△△请给“Python猫”加星标 ，以免错过文章推送
你好，我是猫哥。这里每周分享优质的 Python、AI 及通用技术内容，大部分为英文。本周刊开源，欢迎投稿[1]。另有电报频道[2]作为副刊，补充发布更加丰富的资讯，欢迎关注。
文章&教程
1、Python 3.13 也有了 JIT 编译器[3]
JIT（Just in Time）是什么？它的工作原理是怎样的？Python + JIT 能带来什么好处？copy-and-patch JIT 是 2021 年提出的设计，专为动态语言运行时而设计的高速算法。Python 3.13 有望实现它！上期周刊的第一则分享是关于它，本期我们继续哈~
2、NumPy 2 即将推出：防止破坏，更新你的代码[4]
NumPy 2 是一个重要的大版本，预计于 2024 年 3-4 月发布。它是一个不向后兼容版本，为了确保我们的应用不被破坏，有必要提前做些准备。文章介绍了新版本的不兼容修改、如何确保在合适的时机再安装新版本、如何轻松升级你的代码。
3、Python 反直觉地在科学计算中兴起[5]
文章提出了一个疑问：在关注性能的科学计算领域，以前很流行 Fortran，为什么现在越来越多使用性能较慢的 Python？原因也许是人们高估了执行速度的重要性，编程的敏捷性和项目的可维护性更重要，而且替代方案的性能也不差。（附：Fortran 社区的讨论[6]）
4、在 Pandas 中实现快速高效的不等价连接[7]
Pandas 支持用merge和join函数实现等价连接，但是不等价连接怎么办呢？文章介绍了两种比常规笛卡尔连接更好的方案：使用pyjanitor库的 conditional_join 函数，既节省内存又不损性能；使用DuckDB的 SQL 查询 DataFrame，性能极高。
5、Pandas Profiling：详细介绍它的使用[8]
Pandas profiling是一个很流行的库（已改名ydata-profiling），仅需一行代码就能生成数据集的分析报告。这篇教程介绍了它的工作原理、如何导入和生成报告、分析和处理敏感数据、分析大数据、它的替代库及它的缺点等内容。
6、深入了解 Python 的 functools.wraps 装饰器[9]
Python 装饰器是我最爱的特性之一。在我们自定义装饰器时，需要考虑元数据的丢失问题，functools.wraps很关键。文章介绍了它的用处、如何使用它，以及如何传递自定义参数。
7、纯 Python 实现的 SIMD[10]
作者分享了如何用纯 Python 实现Game of Life（用pysdl2作图形输出），以 180fps 的 4K 分辨率运行，比传统的实现加速了 ~3800 倍。
8、保护 Flask 程序的最佳实践[11]
想要提升 Flask 项目的安全性，免受安全漏洞侵害，有哪些最佳的技术实践？文章基于OWASP Top 10最常见漏洞，介绍了yaml.safe_load加载 JSON、defusedxml解析 XML、flask_wtf保护表单、secure_filename处理文件路径、防 XSS 和 CSRF 的一些方法、构建安全 API 的 9 个建议，等等内容。涉及Flask-SSLify、Flask-RESTful、Flask-HTTPAuth、Flask-JWT-Extended 和 Flask-Limiter等库。
9、使用服务器发送事件 （SSE） 将实时更新推送到客户端[12]
服务器发送事件 SSE 是 Web 服务器向网页发送实时信息的一种方式，无需页面重复请求。文章用完整的例子介绍了如何用 Python 实现它，最后也指出了它的两点局限性。
10、开发用 AI 驱动的 TODO 应用[13]
在人工智能时代，TODO 应用会是什么样子的？作者用 Django + 简单的 HTML + Whisper + mixtral-8x7b-instruct + SQLite 实现了一个 TODO 项目，值得借鉴学习！
11、PEP-736 调用时关键字参数的简写语法[14]
这个 PEP 提议引入一个语法糖f(x=)，作为命名参数和值的变量名相同时f(x=x)的简写。它与 f-string 的f'{x=}'相似，在 Ruby、JavaScript 和 Rust 中能找到类似的简写。据统计，这种模式占关键字参数用法的 10-20%。
12、如何用 Python 删除图像中的背景？[15]
这篇教程介绍了如何用Tkinter和rembg实现移除图像的背景，效果挺不错。
Python潮流周刊每 30 期为一季，第一季的精华内容已整理成一篇，方便你随时查看。在线访问地址：Python 潮流周刊第一季精华合集（1~30）[16]
️项目&资源
1、ydata-profiling：用于 Pandas 和 Spark DataFrame 的数据分析[17]
与 Pandas 的df.describe()函数一样，ydata-profiling 非常好用，只要一行代码，提供了对 DataFrame 的扩展分析，支持以 html 和 json 等格式输出分析报告。（star 11.7K）
2、pdfsyntax：检查和修改 PDF 文件内部结构[18]
这是用纯 Python 实现的轻量级库，用于检查和修改 PDF 文件，支持 CLI 和 API 用法。
3、harlequin：终端里的 SQL IDE[19]
在命令行终端里可视化操作 SQL。（star 1.6K）
4、litellm：使用 OpenAI 格式调用所有 LLM API[20]
用统一的方式调用 LLM，支持 Bedrock、Azure、OpenAI、Cohere、Anthropic、Ollama、Sagemaker、HuggingFace、Replicate 等 100+ LLMs。（star 4.4K）
5、unstructured：用于 AI 模型的非结构化数据预处理工具[21]
对文档（如 PDF、HTML、WORD等）和图像等非结构化数据作预处理，提供分区、清洗、暂存、提取、分块和嵌入等方法。（star 4.2K）
6、chatgpt-on-wechat: 基于大模型搭建的聊天机器人，支持微信、企业微信、公众号、飞书[22]
可选择 GPT3.5/GPT4.0/Claude/文心一言/讯飞星火/通义千问/Gemini/LinkAI，能处理文本、语音和图片，访问操作系统和互联网，支持基于自有知识库进行定制企业智能客服。（star 19.9K）
7、whisperX：具有单词级时间戳的自动语音识别[23]
对语音识别模型 Whisper 的增强，拥有更准确的时间戳、多说话人检测，并通过增强语音活动检测来减少幻觉，速度更快，占用内存更少。（star 7.4K）
8、42 道在线的 Python 编程练习题[24]
一个编程练习网站，提供了 42 道 Python 小项目练习题，有解答思路分析和参考答案。
9、mealie：自托管的食谱管理和膳食计划项目[25]
一个食谱管理项目，具有 RestAPI 后端和用 Vue 开发的反应式前端。支持 PC、平板和移动端，可使用 url 轻松添加食谱，支持用户管理和群组管理。（star 4.3K）
10、guardrails：给大语言模型添加护栏[26]
大语言模型没有按预期回应，有什么办法？这个库可以指定输出结构和类型，可验证和更正大模型的输出，提升内容质量。（star 2.7K）
11、chainlit：在几分钟内构建 Python LLM 应用程序[27]
快速构建类型 ChatGPT 的 Web 应用，集成了 Langchain、Autogen、OpenAI Assistant、Llama、Haystack，可自定义前端实现全部功能，包括监控和观测、身份校验机制、多用户、各种工具无缝集成等。（star 4.3K）
12、functime：用 Polars 构建的时间序列机器学习[28]
可在大型数据集上进行生产就绪的全局预测和时间序列特征提取，支持时间序列预处理、交叉验证拆分器和预测指标（MASE、SMAPE 等）。
讨论&问题
1、为什么 Python 会有.venv 虚拟环境的概念？[29]
Python 为什么需要用虚拟环境？为什么 Python 会用这种包管理机制？包管理软件需要解决什么样的问题？
2、Java 如何调用含有第三方依赖的 Python 项目？[30]
在不能调用 API 的情况下，如何让 Java 项目调用 Python 项目？JNI-CPython-Python 方案有什么问题？打包成 EXE 和 so 实现如何？
欢迎订阅
微信公众号 [31]：除更新周刊外，还发布其它原创作品，并转载一些优质文章。（可加好友，可加读者交流群）
博客 [32] 及 RSS [33]：我的独立博客，上面有历年原创/翻译的技术文章，以及从 2009 年以来的一些随笔。
邮件 [34] 及 RSS [35]：在 Substack 上开通的频道，满足你通过邮件阅读时事通讯的诉求。
Github [36]：你可以获取本周刊的 Markdown 源文件，做任何想做的事！
Telegram [37]：除了发布周刊的通知外，我将它视为一个“副刊”，补充发布更加丰富的资讯。
Twitter [38]：我的关注列表里有大量 Python 相关的开发者与组织的账号。
参考资料
投稿: https://github.com/chinesehuazhou/python-weekly
电报频道: https://t.me/pythontrendingweekly
Python 3.13 也有了 JIT 编译器: https://tonybaloney.github.io/posts/python-gets-a-jit.html
NumPy 2 即将推出：防止破坏，更新你的代码: https://pythonspeed.com/articles/numpy-2/
[5]
Python 反直觉地在科学计算中兴起: https://cerfacs.fr/coop/fortran-vs-python
[6]
Fortran 社区的讨论: https://fortran-lang.discourse.group/t/the-counter-intuitive-rise-of-python-in-scientific-computing/469
[7]
在 Pandas 中实现快速高效的不等价连接: https://samukweku.github.io/data-wrangling-blog/notebooks/Fast-and-Efficient-Inequality-Joins-in-Pandas.html
[8]
Pandas Profiling：详细介绍它的使用: https://www.influxdata.com/blog/pandas-profiling-tutorial/
[9]
深入了解 Python 的 functools.wraps 装饰器: https://jacobpadilla.com/articles/Functools-Deep-Dive
[10]
纯 Python 实现的 SIMD: https://www.da.vidbuchanan.co.uk/blog/python-swar.html
[11]
保护 Flask 程序的最佳实践: https://escape.tech/blog/best-practices-protect-flask-applications/
[12]
使用服务器发送事件 （SSE） 将实时更新推送到客户端: https://rednafi.com/python/server_sent_events/
[13]
开发用 AI 驱动的 TODO 应用: https://tolkunov.dev/posts/ai-powered-todo-app/
[14]
PEP-736 调用时关键字参数的简写语法: https://peps.python.org/pep-0736/
[15]
如何用 Python 删除图像中的背景？: https://pythonguides.com/remove-background-from-image-in-python/
[16]
Python 潮流周刊第一季精华合集（1~30）: https://pythoncat.top/posts/2023-12-11-weekly
[17]
ydata-profiling：用于 Pandas 和 Spark DataFrame 的数据分析: https://github.com/ydataai/ydata-profiling
pdfsyntax：检查和修改 PDF 文件内部结构: https://github.com/desgeeko/pdfsyntax
harlequin：终端里的 SQL IDE: https://github.com/tconbeer/harlequin
litellm：使用 OpenAI 格式调用所有 LLM API: https://github.com/BerriAI/litellm
[21]
unstructured：用于 AI 模型的非结构化数据预处理工具: https://github.com/Unstructured-IO/unstructured
[22]
chatgpt-on-wechat: 基于大模型搭建的聊天机器人，支持微信、企业微信、公众号、飞书: https://github.com/zhayujie/chatgpt-on-wechat
[23]
whisperX：具有单词级时间戳的自动语音识别: https://github.com/m-bain/whisperX
[24]
42 道在线的 Python 编程练习题: https://inventwithpython.com/pythongently/
[25]
mealie：自托管的食谱管理和膳食计划项目: https://github.com/mealie-recipes/mealie
[26]
guardrails：给大语言模型添加护栏: https://github.com/guardrails-ai/guardrails
[27]
chainlit：在几分钟内构建 Python LLM 应用程序: https://github.com/Chainlit/chainlit
[28]
functime：用 Polars 构建的时间序列机器学习: https://github.com/functime-org/functime
[29]
为什么 Python 会有.venv 虚拟环境的概念？: https://www.v2ex.com/t/1007645
[30]
Java 如何调用含有第三方依赖的 Python 项目？: https://www.v2ex.com/t/1003544
[31]
微信公众号: https://img.pythoncat.top/python_cat.jpg
[32]
博客: https://pythoncat.top
[33]
RSS: https://pythoncat.top/rss.xml
[34]
邮件: https://pythoncat.substack.com
[35]
RSS: https://pythoncat.substack.com/feed
[36]
Github: https://github.com/chinesehuazhou/python-weekly
[37]
Telegram: https://t.me/pythontrendingweekly
[38]
Twitter: https://twitter.com/chinesehuazhou
如果你觉得本文有帮助
热门跟贴