本文共 1625 字，大约阅读时间需要 5 分钟。

浅谈Python内置对象类型——数字篇(附py2和py3的区别之一)

Python是一门面向对象的编程设计语言，程序中每一样东西都可以视为一个对象。Python内置对象可以分为简单类型和容器类型，简单类型主要是数值型数据，而容器类型是可以包含其他对象类型的集体，如序列、元组、映射等。在简单类型对象中，Python的数值数据包括整型(int)、长整型(long)、浮点型(float)、复数类型(complex)等。这些简单类型在不同版本的Python中有一些差异，例如在Py2和Py3之间，长整型(long)已经被整型(int)取代。

SAS数据挖掘浅谈

随着大数据的兴起，数据挖掘这一行也越来越火了。同时，各类大数据分析挖掘工具也越来越多，从最早的C、Java、excel、spss、SAS到现在Python、R、Hadoop，跨越了各行各业，从零售到互联网，从金融到医疗，都有了很大的发展。从我个人工作一年的经历来看，光数据挖掘工具，就用到了SAS、Python等。

PyODPS简介

PyODPS（Python on DataWorks SQL）是一款专为阿里云DataWorks设计的端到端的数据处理和机器学习工具。PyODPS允许开发者使用Python编写数据处理脚本，并直接对存储在DataWorks中的数据表进行操作。与传统的数据处理工具不同，PyODPS结合了Python的灵活性和DataWorks的强大数据处理能力，使得数据科学家能够高效地完成从数据清洗到模型训练的整个数据科学流程。

Python之struct模块浅谈

在进行C格式的二进制文件读取的过程中，struct模块是一个非常有用的工具。struct模块允许开发者根据指定的字节序和数据类型，解析二进制数据并将其转换为Python的数据类型。例如，可以使用struct.unpack方法来解析多字节的有符号或无符号整数和浮点数。

Python学习笔记之二：yield用法

在前一篇文章中，我提到了yield这个关键字。为了更好地理解yield的用法，我将在本篇文章中详细阐述它的功能和应用场景。首先，让我们了解一下迭代器和生成器的概念。在Python中，迭代器是一个可以逐次访问一系列数据的对象，而生成器则是一个能够产生值的函数或表达式。

这篇文章将从以下几个方面展开：

PyODPS简介

PyODPS（Python on DataWorks SQL）是一款专为阿里云DataWorks设计的端到端的数据处理和机器学习工具。PyODPS允许开发者使用Python编写数据处理脚本，并直接对存储在DataWorks中的数据表进行操作。与传统的数据处理工具不同，PyODPS结合了Python的灵活性和DataWorks的强大数据处理能力，使得数据科学家能够高效地完成从数据清洗到模型训练的整个数据科学流程。

PyODPS的牛刀小试

在实际使用PyODPS之前，首先需要安装并升级PyODPS的相关软件。阿里云DataWorks提供了详细的文档和安装指南，用户可以按照文档中的步骤进行操作。安装完成后，可以通过DataWorks平台访问PyODPS的功能。

简单来说，PyODPS就是在MaxCompute中用编程语言的方式对存储在阿里云DataWorks上的数据表作数据预处理和机器学习的Python API。好像还是同样的一些数据处理操作，但PyODPS提供了更高效的方式来完成这些任务。

未来更精彩

在PyODPS的基础上，阿里云DataWorks还提供了丰富的功能和工具，用户可以根据需求选择合适的工具进行数据处理和分析。无论是数据清洗、模型训练，还是数据可视化，DataWorks都能为用户提供支持。未来，PyODPS的功能也将不断扩展，为用户带来更多惊喜。

转载地址：http://vplfk.baihongyu.com/