Python潮流周刊#7：我讨厌用 asyncio

△点击上方“Python猫”关注，回复“1”领取电子书

你好，我是猫哥。这里记录每周值得分享的 Python 及通用技术内容，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。）

由于公众号不支持外链，文中大量链接无法点击。可直达我的博客阅读（复制链接到浏览器中打开）：https://pythoncat.top/posts/2023-06-17-weekly7

🦄文章&教程

1、AsyncIO (英)

文章的作者讨厌 asyncio 库，认为使用 async 和 await 的设计十分糟糕，它与大多数库不兼容，也不满足“Python之禅”的一些标准。作者的推荐方案是 gevent，提及了它的几点好处。另外，作者还推荐了两篇相关的文章：Flask 作者 Armin Ronacher 的《I don't understand Python's Asyncio》，SQLAlchemy 作者 Mike Bayer 的《Asynchronous Python and Databases》

2、gevent 到底是什么？(英)

gevent 是一个基于协程的协作式多任务 Python 框架，使用猴子补丁来协调所有代码。这篇文章是一个系列的第一篇，介绍了 gevent 的基本实现原理，第二篇是《Gevent Correctness》，第三篇是《Gevent Performance》

3、ReactPy 的入门教程 (英)

上期周刊推荐过的 ReactPy 最近很火，它支持用 Python 写 React 风格的前端应用。这里是一篇简单的入门教程。另外，建议感兴趣的同学去看官方文档。

reactpy 的 hello world 程序

4、Python 业务框架循环依赖和全局上下文的一些思考

如何简单而优雅地解决 Python 的循环依赖问题呢？作者考察了主流 API 框架（Django、Flask、FastAPI）的上下文管理方案，然后介绍了自己框架采用的方案：借鉴了 Ray 社区中对象所有权的概念，在一个协程上实现一个简易的所有权字典。

5、Python 函数调用的实际依赖关系跟踪 (英)

跟踪 Python 函数调用时访问的代码和数据是一种很有用的操作，比如绘制依赖图、调试和分析性能、缓存失效。这篇文章考察了一种可能的实现方式，包含了一个少于 100 行代码的最小可行实现。作者是 MIT 的计算机科学博士。

6、Python 3.x从基础到实战 - typing类型提示

这是一篇入门教程，通过简短的示例，介绍了 Python Typing 模块的基础用法和进阶用法。

7、wxPython 入门教程 (英)

wxPython 是跨平台的图形用户界面框架，基于 wxWidgets 库开发，在 1998 年发布。它最新发展到了 4.x 版本，这篇文章基于最新的特性作了详细的入门介绍。

wxPython 的 hello world 程序

8、Python 装饰器的用法指导

一篇很认真的文章，介绍了装饰器的基本概念和进阶用法。在示例部分介绍了 Django 的几个很常用的装饰器（@login_required、@permission_required、@csrf_exempt、@cache_page）。

9、在进程间共享 Numpy 数组的 7 种方式 (英)

多进程编程时最麻烦的事情之一就是共享数据，这篇文章介绍了 7 种共享 Numpy 数组的方式：传递参数、使用全局变量、使用队列 Queue、使用管道 Pipe、使用基于 ctypes 的 RawArray、使用 Python 3.8 的 SharedMemory、使用多进程的管理器。这是一篇系统性的长文，里面还引用了作者的一些相关文章，十分推荐阅读。

10、在 Python 中作时间序列分析的工具 (英)

时间序列数据（Time-Series Data）是指在不同时间点上收集的数据，这篇文章介绍了在 Python 中分析时间序列数据的工具，包括常用的 NumPy、pandas 和 Matplotlib，以及 Tsfresh、Sktime、AutoTS、Prophet、Timescale 等。

11、如何快速处理缺失的数据 (英)

在数据分析和机器学习领域，需要尽量确保数据集的完整性和准确性，因此处理缺失值是必不可少的环节。文章先介绍了数据缺失的原因和模式（完全随机丢失、随机丢失和不随机丢失），然后介绍了处理缺失值的常用方法：删除、填充、插补。

12、Cython 与 CPython：对比性能差异 (英)

这篇文章用 10 个不同的基准作性能比较，涵盖了多种场景及边缘情况，包括斐波那契数列、斐波那契数列（迭代）、矩阵乘法、质数生成、字符串拼接、计算均值、计算均值（未优化）、算术运算、文件操作、线性搜索、冒泡排序。猜猜最后的结论是什么呢？

13、使用 FastAPI 进行流式处理 (英)

服务器推送事件（Server-Sent Events）是一种基于 HTTP 的单向通信协议，允许服务器向客户端实时推送数据。这篇文章解释了如何使用 FastAPI 实现流式处理 JSON 事件。文章出自“FastAPI Pro 系列”，另外两篇文章关于如何使用动态配置、如何加密保护 API。

SSE 示意图

14、20 道关于 FastAPI 中间件的面试题 (英)

中间件（middleware）是 FastAPI 中的一种机制，允许在 HTTP 请求和响应到达路由处理程序之前拦截和修改它们。文章包含 20 个与中间件、身份验证和授权相关的面试题。

15、CPython 添加返回常量指令 (英)

上期周刊引发了“国内 Python 贡献者数量”的话题，@yihong0618 在推特上留言分享了 @penguin-wwy 给 CPython 提交的这个贡献。该作者发现 LOAD_CONST + RETURN_VALUE 高频出现在 pystats 文档中，因此提交了一个新的 RETURN_CONST 指令，此项贡献在 Python 3.12 基准测试中获得约 10% 的性能提升。

🎁Python潮流周刊🎁已免费发布了 7 期，扫描下方二维码，即可查看全部内容：

🐿️项目&资源

1、argcomplete：命令行自动补全库 (英)

在使用 Python 命令或者命令行工具时，一个痛点是没有补全。使用 argcomplete 后，按 tab 键就可以自动补全。它需要与 argparse 模块一起使用，目前支持 bash 和 zsh 两种 shell。

2、Lawyer LLaMA：中文法律 LLaMA

这是一个系统性学习了中国的法律知识体系的大语言模型，能够正确理解民法、刑法、行政法、诉讼法等常见领域的法律概念，可进行基础的法律咨询，涵盖婚姻、借贷、海商、刑事等。

3、CPM-Bee：百亿参数的中英文双语基座大模型

这是一个完全开源、允许商用的百亿参数中英文基座模型，采用 Transformer 自回归架构，在超万亿（trillion）高质量语料上进行预训练。在中文的 Zero-CLUE 评测基准上，它大幅超越其他模型，位列中文大模型第一。

4、TigerBot：多语言多任务 LLM

也是国内团队开源的大语言模型，根据 OpenAI InstructGPT 论文在公开 NLP 数据集上的自动评测，TigerBot-7B 达到 OpenAI 同样大小模型的综合表现的 96%。

5、BingAI-Client：突破限制的 New Bing

New Bing 集成了 ChatGPT，但是在国内使用的门槛有点高！这个项目的客户端基于 Angular，服务端基于 FastAPI 和 EdgeGPT。在本地部署好后，运行服务端程序即可开始使用客户端。（另外推荐一个项目 go-proxy-bingai，是用 Vue3 和 Go 搭建的 New Bing 演示站点，国内可用，无需登录即可畅聊）

6、tabby：可自托管的 AI 编码助手 (英)

这是 GitHub Copilot 的开源/本地替代品，无需 DBMS 或云服务，拥有 Web UI，支持消费级的 GPU。

（微信上传失败了，请查看原文）

tabby的效果演示

7、pyboke：极简博客生成器

一个功能极简、代码极简、自带四种主题、支持生成 RSS 的静态博客生成器。项目基于 Python 3.10，主要使用的库有 arrow、click、jinja2、mistune 等。

8、gpt-engineer (英)

这是一个基于 ChatGPT4 的 AI 工程师，你只用告诉它需求，然后它会问几个问题，接着生成整个项目代码。提供出来的演示视频非常惊艳！

（微信上传失败了，请查看原文）

gpt-engineer的效果演示

9、audiocraft：音频处理和生成库 (英)

这是 FaceBook 开源的一个 PyTorch 库，有最先进的 EnCodec 音频压缩器/分词器，内含文本到音乐模型 MusicGen，使用了 10K 高质量音乐曲目的内部数据集，以及 ShutterStock 和Pond5 的音乐数据。