Python Weekly 419

文章，教程或講座

如何用 Dropbox Security 建構用于日志系統的威脅檢測和事件響應的工具

https://blogs.dropbox.com/tech/2019/10/how-dropbox-security-builds-better-tools-for-threat-detection-and-incident-response/

傳統上，建構威脅檢測和響應工具的最常見方法是将自動化部分和調查部分分離。根據我們的經驗，這可能會導緻很多崩潰。在 Dropbox，我們已經為我們的日志系統建構了一個通用的基礎抽象模型，該模型可在事件響應周期的各個階段進行 Alertbox，Covenant 和 Forerunner 檢測。內建利用強大的開源工具使我們能夠快速浏覽資料并自動執行警報，是以我們可以專注于更複雜的威脅。

Python 3.8

https://docs.python.org/3.8/whatsnew/3.8.html

本文介紹了與 3.7 相比，Python3.8 的新增功能。

完整的 Python 庫導入指南：絕對導入，相對導入和其他方法

https://www.pythonforthelab.com/blog/complete-guide-to-imports-in-python-absolute-relative-and-more/

怎樣構造你的代碼才能使導入結構清晰明了。

Haptik 是如何将大量代碼從 Python2 遷移到 Python3 的？

https://haptik.ai/tech/how-haptik-carried-out-their-largest-python3-migration/

這篇文章描述了 Haptik 是怎麼在 0 當機的情況下完成整個 Python2 到 Python3 代碼遷移的工程。

《Python 終極指南》中的分割和對抗算法

https://skerritt.blog/divide-and-conquer-algorithms/

一個很容易了解的分割和對抗算法簡介。

Y 組合器的簡單本質（用 Python 描述）

https://lptk.github.io/programming/2019/10/15/simple-essence-y-combinator.html

Y 組合器是 lambda 文法的核心概念，它是進階程式語言的基礎。Y 組合器允許在不使用自引用函數的情況下定義一個遞歸。我看過多數專門介紹 Y 組合器文章是首先展示了 Y 組合器（這是相當難以了解的），然後嘗試解釋它是怎麼運作的。我覺得這不是好方法。在本文中，我将采取另一種方法：我會先以簡單的術語描述 Y 組合器的本質，或者解釋如何在沒有自引用的情況下進行遞歸，然後從中推導出通用的 Y 組合器概念。

使用 Python 的 Django 将檔案上傳到 AWS S3

https://stackabuse.com/uploading-files-to-aws-s3-with-python-and-django/

在本文中，我們将探讨 Django 如何處理檔案上傳，以及如何利用雲存儲來擴充此功能以滿足我們的需求。

使用 Pandas 的 qcut 和 cut 函數合并資料

https://pbpython.com/pandas-qcut-cut.html

Pandas 的 qcut 、cut 函數都用于将連續資料值存儲到離散的存儲桶或箱中。本文介紹了這兩個指令之間的差別，以及如何使用這兩個指令。

用 PyQtGraph 繪圖

https://www.learnpyqt.com/courses/graphics-plotting/plotting-pyqtgraph/

在本教程中，我們将逐漸介紹使用 PyQtGraph 建立一個繪圖小部件，然後示範使用線條顔色、線條類型、軸标簽、背景色以及多條線條自定義繪圖。

如何使用 MongoDB 和 Docker 部署 Flask

https://www.digitalocean.com/community/tutorials/how-to-set-up-flask-with-mongodb-and-docker

在本教程中，您将使用 Docker 容器中的 Flask，Nginx 和 MongoDB 建構、打包和運作 Web 應用程式。學習在 docker-compose.yml 檔案中定義整個堆棧配置，了解 Python，MongoDB 和 Nginx 的配置檔案。Flask 需要一個 Web 伺服器來處理 HTTP 請求，是以你還會學習使用 Gunicorn（它是 Python WSGI HTTP 服務）來處理該應用程式。而 Nginx 作為反向代理伺服器，将請求轉發到 Gunicorn 進行處理。

為什麼我的驗證集損失值低于訓練集損失值？

https://www.pyimagesearch.com/2019/10/14/why-is-my-validation-loss-lower-than-my-training-loss/

在本教程中，您将學習在訓練自己的深度學習神經網絡模型時，驗證集損失值可能低于訓練集損失值的三個主要原因。

Python 屬性通路和描述符協定：

https://amir.rachum.com/blog/2019/10/16/descriptors/

由于對 Python 的某些誤解而受影響的科學論文高達數萬：

http://www.blog.pythonlibrary.org/2019/10/13/thousands-of-scientific-papers-may-be-invalid-due-to-misunderstanding-python/

一步一步教你如何在 Django Web 應用程式中使用 Sentry 實時監控錯誤：

https://blog.hlab.tech/a-step-by-step-tutorial-on-how-to-monitor-software-errors-in-real-time-using-sentry-in-django-web-applications/

使用 Spotify API 接口分析使用者音樂習慣：

https://nvbn.github.io/2019/10/14/playlist-analysis/