方法来从 Web 提取非结构化数据？ 这是一个5分钟的分析练习，涉及两种简单的方法，这些方法介绍如何使用 Excel 或 Python 抓取同一组真实世界的网络数据。 所有这些都是通过13行 Python 代码或一个过滤器以及 Excel 中的5个公式来完成的。
Test Your Python Code Using Hypothesis An introduction to property-based testing in Python.
如何部署带有 Core ML转换问题的PyTorch模型(第2部分)
在本文中，我们将逐步解决这些转换难题，以使我们的示例 Pytorch 模型能够通过 Core ML 在 iPhone 上进行推理。 在此过程的最后，我们将构建和 iOS 应用程序，以便使用 Pytorch 模型进行实时推断，从麦克风输入到可视化的声谱图。
实用，完整的HTTP cookie指南
在本指南中学习 HTTP cookie，并使用 JavaScript 和 Python 编写实用示例，并提供有用的资源。
如何使用Pandas在Python中将JSON转换为Excel
在本 Pandas 教程中，我们将学习如何在 Python 中将数据从 JSON 导入 Excel。 本指南将介绍使用 Python 的 json 模块的4个简单步骤，以及 Python 打包请求和 Pandas 的过程。
Python 101 – Exception Handling
在本文中，你将学习：常见异常，处理异常，引发异常，检查异常对象，使用 finally 语句和使用 else 语句。
Analyzing Messi and Ronaldo's Games using Python and Streamlit
Trying Ansible alternatives in python
使用Google Optimize进行Django A / B测试
有趣的项目、工具和库
audino
audino 是一个开源音频注释工具。 它提供了诸如转录和标记之类的功能，这些功能可为语音活动检测（VAD），数字化，说话人识别，自动语音识别，情感识别任务等添加注释。
pifuhd High-Resolution 3D Human Digitization from A Single Image.
SlimeVolleyGym
用于单人和多人强化学习的简单 OpenAI Gym 环境
atlas-python
用纯 Python 编写可从所有 Internet 自动访问的 Web 应用程序。
Smuggler
一个用 python3 编写的HTTP请求 Smuggling/ Desync 测试工具。
AIF360 一整套用于数据集和机器学习模型的公平性指标，这些指标的解释以及减轻数据集和模型中偏差的算法。
tunit 重新思考真正无监督的图像到图像翻译
2dtan
针对 2D-TAN 的优化重新实现：学习 2D 时间本地化网络以自然语言进行瞬间本地化。
Eric
Eric 是一个用 Python 编写的功能完整的 Python 编辑器和 IDE。它基于跨平台的Qt UI工具包，集成了高度灵活的 Scintilla 编辑器控制。它被设计成可以用作日常的快速和丰富编辑器，也可以作为一个专业的项目管理工具，集成了 Python 为专业编码器提供的许多高级特性。
Pyctuator
使用 Spring Boot Admin 监视 Python web 应用程序。 Pyctuator 支持 Flask 和 FastAPI。Django支持也在计划之中。
Grafiki
关于 Sysmon 和图形的威胁搜索工具。
新的版本
Python in Visual Studio Code – June 2020 Release 在本版本中，我们解决了53个问题，并开发了新功能，例如按行运行和启动页面。 你可以在我们的变更日志中查看改进的完整列表。
那些活动
Virtual: Better Python Unit Tests by Moshe Zadka
Moshe Zadka 在这个免费的实践培训课程中展示了如何像专家一样编写单元测试！ 单元测试是软件测试人员和QA工程师均使用的一种必选技能。
Virtual: PyData UK June 2020 meetup 将会有以下的话题:
- 为什么我的NLP模型（验证过程中的准确度达到96.72％）在生产中很糟糕？
- 当产品管理遇到机器学习时。
- A bibliometric study of a research field
- gentest：使用TDDA自动生成任意（1）程序的测试
- Elyra简介：扩展了AI的JupyterLab
Virtual: Removing Unfair Bias in Machine Learning
大量证据表明，人工智能可以嵌入人类和社会偏见并大规模部署它们。 而且由于非法偏见，现在正在重新审查许多算法。 那么，如何消除机器学习管道中的偏见和歧视呢？ 在本演讲中，您将学习可以使用开源工具包 AI Fairness 360 实施的去偏技术。
Virtual: Real Time AI on the Edge: Lessons from Energy Toolbase
在本次演讲中，我们将让 Anton Biryukov 和 Jules LaPrairie 讨论所采用的策略以及从构建和运行基于AI的分布式IoT解决方案中获得的经验教训。
San Diego Python Meetup June 2020 - San Diego, CA 将会有以下的话题:
- Choosing a Tech Recruiter
- Because Mocking Objects is Still Hard
- PyCharm提高生产力的技巧
- 使用Nox和GitHub进行测试
Posa：
❤️ Happy Pythonic ;-(Posa私人无责任播报)
----- 分割线 -----
如果你发现哪里翻译有误的话，请务与我联系！感谢！
Comments