值得收藏的45個Python優質資源（附鏈接）

REST API：使用 Python，Flask，Flask-RESTful 和 Flask-SQLAlchemy 構建專業的 REST API

https://www.udemy.com/rest-api-flask-and-python/

演算法交易：用於財務分析和演算法交易的Python，主要學習包括numpy，pandas，matplotlib，quantopian，finance

https://www.udemy.com/python-for-finance-and-trading-algorithms/

年度開源Python項目

https://medium.mybridge.co/30-amazing-python-projects-for-the-past-year-v-2018-9c310b04cdb3

機器學習年度最佳文章

https://medium.mybridge.co/learn-to-build-a-machine-learning-application-from-top-articles-of-2017-cdd5638453fc

Python演算法

1. 回顧 Python 互動式編碼中所要面對的挑戰 (演算法和數據結構)

本文對演算法編碼和數據結構中的問題提出了簡單易懂又切實可行的方案。

https://github.com/donnemartin/interactive-coding-challenges

2. Python中演算法和數據結構的最小樣本

如何讓Python中的數據結構和演算法最小、最乾淨？

https://github.com/keon/algorithms

3. 最重要的Python演算法--Pygorithm

Pygorithm是一個純Python風格編寫的模塊，通過導入所需的演算法，獲得相應的代碼、時間複雜性等。這是一個開始學習Python編程的好方法，能夠幫助初學者學習並實現Python中所有演算法。

http://pygorithm.readthedocs.io/en/latest/

Python綜合指南

4. 一個有趣又鮮為人知的Python代碼片段集合—wtfPython

https://github.com/satwikkansal/wtfPython

Python的腳本結構

5. 一個關於如何從Python腳本到打包項目的標準化指南

http://veekaybee.github.io/2017/09/26/python-packaging

Python中的列表

6. Python列表生成器的教程

在這份教程中，你將能夠學習到如何在Python中有效地使用列表生成器來創建列表，替換(嵌套) for循環以及使用 map(), filter(), reduce() 函數等。

文章首先簡單回顧了 Python 中列表的基本概念，並與Python中其他的數據結構進行比較。接著講解了列表生成器的學習。文章還講解了 Python 列表背後的數學知識，創建列表生成器的方法，以及如何在 for 循環或 lambda 隱函數中重寫它們。

https://www.datacamp.com/community/tutorials/python-list-comprehension

Python中的類

7. 如何使用 Dunder (Magic、Special) 方法來豐富你的 Python 類

Dunker是Python中的一種特殊方法，通過雙下劃線開始和結束的形式存在，例如__init__來豐富類的預定義方法。

https://dbader.org/blog/python-dunder-methods

Python中的網頁抓取

8. 如何使用 Python 中的 Scrapy、SQL 和 Matplotlib 等庫進行網頁抓取，並獲取網頁數據分析

你可以通過這篇文章學習到網頁爬取知識，並用於實踐中。

http://www.scrapingauthority.com/python-scrapy-mysql-and-matplotlib-to-gain-web-data-insights/

9. 高級的網頁抓取教程：繞過「403禁止」，驗證碼等問題

http://sangaline.com/post/advanced-web-scraping-tutorial/

10. 掌握Python的網頁抓取技巧來獲取你所需要的數據

https://hackernoon.com/mastering-python-web-scraping-get-your-data-back-e9a5cc653d88

Python中的自動化操作

11. 如何使用Twilio、Python和Google自動化婚禮的進程

https://www.twilio.com/blog/2017/04/wedding-at-scale-how-i-used-twilio-python-and-google-to-automate-my-wedding.html

12. 如何用Python在Medium上找到有趣的人

https://medium.freecodecamp.org/how-i-used-python-to-find-interesting-people-on-medium-be9261b924b0

Python中的Bot

13. 製作Reddit+Facebook的信息箱

https://pythontips.com/2017/04/13/making-a-reddit-facebook-messenger-bot/

14. 我在Instagram上用Python寫的開源機器人 (讓我擁有了2500個粉絲，所花的伺服器成本只有5美元)

https://medium.freecodecamp.org/my-open-source-instagram-bot-got-me-2-500-real-followers-for-5-in-server-costs-e40491358340

Python中的電子表格

15. 權威指南：Python的Excel教程

通過這個教程，你可以了解如何使用Python讀取和導入Excel文件，如何將數據寫入這些電子表格。

https://www.datacamp.com/community/tutorials/python-excel-tutorial

16. Python和Googgle電子表格

https://www.youtube.com/watch?v=vISRn5qFrkM

Python中的金融應用

17. Python中的金融：演算法交易

這是一份Python與金融應用的教程，在此你能學習到演算法交易的基本知識及相關內容。

https://www.datacamp.com/community/tutorials/finance-python-trading

18. Python 中的金融教程—股票價格及相關數據介紹

https://www.youtube.com/watch?v=2BrpKpWwT2A

19. 用 Python 分析加密貨幣市場

比特幣市場是如何表現？加密貨幣價值突然出現高峰和低谷的原因是什麼？不同altcoins市場是不可分割的或基本獨立的？ 我們如何預測接下來會發生什麼？

這篇文章將簡單地介紹如何使用Python來分析加密貨幣。文章通過一個簡單的Python腳本來檢索，分析和可視化不同加密貨幣上的數據。在這個過程中，文章還將揭示這些波動劇烈的市場行為以及一個有趣的演變趨勢。

https://blog.patricktriest.com/analyzing-cryptocurrencies-python/

Python中的區塊鏈

20. 學習並構建一個區塊鏈

毫無疑問，區塊鏈這項新穎的技術是計算的奇蹟。區塊鏈技術的出現引發了新的全數字貨幣，如比特幣和萊特幣，而這些貨幣並非由中央當局發行或管理。區塊鏈也以Ethereum這樣的技術形式革命化了分散式計算，並引入了智能合約等有趣的概念。

這篇文章將會幫助你學習並理解區塊鏈的工作原理。通過這篇教程，你將學習到一個功能強大的區塊鏈，並掌握它們的工作流程。

https://hackernoon.com/learn-blockchains-by-building-one-117428612f46

21. 如何構建一個最小的區塊鏈

本文將用少於50行的代碼 (Python2) 來創建一個最簡單、最小的區塊鏈。

https://medium.com/crypto-currently/lets-build-the-tiniest-blockchain-e70965a248b

Python中的視頻合成

22. 用Python構建一個視頻合成器

視頻合成器是利用音頻輸入來創建視覺信號的設備，自上世紀60年代以來，已有很長的歷史。

這篇文章將用Python編寫一個基本的視頻合成器，並使用aubio進行Onset目標檢測。

https://www.makeartwithpython.com/blog/video-synthesizer-in-python/

Python的性能

23. 用Python處理每秒100萬個請求

用Python每秒能夠達到100萬個請求嗎？為了節省伺服器價格，最近很多公司正在從Python向其他編程語言中遷移。但實際並不需要。

Python社區最近在性能提升方面做了很多工作。CPython 3.6通過新的字典提高了整體解釋器的性能。由於引入了更快的調用約定和字典查找緩存，CPython 3.7將會更快。

對於數字處理任務，你可以使用PyPy進行代碼編譯。你還可以運行NumPy的測試套件，該測試套件現在已經改進了Python與C語言擴展的整體兼容性。在隨後的更新版本中，PyPy預計將與Python 3.5兼容。

https://medium.freecodecamp.org/million-requests-per-second-with-python-95c137af319

24. 「Python很慢，但我不在乎」

這篇文章將介紹一些關於Python中asyncio的內容，並討論有關Python速度的問題。

https://hackernoon.com/yes-python-is-slow-and-i-dont-care-13763980b5a1

25. Python中的緩存：如何緩存函數的結果

文章將介紹一種快捷的方法來加速Python記憶代碼。你將看到何時以及如何運用Python記憶代碼。記憶代碼優化你的程序，在某些情況下會加速你的代碼運行。

https://dbader.org/blog/python-memoization

Python中的Django框架

26. 七步驟帶你完整地學習Django

Django是用Python編寫的一個Web框架。這篇文章是介紹Django基礎知識的系列教程，共分為七個部分，將分別從安裝，準備開發環境，模型，視圖，模板，URL到更高級的主題（如遷移，測試和部署）出發，詳細探討所有的基本概念。

https://simpleisbetterthancomplex.com/series/2017/09/04/a-complete-beginners-guide-to-django-part-1.html

27. 使用Django構建REST API的測試驅動方法：第一部分

這篇文章將介紹如何利用Django來構建一個REST API的測試驅動，並詳細介紹了每個步驟。

https://scotch.io/tutorials/build-a-rest-api-with-django-a-test-driven-approach-part-1

Python中的Flake

28. OI』List規則

這篇博文中我們將介紹 Flake8（pyflakes，pycodestyle和mccabe）中的每個規則及相對應的示例。

https://lintlyci.github.io/Flake8Rules/

29. 使用Python和Flask開發RESTful API

本文包括以下幾部分：為什麼用Python；什麼是Flask；引導Flask應用程序

用Flask創建一個RESTful端點；用Python類映射模型；用Marshmallow進行序列化和反序列化對象；Dockerizing Flask應用程序；用Auth0保護Python API

https://auth0.com/blog/developing-restful-apis-with-python-and-flask/

Python中的Numpy

30. 從Python到Numpy

本文通過一種新穎的方式，向量化地集中講解了如何從Python遷移到Numpy的學習。另外，本文還包括一些很少提到的使用技巧。

http://www.labri.fr/perso/nrougier/from-python-to-numpy/

31. 探索Python每種工具包的行長度

本文探索了Python的流行包，如NumPy，SciPy，Pandas，Scikit-Learn，Matplotlib，AstroPy等。

http://jakevdp.github.io/blog/2017/11/09/exploring-line-lengths-in-python-packages/

Python中的NashPy

32. NashPy教程—建立並找到一種簡單的遊戲平衡

博弈論是用來研究理性主體之間的戰略互動：當雙方試圖採用對各自最有益的方式來完成某件事情時，對雙方互動行為的研究。這篇文章將採用Python中的NashPy來研究這種雙方博弈的互動行為。

http://nashpy.readthedocs.io/en/latest/tutorial/

Python中的馬爾可夫過程

33. 用Python模擬Chutes和Ladders

這篇文章將通過Chutes和Ladders遊戲的例子，建立模型並闡述馬爾可夫過程的原理。整個分析過程附有Python源碼，感興趣的讀者可以嘗試一下。

http://jakevdp.github.io/blog/2017/12/18/simulating-chutes-and-ladders/

Python中的數據分析

34. 用Python分析美國聯邦政治行為

科學，政治，個人意見和社會政策的交集可能呈現相當複雜的情況。思想和學科的交匯點通常充斥著有爭議的觀點和基於信仰但缺乏經驗證據的議程。這時，數據科學在這方面就顯得特別重要，因為它提供了一種以實際事實為基礎的考察世界的方法，能夠深入了解我們今天所面臨的一些最重要的問題。

這篇文章我們將用Python來分析美國聯邦政府的一些政治行為，深入了解政治背後所隱藏的故事。

https://blog.patricktriest.com/police-data-python/

35. 用Python分析1000+的希臘葡萄酒

https://tselai.com/greek-wines-analysis.html

36. 如何用Python生成FiveThirtyEight圖

這篇文章將用Python的matplotlib和pandas，來學習並查看FiveThirtyEight（FTE）可視化的核心部分，並教會你使用Python來為自己的數據進行可視化。

https://www.dataquest.io/blog/making-538-plots/

37. 使用 Apache Spark 和 Python 為8000萬 Amazon 產品進行評價打分

作者編寫了一個簡單的Python腳本，將亞馬遜產品評論數據集中的每類評分數據進行整合，並對這些Amazon產品評論數據進行分析打分，以發現用戶的喜好。

http://minimaxir.com/2017/01/amazon-spark/

38. 使用Python進行地理空間分析

https://matthewrocklin.com/blog//work/2017/09/21/accelerating-geopandas-1

39. 星球：從太空中了解亞馬遜，來自Kaggle頭獎獲獎者的採訪

文章採訪了Kaggle的「星球：從太空中了解亞馬遜」競賽的獲獎者，內容包括他如何使用11個微調的卷積神經網路，標籤關聯的結構模型，以及如何避免過擬合現象等。

http://blog.kaggle.com/2017/10/17/planet-understanding-the-amazon-from-space-1st-place-winners-interview/

Python 入門

40. 從零開始學習Python

Python的創建者Guido van Rossum曾說過，「Python是一個高級編程語言，其核心設計理念是讓代碼具有高度的可讀性和簡單的語法，程序員可以用幾行代碼表達自己的想法。」

https://medium.freecodecamp.org/learning-python-from-zero-to-hero-120ea540b567

41. 重要的Python練習清單

這篇文章列出了一些重要的練習項目，包括Python語言本身和標準庫的練習。文章中還有Python中不同主題模塊的知識。

https://www.ynonperek.com/2017/09/21/python-exercises/

42. API的設計原則：先思考再編碼

API是定義應用程序介面的通用術語，換句話說，就是用戶（人或機器）與程序的交互介面。在Web開發世界中，API通常是一個網站，其中包含一系列端點，用於響應客戶端請求和結構化文本數據。這篇文章將告訴你為什麼以及如何設計一個正確的API，如何將自己的思想植入到API的設計中來構建屬於你自己的API。

https://www.ckl.io/blog/api-design-think-first-code-later

43. Python機器學習指南

本文將通過清晰地解釋和有效的練習，來幫助你深度理解相關的機器學習演算法。

https://medium.freecodecamp.org/the-hitchhikers-guide-to-machine-learning-algorithms-in-python-bfad66adb378

44. 如何學習Python編程：6位經驗豐富的Python開發者分享了他們的觀點

對於當下熱門的Python語言，有太多的教程、書籍、視頻和博客文章資源，然而如此多的冗餘資料，你該如何選擇最佳的方式開始你的Python學習之旅呢？這篇文章列出了6位Python專家分享的學習經驗，相信這對於迷茫中的你來說，將受益匪淺。

https://coolpythoncodes.com/best-way-learn-python-programming

45. 如何用Python實現強大的數據分析

Python是數據分析的最佳編程語言，這得益於它自帶的依賴庫。依賴庫能夠存儲，操縱數據，並從數據中獲得核心信息，因而在數據科學領域被廣泛使用並展現出強大的功能。本文介紹了Python在數據科學領域的應用歷史以及最新發展。

https://www.youtube.com/watch?v=9by46AAqz70

原文：https://yq.aliyun.com/articles/464160?spm=a2c4e.11153940.bloghomeflow.23.6bd7291a72iTFy