TOC
对python在web开发，数据分析，机器学习相关领域应用，以及python的性能局限的理解
写一篇对python整体概述总结的文章，包括python的gil全局锁,多限制机制，python2,python3的区别，django,flask,twisted,Tornado,gevent框架，不同解释器的性能区别，机器学习tensorflow，pytorch框架，numpa等数学工具，以及再量化交易领域的应用
python的各种框架
web开发的框架主要就是Django和Flask，另外还有用于网络编程的Gevent和Twisted,Tornado
其中gevent提供了比较完善的协程支持，不过里面封装了C，这导致他不是纯python的，无法适用pypy
Flask 是基于 Werkzeug，Jinja 2 的 Python 轻量级框架
Twisted的异步编程是否就是在多个任务之间来回的切换(待确认？)
python的线程间事件通信 threading.Event()
数据分析与科学计算
python有很丰富的用于科学计算与数据分析的类库，诸如pandas,numpy,Scipy以及图表可视化的matplotlib 其中Scipy是一个开源的Python算法库和数学工具包
机器学习
python的机器学习类库主要是有tensorflow和Pyorch
梯度 导数 * 基本算法 * K-均值聚类 jakevdp/sklearn_pycon2015 * 决策树：Tutorial: Decision Trees * 线性回归：Jupyter Notebook Viewer * logistic 回归：justmarkham/gadsdc * 支持向量机：jakevdp/sklearn_pycon2015 * Kaggle Titanic 竞赛（使用随机森林）：Jupyter Notebook Viewer
- Python 深度学习
- 神经网络
参考 https://zhuanlan.zhihu.com/p/24709718
comments powered by Disqus