你好，我是猫哥。这里每周分享优质的 Python 及通用技术内容，大部分为英文，已在小标题注明。（标题取自其中一则分享，不代表全部内容都是该主题，特此声明。）
本周刊精心筛选国内外的 250+ 信息源，为你挑选最值得分享的文章、教程、开源项目、软件工具、播客和视频、热门话题等内容。愿景：帮助所有读者精进 Python 技术，并增长职业和副业的收入。
周刊已开通 Telegram 频道，欢迎加入：https://t.me/pythontrendingweekly
🦄文章&教程
1、使用 Golang 和 Docker 运行 Python 代码
如何使用 Golang 来运行 Python 代码呢？关于 Python 版本和硬件，有哪些使用限制呢？这篇文章使用 Docker 解决环境依赖问题，使用开源项目 cpy3，成功用 Golang 运行 Python 代码。它有一篇续文《使用 Golang 和 Docker 实现 Python 计算服务》，将普通的 Python 软件包封装为高性能的可通过 gRPC 方式调用的服务。
很多程序员容易忽略一件事：那就是阅读代码的时间会远多于写下它们的时间！这意味着代码的可读性非常重要，因此当我们在“实现需求”时，除了要考虑用户的功能需求外，更应多加关注如何写出可读性高的代码。
3、减轻 Python 包管理的痛苦 (英)
@NoHeartPen 投稿：在看了第一期中对 conda 的吐槽 后，开始关注这个问题，但一直没有找到比较系统的总结，看了这篇文章后终于有了大致的思路（这篇文章不仅写了「怎么做」，还写了「为什么」，让我改掉了不建虚拟环境的陋习和放弃折腾 conda）。另外，附上翻译版 如何减轻 Python 打包之痛 。
NumPy 的作者 Travis Oliphant 曾说，如果当时给 NumPy 添加了 GPU 的支持，就没有后来的 Tensorflow、Torch 等深度学习框架什么事了。CuPy 是一个兼容 Numpy 且支持 GPU 的库（star 7K），这篇文章介绍了它的安装及数组的基础知识。
为什么说 Python 中一切皆对象？为什么 Python 用起来比其它静态类型语言慢很多？这篇文章从 CPython 的对象构造器入手，介绍了 CPython 底层数据结构、对象创建的过程、动态性的实现方式等内容。
6、使用 Flask + Flask RESTful 快速搭建 API 服务
一篇长文，使用 Flask + Flask RESTful 搭建一个 API 应用，使用 Flask-SQLAlchemy 扩展实现 ORM 操作 MySQL 数据库，基于 JWT 验证实现注册、登录以及登出接口，解决跨域问题，并使用 Docker 部署该应用。
7、详解 Django 请求与响应：深入理解 Web Http 交互的核心机制
探讨了 Django 中的请求与响应处理，包含基础知识、生命周期、HttpRequest 和 HttpResponse 对象的详细介绍。同时，讨论了 Django 的视图和请求、响应处理，以及安全性和异步处理的考虑。最后，对比了 Django 与 Flask、FastAPI 等框架在请求响应处理上的异同。
8、将大型 Django 项目迁移到 Mypy 的失败之旅 (英)
作者在给一个生产项目添加 Mypy 类型检查时遇到了诸多问题：很多库不提供 pyi 类型、TypedDict 使用受限、Optional 类型需要许多断言、混合类需要实现协议、Django 模型不支持泛型。简而言之，给历史项目加上类型检查是一件痛苦的事，最好是从一开始就考虑。
9、如何在 Python 中使用 Notion API？ (英)
Notion 是一款强大的知识管理软件，这篇教程教你如何用 Python 操作 Notion 的数据库：创建集成、在数据库中创建页面、查询数据库与页面、更新页面、删除页面。
10、最简单的使用 Rust 加速 Python 的方法 (英)
如何将 Rust 代码打包为 Python 可使用的扩展？maturin 和 setuptools-rust 是主流的两种方式。但是，在做原型设计时，打包与集成过程还是挺麻烦，这篇文章介绍了一个新的库 rustimport ，可以直接从 Python 中导入 Rust 代码！文章介绍了它的使用方法、Rust 初学者最常见的性能错误、以及使用 rustimport 时的一些陷阱。
11、Python 是如何解析空格的？ (英)
Python 的换行与缩进是程序结构的基础部分。空格在 Python 的语法解析中起到什么作用，词法分析器如何处理换行和缩进？Python 的空格有哪些优点和缺点？Python 如何解析代码并生成抽象语法树？
12、如何从 Python 字典中删除重复的值？ (英)
介绍了 7 种从 Python 字典中删除重复值的方法：使用 for 循环、使用字典解析式、使用 setdefault() 方法、使用 values() 和 set() 方法、使用 collections.defaultdict()、使用列表解析式、使用 dict.fromkeys() 和 values()。
13、如何找出 Python 代码中的性能瓶颈？ (英)
什么时候该给项目作性能优化？性能调优前该关注哪些内容，应该使用什么工具？这篇文章介绍了time 、timeit 、cProfile 、Pyinstrument 、perf 等工具以及一些性能优化的技巧。
14、3 个很酷的 Python 库，节省你的时间和精力 (英)
介绍了 3 个非常好用的库：JMESPath 可以很方便查询 Json 中的元素（star 1.9k），inflection 可以很方便处理字符串（比如批量将驼峰式变量名修改成蛇形命名），more-itertools 类似于标准库的itertools 提供了很多操作可迭代对象的方法（star 3.1k）。
15、如何管理有近 3 万个文件的超大型 Python 代码仓？ (英)
你见过接近 3 万个文件（不含测试）的 Python 单体代码仓么？全球有 400 开发者共同开发，如何避免混乱？作者介绍了分层管理代码仓的做法、使用的架构和工具（import-linter）、以及克服过的一些困难。
如果你觉得周刊有帮助，请表达小小心意赞赏下猫哥吧~~
🐿️项目&资源
1、threads-net：逆向工程 Threads 的 Python API (英)
新上线的 Threads 依然是本周最火爆的科技话题之一。这个项目通过逆向工程获得了它的 API，可让你使用 Python 操作 Threads 的很多功能。
2、engblogs：用 AI 为科技公司官博作摘要，并部署成网站 (英)
这个项目用 RSS 抓取 AWS、Apple、DeepMind、Google、Meta、Stripe 等科技公司的博客，调用 gpt-3.5 生成摘要，将数据存储在 supabase 中，并在 Vercel 上托管了一个 Next.js 网站。
3、django-unicorn：Django 全栈的响应式组件框架 (英)
可以为 Djiango 模板添加现代响应式的组件功能，无需使用 Javascript 框架。支持表单验证、重定向、加载状态、部分更新、滚动触发、消息、Javascript 集成等等丰富的功能。
4、imarkdown：轻量级的 Markdown 图片链接转换器
可以批量将图片的链接进行本地到图片服务器、图片服务器到本地、图片服务器到图片服务器的转换。（@Zeeland 投稿）
5、Pangu-Weather：盘古天气的官方实现 (英)
可以通过人工智能来提升天气预报的准确度啦？！Pangu-Weather 是一个快速而准确预报全球天气的 3D 高分辨率模型。这个仓库提供了伪代码、预训练模型、推理代码等资源。
基于 4 百万个中文医学领域和通用领域的指令微调，支持医学领域的各种自然语言处理任务，包括健康教育、医师考试问题、报告解读、医疗记录结构化以及模拟诊断和治疗。基于这个大模型，已经有不少应用，比如与 X-ray 图像模型结合的应用 XrayPULSE ：
7、creosote：识别虚拟环境中未使用的依赖库 (英)
可扫描虚拟环境中未使用的依赖库，支持 Poetry、Pipenv、PDM、 requirements.txt 文件以及 PEP-621 的 pyproject.toml 文件。
一个面向自媒体创作、直播和运营等领域的大语言模型，能够理解抖音运营、短视频创作、巨量千川投放、直播运营等领域的核心概念和策略，支持内容创作、平台运营、广告投放等。
9、MetaGPT：给定一行需求，返回 PRD、设计、任务、代码 (英)
一个元编程框架，可以为 GPT 分配不同的角色（如产品经理/架构师/项目经理/工程师），共同协作完成复杂的软件开发任务。仅需一句话需求，就能输出用户故事/竞争分析/需求/数据结构/API/文档等。（star 3.7k）
10、khoj：数字大脑的 AI 个人助理 (英)
基于个人的 Markdown 笔记、PDF 文件、Github 代码仓和照片，打造支持搜索与聊天的 AI 助理，可通过浏览器、Emacs、Obsidian 和移动设备等多种界面进行交互。
11、aider：基于命令行的 AI 编码助手 (英)
一个命令行聊天工具，可以让 GPT 创建新项目，或修改现有 git 代码仓中的代码。它可以轻松完成 git 提交、比较和撤消更改，无需人工复制/粘贴。（star 2.3k）
12、visprog：可视化编程，无需训练的合成视觉推理 (英)
一篇 CVPR 2023 最佳论文的官方实现，可以实现：基于图片内容的自然语言问答与推理、图片内对象标注、自然语言图片编辑等功能。
🐢播客&视频
1、Talk Python To Me Podcast #421 Python at Netflix (英)
Python 在 Netflix 中有大量的使用场景，比如 CDN、需求预测和容灾、安全、机器学习等等。这期播客节目聊了 Netflix 在使用 Python 时的相关话题。另外，分享它官博上获得 8k 赞的一篇旧文《Python at Netflix》。
2、Python Bytes #343 So Much Pydantic! (英)
这期播客聊了很多话题，其中关于 Pydantic 的有两则：V2 版本已发布、一个awesome-pydantic 清单，后者收录了很多使用 Pydantic 的开源项目。
🥂讨论&问题
知乎上的一个问题，前排有很多高赞的回答，八仙过海各显神通！
2、如果 PEP-703 被采纳，Meta 将投入人力支持 (英)
Python 社区今年最受瞩目的提案当属 PEP-703 了吧（我曾在年初介绍过）！Guido 上个月在论坛中说要是能得到 Meta 等科技公司的支持就太好了。好消息来了，上周 Meta 承诺可以提供人力支持。消息在 Twitter 和 Hacker News（查看 HN 帖子）等平台上，获得了激烈的讨论。
🐱赞助&支持
内容创作要花费大量的时间和精力，如果你觉得有帮助，请随意赞赏 或 买杯咖啡 进行支持！
如果你喜欢本周刊，请转发分享给其他需要的同学，让更多人可以从中受益～
