Python 3.9 新增了哪些实用又亮眼的功能?

Python 3.9 是 Python 的一个重要版本更新,带来了许多新特性和改进。以下是其中一些关键特性: ### 关键特性 1. **字典合并运算符** 在 Python 3.9 中新增了用于字典操作的“|”和“|=”,可以方便地将两个字典进行合并或更新: ```python dict1 = {"a": 1, "b": 2} dict2 = {"b": 3, "c": 4} merged_dict = dict1 | dict2 # {'a': 1, 'b': 3, 'c': 4} ``` 2. **类型提示增强 (Type Hinting)** 引入了`GenericAlias`支持更通用的类型提示功能。例如现在可以直接对内置容器(如 `list`, `tuple` 等)指定泛型: ```python from typing import List def greet_all(names: list[str]) -> None: for name in names: print("Hello", name) greet_all(["Alice", "Bob"]) ``` 3. **字符串方法优化** 新增了一些实用的字符串处理函数,比如 `.removeprefix()` 和 `.removesuffix()` ```python str_sample = "hello_world" removed_prefix_str = str_sample.removeprefix('hello_') # 返回 'world' ``` 4. **数学模块升级** 增加了几何相关的函数,像`math.lcm()`(最小公倍数)、`math.gcd()`等。 5. **新的解析器 - PEG 解析器替代 LL(1)** 使用PEG(Parsing Expression Grammar卡林表达式文法),提高了语法分析效率并修复了一系列边界问题. 6. **其他改动及性能提升** 包含多项小范围变更以及执行速度方面的改进,使得程序运行更快更稳定。 如果想了解更多详细内容,建议查阅官方文档或者相关发布说明页面!

创作声明:本文部分内容由AI辅助生成(AIGC),仅供参考

Python内容推荐

Python+OpenCV人脸修正[源码]

Python+OpenCV人脸修正[源码]

本文介绍了基于Python、OpenCV和dlib库实现人脸修正效果的方法。主要内容包括双线性插值法、人脸关键点检测和瘦脸算法的实现。文章详细讲解了如何使用这些技术进行人脸美化,如美白、磨皮、亮眼、红唇、锐化和瘦脸等效果。同时提供了完整的代码实现,包括AIMakeup.py、utils.py和MakupGUI.py三个主要文件,展示了如何构建一个完整的人脸美化应用。通过本文,读者可以学习到如何利用计算机视觉技术实现人脸图像的自动修正和美化。

python美颜系统实现_2.7z

python美颜系统实现_2.7z

python美颜系统实现_2.7z

基于人脸检测的AI化妆_python_代码_下载

基于人脸检测的AI化妆_python_代码_下载

基于人脸检测的AI化妆 效果展示: https://github.com/QuantumLiu/AIMakeup/raw/master/example.gif 更多详情、使用方法,请下载后阅读README.md文件

Python登顶TIOBE榜[项目代码]

Python登顶TIOBE榜[项目代码]

2025年8月TIOBE编程语言排行榜显示,Python以26.14%的得分稳居榜首,创下历史新高。TIOBE CEO Paul Jansen指出,AI编程助手如Microsoft Copilot、Cursor等的普及显著提升了Python的使用效率,热门语言的地位因此更加稳固。此外,Perl排名大幅跃升至第9位,老牌语言重新获得关注。榜单还列出了Top 21-50及51-100的编程语言,反映了当前编程语言的流行趋势。

深度学习设计-基于opencv+pyqt5开发的美颜化妆软件python源码+文档说明+演示视频

深度学习设计-基于opencv+pyqt5开发的美颜化妆软件python源码+文档说明+演示视频

<项目介绍> 深度学习设计-基于opencv+pyqt5开发的美颜化妆软件python源码+文档说明+演示视频 - 不懂运行,下载完可以私聊问,可远程教学 该资源内项目源码是个人的毕设,代码都测试ok,都是运行成功后才上传资源,答辩评审平均分达到96分,放心下载使用! 1、该资源内项目代码都经过测试运行成功,功能ok的情况下才上传的,请放心下载使用! 2、本项目适合计算机相关专业(如计科、人工智能、通信工程、自动化、电子信息等)的在校学生、老师或者企业员工下载学习,也适合小白学习进阶,当然也可作为毕设项目、课程设计、作业、项目初期立项演示等。 3、如果基础还行,也可在此代码基础上进行修改,以实现其他功能,也可用于毕设、课设、作业等。 下载后请首先打开README.md文件(如有),仅供学习参考, 切勿用于商业用途。 --------

python操作table标签.txt

python操作table标签.txt

python操作table标签

AI语音助手项目_基于Python和FastAPI构建的后端服务与React和NextJS开发的前端界面_实现智能语音交互功能支持用户通过语音输入与AI助手进行自然对话集成Op.zip

AI语音助手项目_基于Python和FastAPI构建的后端服务与React和NextJS开发的前端界面_实现智能语音交互功能支持用户通过语音输入与AI助手进行自然对话集成Op.zip

AI语音助手项目_基于Python和FastAPI构建的后端服务与React和NextJS开发的前端界面_实现智能语音交互功能支持用户通过语音输入与AI助手进行自然对话集成Op.zip

Karpathy-训练到推理的 LLM 全流程(Python 源码)

Karpathy-训练到推理的 LLM 全流程(Python 源码)

Karpathy 最 用 Rust 实现了高效的 tokenizer 训练 - 在 FineWeb 语料上预训练 Transformer LLM,并多维度评估核心指标 - 中期训练结合用户-助手对话、选择题、工具调用等多样任务 - 监督微调(SFT)后,模型在多项世界知识(ARC-E/C、MMLU)、数学(GSM8K)、代码(HumanEval)测试中表现优异 - 可选用“GRPO”算法进行强化学习(RL),提升数学题解答能力 - 轻量化推理引擎支持 KV 缓存、简单预填充/解码,集成 Python 沙箱工具,同时提供 CLI 和类 ChatGPT 网页 UI - 生成统一的 Markdown 报告,方便总结、打分和游戏化体验 模型架构细节同样亮眼: 类似 LLaMA 的稠密 Transformer,采用 rotary 位置编码、QK 归一化、未绑定的嵌入/反嵌入层、ReLU² MLP,无偏置线性层,简洁高效;优化器结合 Muon 与 AdamW,推理中还用了 logit softcap 技巧。 如果你对从零开始训练、调优和部署大语言模型感兴趣,这个项目绝对值得深入研究。 Karpathy 用极简代码展现了训练大模型的全貌,突破了传统复杂框架的壁垒。Rust 的引入体现了追求高性能和安全的趋势,未来 LLM 生态或许会迎来更多类似轻量级、模块化的创新。 此外,项目中对多任务训练和强化学习的结合,展示了 LLM 在实用场景中持续迭代的可能路径。对开发者和研究者来说,这样的开源工具极大降低了门槛,有望催生更多定制化智能应用新项目震撼发布!不到 8000 行代码,完整实现了从训练到推理的 LLM 全流程。

一个用于将多个小组填写的 Excel 统计表汇总到单个文件的 Windows 桌面工具,基于 Python + Tkinter 开发

一个用于将多个小组填写的 Excel 统计表汇总到单个文件的 Windows 桌面工具,基于 Python + Tkinter 开发

一个用于将多个小组填写的 Excel 统计表汇总到单个文件的 Windows 桌面工具,基于 Python + Tkinter 开发

扩散模型光伏场景生成+去噪概率扩散模型DDPM研究(Python代码实现)

扩散模型光伏场景生成+去噪概率扩散模型DDPM研究(Python代码实现)

内容概要:本文系统研究了基于去噪概率扩散模型(DDPM)在光伏场景生成中的应用,结合Python代码实现,详细阐述了如何利用扩散模型生成具有高度真实感的光伏发电时间序列数据。该方法通过前向加噪与反向去噪的马尔可夫过程,学习光伏出力的复杂时空特征,有效应对新能源出力的强波动性与不确定性。文中深入解析了DDPM的核心数学原理、基于U-Net的网络架构设计、时间步嵌入机制、损失函数构建及训练优化策略,并展示了其在电力系统规划、优化调度、风险评估等场景下的应用潜力,突出了其在生成高质量、多样化光伏场景方面的显著优势。; 适合人群:具备一定机器学习与深度学习基础,从事新能源电力系统、智能电网、可再生能源预测、场景生成与概率建模等领域研究的研究生、科研人员及工程技术人员。; 使用场景及目标:①解决光伏功率固有的间歇性与不确定性导致的建模困难;②为微电网能量管理、储能系统优化配置、电力市场仿真及日前-实时调度提供高保真的输入场景;③提升高比例可再生能源接入下电力系统规划与运行决策的鲁棒性与可靠性; 阅读建议:学习者应结合所提供的完整Python代码,动手实践并深入理解扩散模型的正向扩散与反向生成全过程,重点关注时间步条件输入、U-Net特征提取与跳跃连接、以及噪声预测网络的训练细节,并尝试在真实的光伏历史数据集上进行模型训练与生成效果评估,以充分掌握其技术精髓。

【市场】十一月数据跟踪:国际大牌表现亮眼,珀莱雅丸美保持较快增长.zip

【市场】十一月数据跟踪:国际大牌表现亮眼,珀莱雅丸美保持较快增长.zip

【市场】十一月数据跟踪:国际大牌表现亮眼,珀莱雅丸美保持较快增长

这是一个关注http,https的渗透测试工具.zip

这是一个关注http,https的渗透测试工具.zip

这是一个关注http/https的渗透测试工具http_scan这是一个渗透测试工具推荐理由(1)可以导入burp日志进行查看,解决burp社区版无法再打开导出日志的问题。(2)建立的日志分析能力。分组过滤、标记过滤和显示过滤,基于sql语句的过滤实现...獎勵如果觉得项目不错的话可以打赏哦,您的支持就是我最大的动力!打赏时您可以备注名称,我会为您添加至打赏列表中。 捐赠信息PS如果打赏时请备注遗产者,如有遗漏请联系我添加(有时候消息多可能会遗漏掉,十分抱歉)撰稿人 捐赠金额 捐赠日期

litelab:LiteLab

litelab:LiteLab

LiteLab LiteLab:用于大型网络实验的轻量级平台。 该平台是用python开发的,利用了覆盖技术,缩短了集群上的实验生命周期。 技术报告:“ ” 官方网站:

xgboost模型原理

xgboost模型原理

xgboost介绍高潜用户购买意向预测:根据历史数据( 用户、商品和行 为数据) , 构建用户购买商品的预测模型,输出高潜用户 和目标商品的匹配结果

支龙-简历v41

支龙-简历v41

支龙(+86) 155 0465 3947 ⋄ 1427979142@qq.com教育经历哈尔滨工业大学 (学士学位)2015 年 9 月 - 2019 年 6

编程大模型横向对比[项目代码]

编程大模型横向对比[项目代码]

文章对OpenAI新推出的o1系列模型(o1-preview和o1-mini)与ChatGPT4o、Claude3.5 Sonnet在六大编程能力方向进行了详细对比。测试包括代码能力、代码优化、解读代码、测试用例及说明、Java转Python以及添加注释能力。结果显示,o1-mini在各项测试中表现最为出色,尤其在代码优化和解读代码方面优势明显。o1-preview紧随其后,而Claude3.5 Sonnet和ChatGPT4o在某些方面表现相近。文章还介绍了o1系列模型的推理能力、安全性及使用方法,为开发者提供了全面的参考。

yiwa-机器人开发资源

yiwa-机器人开发资源

""""surfacePython

闪亮的鹦鹉

闪亮的鹦鹉

闪亮的鹦鹉

hackerrank

hackerrank

黑客等级

SYC1123-SoftwareTest-8548-1756660580273.zip

SYC1123-SoftwareTest-8548-1756660580273.zip

reactSYC1123_SoftwareTest_8548_1756660580273.zipSYC1123_SoftwareTest_8548_1756660580273.zip

最新推荐最新推荐

recommend-type

python批量截取视频某一帧图片可控制图片大小

用python tkinter开发的一个可以批量截取MP4视频的小工具,有界面可以直接操作(需要python环境)
recommend-type

Python视频编辑库MoviePy的使用

主要介绍了Python视频编辑库MoviePy的使用,文中通过示例代码介绍的非常详细,对大家的学习或者工作具有一定的参考学习价值,需要的朋友们下面随着小编来一起学习学习吧
recommend-type

moviepy:使用Python进行视频编辑

moviepy:使用Python进行视频编辑
recommend-type

python+ffmpeg批量去视频开头的方法

今天小编就为大家分享一篇python+ffmpeg批量去视频开头的方法,具有很好的参考价值,希望对大家有所帮助。一起跟随小编过来看看吧
recommend-type

python进行视频字幕视频和合成

利用讯飞的语音转写api进行转写、movieby模块进行音频截取,FFMPEG进行合并。需要申请讯飞的api,免费有5个小时
recommend-type

学生成绩管理系统C++课程设计与实践

资源摘要信息:"学生成绩信息管理系统-C++(1).doc" 1. 系统需求分析与设计 在进行学生成绩信息管理系统开发前,首先需要进行系统需求分析,这是确定系统开发目标与范围的过程。需求分析应包括数据需求和功能需求两个方面。 - 数据需求分析: - 学生成绩信息:需要收集学生的姓名、学号、课程成绩等数据。 - 数据类型和长度:明确每个数据项的数据类型(如字符串、整型等)和长度,例如学号可能是字符串类型且长度为一定值。 - 描述:详细描述每个数据项的意义,以确保系统能够准确处理。 - 功能需求分析: - 列出功能列表:用户界面应提供清晰的操作指引,列出所有可用功能。 - 查询学生成绩:系统应能通过学号或姓名查询学生的成绩信息。 - 增加学生成绩信息:允许用户添加未保存的学生成绩信息。 - 删除学生成绩信息:能够通过学号或姓名删除已经保存的成绩信息。 - 修改学生成绩信息:通过学号或姓名修改已有的成绩记录。 - 退出程序:提供安全退出程序的选项,并确保所有修改都已保存。 2. 系统设计 系统设计阶段主要完成内存数据结构设计、数据文件设计、代码设计、输入输出设计、用户界面设计和处理过程设计。 - 内存数据结构设计: - 使用链表结构组织内存中的数据,便于动态增删查改操作。 - 数据文件设计: - 选择文本文件存储数据,便于查看和编辑。 - 代码设计: - 根据功能需求,编写相应的函数和模块。 - 输入输出设计: - 设计简洁明了的输入输出提示信息和操作流程。 - 用户界面设计: - 用户界面应为字符界面,方便在命令行环境下使用。 - 处理过程设计: - 设计数据处理流程,确保每个操作都有明确的处理逻辑。 3. 系统实现与测试 实现阶段需要根据设计阶段的成果编写程序代码,并进行系统测试。 - 程序编写: - 完成系统设计中所有功能的程序代码编写。 - 系统测试: - 设计测试用例,通过测试用例上机测试系统。 - 记录测试方法和测试结果,确保系统稳定可靠。 4. 设计报告撰写 最后,根据系统开发的各个阶段,撰写详细的设计报告。 - 系统描述:包括问题说明、数据需求和功能需求。 - 系统设计:详细记录内存数据结构设计、数据文件设计、代码设计、输入/输出设计、用户界面设计、处理过程设计。 - 系统测试:包括测试用例描述、测试方法和测试结果。 - 设计特点、不足、收获和体会:反思整个开发过程,总结经验和教训。 时间安排: - 第19周(7月12日至7月16日)完成项目。 - 7月9日8:00到计算机学院实验中心(三楼)提交程序和课程设计报告。 指导教师和系主任(或责任教师)需要在文档上签名确认。 系统需求分析: - 使用表格记录系统需求分析的结果,包括数据项、数据类型、数据长度和描述。 - 分析数据项如学生成绩信息、状态器、链表节点等,确定其属性和行为。 以上就是文档中提到的学生成绩信息管理系统开发的关键知识点。开发此类系统需要熟练掌握C++编程基础,了解面向对象的程序设计思想,以及熟悉文件操作和链表等数据结构的应用。此外,良好的软件开发流程意识、测试意识和文档撰写能力也是必不可少的。
recommend-type

别再手动拖拽了!用Lumerical脚本批量创建FDTD仿真结构(附完整代码)

# 告别低效建模:Lumerical脚本自动化实战指南 在光子学仿真领域,时间就是科研生命线。当同行还在GUI界面里反复点击菜单时,你已经用脚本批量生成了20组参数化结构——这不是未来场景,而是每位FDTD用户都应该掌握的基础生产力革命。本文将彻底改变你与Lumerical的交互方式,从手动拖拽的农耕时代,跃迁到自动化建模的工业文明。 ## 1. 为何脚本建模是必然选择 2019年Nature Photonics的一项研究显示,科研工作者在仿真工具上平均浪费37%的时间在重复性操作上。对于需要参数扫描的纳米光学结构设计,这个数字可能更高。手动创建10个不同尺寸的纳米柱阵列意味着: -
recommend-type

Java邮件解析任务中,如何安全高效地提取HTML邮件内容并避免硬编码、资源泄漏和类型转换异常?

<think>我们被要求优化一段Java代码,该代码用于处理邮件(特别是来自特定发件人的构建通知邮件)。代码的主要问题包括: 1. 重复获取邮件内容:在检查MIME类型后,多次调用`msg[i].getContent()`,这可能导致性能问题或流关闭异常。 2. 类型转换问题:直接将邮件内容转换为`Multipart`而不进行类型检查,可能引发`ClassCastException`。 3. 代码结构问题:逻辑嵌套过深,可读性差,且存在重复代码(如插入邮件详情的操作在两个地方都有)。 4. 硬编码和魔法值:例如在解析HTML表格时使用了硬编码的索引(如list3.get(10)),这容易因邮件
recommend-type

RH公司应收账款管理优化策略研究

资源摘要信息:"本文针对RH公司的应收账款管理问题进行了深入研究,并提出了改进策略。文章首先分析了应收账款在企业管理中的重要性,指出其对于提高企业竞争力、扩大销售和充分利用生产能力的作用。然后,以RH公司为例,探讨了公司应收账款管理的现状,并识别出合同管理、客户信用调查等方面的不足。在此基础上,文章提出了一系列改善措施,包括完善信用政策、改进业务流程、加强信用调查和提高账款回收力度。特别强调了建立专门的应收账款回收部门和流程的重要性,并建议在实际应用过程中进行持续优化。同时,文章也意识到企业面临复杂多变的内外部环境,因此提出的策略需要根据具体情况调整和优化。 针对财务管理领域的专业学生和从业者,本文提供了一个关于应收账款管理问题的案例研究,具有实际指导意义。文章还探讨了信用管理和征信体系在应收账款管理中的作用,强调了它们对于提升企业信用风险控制和市场竞争能力的重要性。通过对比国内外企业在应收账款管理上的差异,文章总结了适合中国企业实际环境的应收账款管理方法和策略。" 根据提供的文件内容,以下是详细的知识点: 1. 应收账款管理的重要性:应收账款作为企业的一项重要资产,其有效管理关系到企业的现金流、财务健康以及市场竞争力。不良的应收账款管理会导致资金链断裂、坏账损失增加等问题,严重影响企业的正常运营和长远发展。 2. 应收账款的信用风险:在信用交易日益频繁的商业环境中,企业必须对客户信用进行评估,以便采取合理的信用政策,降低信用风险。 3. 合同管理的薄弱环节:合同是应收账款管理的法律基础,严格的合同管理能够保障企业权益,减少因合同问题导致的应收账款风险。 4. 客户信用调查:了解客户的信用状况对于预测和控制应收账款风险至关重要。企业需要建立有效的客户信用调查机制,识别和筛选信用良好的客户。 5. 应收账款回收策略:企业应建立有效的账款回收机制,包括定期的账款跟进、逾期账款的催收等。同时,建立专门的应收账款回收部门可以提升回收效率。 6. 应收账款管理流程优化:通过改进企业内部管理流程,如简化审批流程、提高工作效率等措施,能够提升应收账款的管理效率。 7. 应收账款管理策略的调整和优化:由于企业的内外部环境复杂多变,因此制定的管理策略需要根据实际情况进行动态调整和持续优化。 8. 信用管理和征信体系的作用:建立和完善企业内部信用管理体系和征信体系,有助于企业更好地控制信用风险,并在市场竞争中占据有利地位。 9. 对比国内外应收账款管理实践:通过研究国内外企业在应收账款管理上的不同做法和经验,可以借鉴先进的管理理念和方法,提升国内企业的应收账款管理水平。 综上所述,本文深入探讨了应收账款管理的多个方面,为RH公司乃至其他同类型企业提供了应收账款管理的改进方向和策略,对于财务管理专业的教育和实践都具有重要的参考价值。
recommend-type

新手别慌!用BingPi-M2开发板带你5分钟搞懂Tina Linux SDK目录结构

# 新手别慌!用BingPi-M2开发板带你5分钟搞懂Tina Linux SDK目录结构 第一次拿到BingPi-M2开发板时,面对Tina Linux SDK里密密麻麻的文件夹,我完全不知道从哪下手。就像走进一个陌生的大仓库,每个货架上都堆满了工具和零件,却找不到操作手册。这种困惑持续了整整两天,直到我意识到——理解目录结构比死记硬背每个文件更重要。 ## 1. 为什么SDK目录结构如此重要 想象你正在组装一台复杂的模型飞机。如果所有零件都混在一个箱子里,你需要花大量时间寻找每个螺丝和面板。但如果有分门别类的隔层,标注着"机身部件"、"电子设备"、"紧固件",组装效率会成倍提升。Ti