文章、教程和讲座关于将Mercurial移植到Python3的一些思考链接：https://gregoryszorc.com/blog/2020/01/13/mercurial's-journey-to-and-reflections-on-python-3/Mercurial5.2于2019年11月5日发布。这是第一个支持Python3的Mercurial版本。这一里程碑发生在Python3.0于2018年12月3日首次发布近11年之后。从逻辑上讲，本文分为两部分：Mercurial的Python3移植工作的一些真实描述，以及对向Python3和整个Python语言的过渡的一些见解生态系统。管理Python环境链接：https://www.pluralsight.com/tech-blog/managing-python-environments/Python环境的配置很容易成为一个巨大的负担。我们将介绍一些可用于提高环境（代码）友好性的工具，并准备一些广受好评的Python配置项。将函数作为参数传递给Python中的另一个函数链接：https://treyhunner.com/2020/01/passing-functions-as-arguments/在Python中，函数也是对象。在深入研究Python时，在学会将一个函数传递给另一个函数后，函数调用就会派上用场。这是我关于“函数对象”的各种属性的系列文章的第1部分。本文重点介绍新手Python程序员应该知道的Python函数的对象性质。EasyVQA链接：https://victorzhou.com/blog/easy-vqa/使用神经网络的视觉问答（VQA）简介。您的下一个Python项目的最终设置链接：https://martinheinz.dev/blog/14无论您是从事机器学习/人工智能、在Flask/Django中构建Web应用程序，还是只是编写一些自动化Python脚本，但是提前为您的项目准备一些满足您所有需求的模板总是有用的，即：预定义的目录结构、所有必需的配置文件（例如pytest.ini或requirements.txt）、测试、整洁或静态代码分析设置、CI/CD工具、应用程序的Dockerization和基于Makefile的自动化。所以在这里我提供了一套“终极版”的通用配置信息给大家Python项目。BrowsertoDjango链接：https://www.mattlayman.com/understand-django/browser-to-django/Django帮助您使用Python构建网站。那么它是怎样工作的？在本系列文章中，我们将从浏览器开始，自上而下地探索Django，并向您展示如何构建您想要的网站。Django3教程和CRUD示例（附加MySQL和Bootstrap教程）链接：https://www.ahmedbouchefra.com/blog/django-3-tutorial-and-crud-example-with-mysql-and-bootstrap/Django3有发布，完全异步支持！在本教程中，我们将通过示例介绍如何创建CRUD应用程序。我们将学习如何配置MySQL数据库、启用管理界面以及创建Django网络视图。欧洲旅行计划-第1部分链接：https://shreyasgokhale.com/tech-blog/eurotrip-planner-part-1一个Python脚本，可帮助您找到理想的欧洲旅行计划。欧洲旅行计划-第2部分链接：https://shreyasgokhale.com/tech-blog/eurotrip-planner-part-2从监狱到Python，我学到了什么？链接：https://opensource.com/article/20/1/prison-to-python一个开源程序如何在入狱后提供机会？Python中的Redis服务器辅助客户端缓存链接：https://engineering.redislabs.com/posts/redis-assisted-client-side-caching-in-python/OptimizingPythoncodewithctypes链接：https://samuelstevens。me/writing/optimizing-python-code-with-ctypesPython如何创建非常长的整数？链接：https://arpitbhayani.me/blogs/super-long-integers如何在Python中构建用于文本分析的GraphQLAPI链接：https://atheros.ai/blog/how-to-build-graphql-api-for-text-analytics-in-python有趣的项目、工具和库scalene链接：https://github.com/emeryberger/scalene一个高性能、高精度的CPU和内存分析器。Slacky链接：https://github.com/M4cs/Slacky第一个用于Slack工作区的PythonSelfbot。Slacky的创建是为了使Slack自动化。它还默认带有许多命令，甚至允许轻松构建和导入自定义插件。Speck链接：https://github.com/lucashadfield/speck将图像渲染为一组连续的线条，代表每条水平（或垂直）像素线。Spotipy链接：https://github.com/plamere/spotipy用于SpotifyWebAPI的轻量级Python库。CrossHair链接：https://github.com/pschanely/CrossHair一种用于Python的静态分析工具，它模糊了测试和类型系统之间的界限。CleverCSV链接：https://github.com/alan-turing-institute/CleverCSVCCleverCSV改进了对杂乱的CSV文件的检测，是Pythoncsv包的一个很好的替代方案。还提供了一个方便的命令行工具，可以规范化杂乱的文件或生成Python代码来导入它们。Array_Visualizer链接：https://github.com/Sklyvan/Array_Visualizer可视化一个数组，如果你在一个常见的排序算法中可视化数组，你可以观察算法是如何工作的。AutoGluon链接：https://github.com/awslabs/autogluonAutoGluon支持易于使用和易于扩展的AutoML，专注于跨图像、文本或表格数据的深度学习和实际应用。SpoTUI链接：https://github.com/ceuk/spotui另一个基于终端的Spotify客户端。欢迎关注微信_新工公众号：爱写Bug
