，但是我经常看到一些异常幼稚的代码。在本文中，我想要分享一些如何在Python代码中改善I/O可靠性的见解。 考虑下述Python代码片段。对文件中的数据进行某些操作，然后将结果保存回文件中： with

dejavu (github.com) 在琢磨 Shazam 的原理? 音频指纹识别算法的Python实现在此! (译注: Shazam 是个神奇的音乐识别应用, 嘦对她啍个几秒调子,就能精确告诉你是什么歌曲

vim 插件和 Python 脚本，可以让程序员使用 tab 键自动在 vim 编辑器中完成 Python 代码。它会根据 Python 模块、属性和方法生成字典文件。包含一个默认的 Python 标准库的字典。同时提供很多第三方模块，如：

浅谈Python http库 httplib2 http.client 是实现了rfc 2616, http 协议的底层库 urllib.request 建立在http.client之上一个抽象层。 它为访问http

reportlab不是python的标准库，它的强大之处在于能满足绝大部分报表的需求形式，这篇文章将介绍reportlab中基本常用的api，使用canvas画出一份整洁的PDF报表 前言 rep

simple and lightweight WSGI micro web-framework for Python. It is distributed as a single file module and

简介： 1、基于高性能网络开发框架tornado（epoll模型、异步接口、多进程支持）以及python科学计算、2D作图工具matplotlib、numpy。支持 轻松加压、输出完整测试数据、测试

Milk是Python的一个机器学习工具箱，其重点是提供监督分类法与几种有效的分类分析：SVMs(基于libsvm)，K-NN，随机森林经济和决策树。它还可以进行特征选择。这些分类可以在许多方面相结合

matplotlib 是python最著名的绘图库，它提供了一整套和matlab相似的命令API，十分适合交互式地进行制图。而且也可以方便地将它作为绘图控件，嵌入GUI应用程序中。Matplotlib可以配合ipython

Pyrallel(Parallel Data Analytics in Python)基于分布式计算模式的机器学习和半交互式的试验项目，可在小型集群上运行。 Github代码页： http://github

Goose Extractor 是一个Python的开源文章提取库。可以用它提取文章的文本内容、图片、视频、元信息和标签。 Goose 本来是由Gravity.com编写的Java库，最近转向了scala。Goose

windows下可以通过putty以ssh方式连接linux主机，但是实际使用putty会被乱码困扰。 在这里利用python，小试牛刀，写一个能利用ssh协议访问服务器的例子。 1.扩展模块： 需要从网上下载这三个扩展模块：

Topaz 是一个高性能的 Ruby 编程语言的实现，使用 Python 语言编写，基于 RPython。 项目主页： http://www.open-open.com/lib/view/home/1360294965571

Wikipedia 是一个Python库，能够很方便的解析和获取来自Wikipedia的数据。 搜索Wikipedia，取得文章摘要，从一个页面得到链接和图像数据等。 >>> import wikipedia

Arrow是一个Python库，提供了一种易于理解，智能的方式来创建，操作，格式化和转换日期与时间。Arrow具有简单，轻量级的特点。参考 moment.js 和 requests 实现。

DPark 是 Spark 的 Python 克隆，是一个Python实现的分布式计算框架，可以非常方便地实现大规模数据处理和迭代计算。 DPark 由豆瓣实现，目前豆瓣内部的绝大多数数据分析都使用DPark

python-patterns包含一组用Python实现的设计模式集合。已经实现的模式包括： 3-tier abstract_factory adapter borg bridge builder catalog

python中使用正则表达式 1. 匹配字符 正则表达式中的元字符有 .  ^  $ *   +  ?  { }  [ ]  \  | ( ) 匹配字符用的模式有 \d 匹配任意数字

shadowsocks 是一个基于 python 的轻量级 socks 代理软件。 使用方法： ssserver -p 443 -k password -m aes-256-cfb 后台运行

Ibis 是一个新的 Python 数据分析框架，目标是让数据科学家和数据工程师们处理大型数据时，能够像处理小中型数据一样的高效。为了实现这个目标，我们将启用 Python 来作为 Apache Hadoop