2018年最后10篇python热文，完美收官！

过去一个月里，我们对近 1000 篇 Python 文章进行了排名，并挑选出热度前10的文章。这份清单的内容涵盖了包括 master python、REST APIs、twitter bot、random module、贝叶斯模型和线性回归实现等主题。2018年最后 10 篇 python 热文，完美收官！

热文一：Master Python

Master Python 这篇文章不仅能指导你如何使用 python 开始编程，还能结合现实世界中 10 大应用进一步掌握一些重要的 python 技巧，这些都是数据科学领域所必不可少的技能。更多详细信息可以访问文章主页，作者将手把手带你学习 python。

文章链接：

https://towardsdatascience.com/master-python-through-building-real-world-applications-part-1-b040b2b7faad

热文二：Memory Management

Memory Management in Python 侧重描述 python 中一些有关内存管理，高效计算，分布式存储等知识。在这里，你能够了解 python 内核，学习到更多与内存管理有关的算法及 low-level computing 知识，进一步理解 python 中的 lower-lower 操作。

文章链接：

https://realpython.com/python-memory-management/?utm_source=mybridge&utm_medium=blog&utm_campaign=read_more

热文三：Clean Architecture in Python

Clean Architecture in Python 旨在展示如何使用干净的 python 架构从头开始构建 Web 服务。通过一个实战项目 Rent-o-matic，在一些数量可描述的对象数据集上创建一个简单的搜索引擎，并展示这种干净的结构的优点。更多内容可以阅读本文的详细信息，让我们一起开始学习吧！

文章链接：

http://blog.thedigitalcatonline.com/blog/2016/11/14/clean-architectures-in-python-a-step-by-step-example/?utm_source=mybridge&utm_medium=blog&utm_campaign=read_more

热文四：REST APIs

Designing Well-structured REST APIs with Flask-RestPlus 该文旨在为 Flask-RestPlus 设计结构优良的 REST APIs。本篇教程分为上下两部分，上部分将演示如何基于 Flask-RestPlus 的协定开始组织并构建 API。而下部分将进一步围绕 request/response 编组/序列化及其验证等问题展开。

文章链接：

https://preslav.me/2018/12/02/designing-well-structured-rest-apis-with-flask-restplus-part-1/?utm_source=mybridge&utm_medium=blog&utm_campaign=read_more

热文五：Twitter Cot

Twitter Bot with Python 该文旨在帮助阐述如何用 python 创建自己的 twitter bot，作者在 youtube 上还附有详细的视频演示。

文章主页链接：

https://www.youtube.com/watch?v=W0wWwglE1Vc

热文六：Live Flight Tracking

Live Flight Tracking 将展示如何使用 python 来创建一个简单的航班跟踪应用。其大致的流程：首先将根据 Open Street Map（OSM）地图上的地理坐标信息描绘飞机的当前位置；其次，假定地图的中心就是机场的位置，我们需要得到距中心店几公里范围内所有飞机的信息；最后使用 python 进行简单的实时航班追踪。更多详细的信息可以查看本文的教程说明。

文章链接：

https://www.geodose.com/2018/11/create-simple-live-flight-tracking-python.html?utm_source=mybridge&utm_medium=blog&utm_campaign=read_more

热文七：Random Module

通过这篇教程，你将学习如何使用 python 中的 Random 模块生成随机数据。此外，在简单了解了随机模块的数据生成功能后，进一步地，作者还将展示如何在一些实际应用诸如密码生成、密码学，密匙， URL 地址等中使用它。具体内容可以查阅原文主页。

文章链接：

https://pynative.com/python-random-module/?utm_source=mybridge&utm_medium=blog&utm_campaign=read_more

热文八：Bayesian Modeling

Bayesian model 是一种强大的机器学习模型，用于学习估计目标的概率分布。在本文中，作者将讨论 Bayesian 框架中数据估计概率的问题，学习 Bayesian 概率分布和推理并使用 PyMC3 进行基本的概率编程实现。感兴趣的同学可以访问文章主页以便了解更多详细的信息。

文章链接：

https://towardsdatascience.com/estimating-probabilities-with-bayesian-modeling-in-python-7144be007815

热文九：Automated Investing Strategies

在本文中，作者将展示如何基于 python，将 Benjamin Graham’ Teaching 理论用于自动化投资应用中。感兴趣的同学可以在文章主页了解更多信息。

文章链接：

https://medium.com/automation-generation/teaching-your-computer-to-invest-with-python-commission-free-automated-investing-5ade10961e08

热文十：Linear Regression in Python

Linear Regression in Python 旨在基于 python 实现 Linear Regression 算法。在本文中，作者详细剖析了 Linear Regression 相关的理论知识，介绍了回归问题，回归问题的假设，回归问题的损失函数及其优化等问题，并通过一个实际案例来演示如何使用 python 来实现Linear Regression 算法。更多详细信息可以查看文章主页的介绍。

文章链接：

https://www.datacamp.com/community/tutorials/essentials-linear-regression-python?utm_source=mybridge&utm_medium=blog&utm_campaign=read_more