伦敦国王学院最近发表的一篇论文揭示，大语言模型(LLMs)在 90% 至 97% 的基准编程任务中使用了 Python，即使其他语言可能更适合。对于某些Python并非最佳选择的项目类型，模型仍以58%的概率选择Python。更令人惊讶的是，Rust语言一次未被采用。

第一个误区是“Python并不慢”；但根据举手情况，他认为大多数与会者已经知道这是个误区。如今，他常听到开发者说Python的速度并不重要，因为它是一种粘合语言；“现在只有GPU才重要”，所以Python已经足够快。

一部即将上映的纪录片讲述了 Python 如何从一群开发者合作开发演变为拥有自己的基金会(及用户大会)。

该问题提出：当分布式进程中的一部分(最多M个节点，总数为N个节点)可能随意行为、说谎、省略或伪造消息时，如何使这些进程达成一致？此类故障被称为“拜占庭故障”，因为它们与叛徒将军类似，不仅会崩溃，还会主动试图误导系统其他部分。

你想通过实践来学习 Python 吗？在这篇文章中，我将引导你完成 30 个简单的 Python 项目，提供分步指导和易于理解的说明。你将了解每个项目是如何实现的，以及它为何有用。没有复杂的理论，只有清晰的步骤。让我们开始吧！

Zstandard是由Meta开发的一种快速压缩算法。它旨在提供速度与压缩率之间的良好平衡，因此成为实时压缩和大规模数据处理的热门选择。

Python 在不到四年时间里速度提升了近 50%，他说道。项目使用的基准测试中约 93% 的性能有所提升；其中近半数(46%)提升超过 50%，20% 的基准测试提升超过 100%。

许多人抱怨打包生态系统和工具让他们的生活更加困难。许多初学者对虚拟环境感到困惑。但情况非得如此吗？当前解决打包问题的方案是否有效？而主导大多数打包工具和标准的组织本身是否就是问题的一部分？

我直到最近才认真对待它，就在我想要构建人工智能应用程序(RAG、代理、生成式人工智能工具等) 等)时，我才意识到，无论你喜不喜欢，Python都是这些领域的首选语言。

但当我开始深入研究时，我意识到这背后还有更多内容。我挑战自己想出尽可能多的检测元音的方法。我还让几位朋友尝试了一下。哪种方法最快？哪种方法绝不能使用？哪种方法最巧妙？哪种方法最易读？这篇文章涉及11种不同的检测元音的方法，包括算法分析、解析Python字节码、检查CPython实现，甚至查看编译后的正则表达式操作码。让我们开始吧。

鉴于无 GIL Python 预计将于 2028 年左右成为默认版本，而当前的无 GIL Python 3.13 仅为实验性构建，我们目前不应在生产环境中使用无 GIL Python。因为仍存在许多不确定性——包括兼容性、稳定性和生态系统采用率。它需要时间来完善。但我们确实应该密切关注无GIL Python的发展。它已经发生了，而且非常令人兴奋！

Python 打包系统复杂得令人吃惊–以至于一个关于连字符和下划线的争论就能破坏成千上万的软件包，并引发成百上千的讨论帖子。但是，这种复杂性也给许多方面带来了改善体验的机会。

海象运算符并不是为了写出更短的代码，而是为了在适当使用时写出更清晰、更高效的代码。它在循环、综合和条件中特别有用，消除冗余既能提高性能，又能提高可读性。

遗憾的是，由于 Clang/LLVM19 中的一个编译器错误（已在后续版本中修复），最初估计的这一更改的性能改进结果偏差很大。性能提升幅度在 3% 到 5% 之间，远低于最初报告的 9% 到 15% 的速度提升。

只需敲击几下键盘，你就会发现 Python 的 CLI 技巧是多么方便–无需额外安装、无需上下文切换、无需仪式。毕竟，Python 的优雅之处就在于它能让你的指尖变得如此强大。继续探索您尚未尝试过的 CLI 开关，您可能会发现更多隐藏的瑰宝。

在即将到来的 Python 3.14 中，在 finally 代码块中隐藏错误将受到警告，在异常处理中可以避免使用某些括号，类型提示更便宜、更易用。

作为一个在过去 12 年中一直在编写 Python 的人，我遇到过很多非常有趣、被低估、独特或（有些人可能会说）“非 Pythonic ”的技巧，它们能真正提升 Python 的性能。这就是为什么我决定将这些功能中的前 14 个与示例和其他资源一起汇编起来，如果您想更深入地了解其中任何一个的话。

python 的 t-string 是一个强大的新特性，它将使 Python 字符串处理更安全、更灵活。我希望看到它们被用于各种库和框架，尤其是那些处理用户输入的库和框架。

通过学习 Python 异步编程的九个层次，您已经深入了解了如何在各种场景中实现非阻塞并发任务–从基本的异步函数到更高级的生产者-消费者模式。

您 5 年前学过的一些模块？也许因为安全风险、缺乏维护、更好的现代替代品，或者 Python 的新特性使它们变得没有必要，它们今天已经过时了。使用过时的模块可能会给您的 Python 项目带来意想不到且难以检测的 bug。本文总结了 11 个过时的 Python 模块及其现代替代品，以帮助您更新知识库并升级您的 Python 武器库。

Python 中不仅有很多 C 语言的元素，而且它们是对立的，可以很好地互补。让 Python 代码变得更快的一个好方法就是以正确的方式使用 C 库。相反，安全使用 C 的好方法是用 C 编写核心，用 Python 编写核心之上的大量逻辑。

解释 Python 的所有 100 多个 dunder 双下划线方法和 50 多个 dunder 双下划线属性，包括每个方法的摘要。

这个小工具利用 sys.settrace（和一些字符串处理）的强大功能来查找模块使用的类、方法和函数以及调用树。在试图掌握模块的内部结构和自己的应用程序代码中转使用的模块实体时，该工具非常有用。

在 4 秒内读取50万行数据–我最近需要用 Python 来读取 Excel 文件，因此我测试了几种用 Python 读取 Excel 文件的方法，并对其进行了基准测试。

在 Linux 上，用于实现 Docker 和其他容器系统的 cgroups API 有多种限制 CPU 使用的方法。在这里，我们将 CPU 限制为 2.25 个内核

这个有趣的项目意在收集 Python 中那些难以理解和反人类直觉的例子以及鲜为人知的功能特性, 并尝试讨论这些现象背后真正的原理!

ImportError: No module named Crypto.Cipher

Sublime Text还提供了非常自由的插件(plugins)扩展功能。我最近出现了一个小小的需求，想开发出一个简单的扩展功能。开发这个插件非常的简单。只需要几行代码。但更复杂的插件也都是这种简单插件基础上扩展出来的。你需要懂一些Python语言(不需要太深)。