原文：[Python Weekly Issue 260](http://us2.campaign-archive1.com/?u=e2e180baf855ac797ef407fc7&id=8ac63661fa&e=148158c7b4)

欢迎来到Python周刊第260期。让我们直奔主题。

嘿，Python粉，你想要表达你对**Python**的爱吗？那么，[点击这里](http://www.amazon.com/gp/product/B0185367JQ/ref=as_li_tl?ie=UTF8&camp=1789&creative=390957&creativeASIN=B0185367JQ&linkCode=as2&tag=mymerch-20&linkId=OLIXWD4WZ5X6FFHD)，获取你的T恤，骄傲地穿上它吧。

[PEP 530 -- 异步推导式](https://www.python.org/dev/peps/pep-0530/)

PEP 492和PEP 525使async / await语法，引入了对原生协程和异步生成器的支持。这个PEP提议增加列表，集合和字典推导式和生成器表达式的异步版本。

[GeoViews简介](https://www.continuum.io/blog/developer-blog/introducing-geoviews)

GeoViews是一个新的Python库，它使得探索和可视化地理，气象，海洋，气象，气候和其他真实世界的数据变得容易。本文向你展示GeoViews如何使得在地理和非地理坐标系统上使用点、路径、形状和多维网格数据变得简单。

[Data Skeptic #123: Music21](http://dataskeptic.com/epnotes/music21.php)

我们今天的客人是Michael Cuthbert，MIT的音乐方面的副教授，以及Music21项目的主要研究者，而Music21项目是我们讨论的重点。Music21是一个让音乐分析方便有趣的Python库。它支持与诸如MIDI, MusicXML, Lilypond等等流行格式的集成。它也与Elvis项目集成良好，允许用户导入大量的音乐，便于分析。Music21是音乐家和类似的机器学习研究人员探索音乐中模式和结构的一个很好的平台。

[使用预测算法追踪实时健康趋势](http://blog.algorithmia.com/predictive-algorithms-track-real-time-health-trends/)

在这个教程中，我们将构建一个实时健康显示面板，用来追踪一个人的血压读数，进行时间序列分析，然后使用预测算法绘制时间趋势。本教程是使用时间序列算法和预测API来创建你个人健康显示面板的起点。

[美国房租租赁市场的新见解：网络抓取和分析Craigslist租赁房源](https://www.researchgate.net/publication/306400541_New_Insights_into_Rental_Housing_Markets_across_the_United_States_Web_Scraping_and_Analyzing_Craigslist_Rental_Listings)

当前关于房租租赁的数据源，例如人口普查或商业数据库，关注大型公寓，它们并不反映近期的市场活动或者美国租赁市场的全概貌。为了填补这个缺失，我们收集，清理，分析，映射，并可视化一千一百万个Craigslist房租租赁房源。数据揭示了美国大城市住房市场内以及跨大城市住房市场的细粒度空间和时间模式。我们发现，一些大城市地区只有个位数百分比的低于公平市场租金的房源。自愿地理信息的非传统来源为规划人员提供当前在替代来源，例如人口普查数据，缺失的租赁和住房特征的实时的，局部尺度评估。

[深度探索Python: 让我们审查dict模块](https://www.buzzfeed.com/andrewkelleher/deep-exploration-into-python-lets-review-the-dict-module)

Dictobject.c是Python的dict对象背后的模块。它非常常用，但有一些鲜为人知的秘密，这些秘密对于了解最佳性能非常有用

[分析iPhone步数数据](http://blog.yhat.com/posts/phone-steps-timeseries.html)

本文展示了如何使用pandas timeseries和ggplot来分析iPhone步数数据。

[Python项目中的Makefiles](http://krzysztofzuraw.com/blog/2016/makefiles-in-python-projects.html)

在Python项目中，你需要像makefile这种东西吗？

[Podcast.__init__ 第73集 - Alex Martelli](https://podcastinit.com/alex-martelli.html)

Alex Martelli将他一大部分的事业倾注在教其他人使用软件工作上。他在Stack Overflow上拥有最高数目的Python问题回答数，他写了，并且协作编写了关于Python的大量书籍，并无数次出现在多个国家的会议上。我们跟他聊了他如何开始软件，他在Google的工作，以及正在塑造现代软件工程的开发和设计模式的趋势。

[Docker化一个Python Django Web应用](https://semaphoreci.com/community/tutorials/dockerizing-a-python-django-web-application)

了解如何使用Gunicorn web服务器docker化你的Django应用，它能够在一分钟内处理上千个请求。

[Episode #74: IronPython的前世、今生和未来

你听过IronPython和Jython吗？这是Python的两个可选择实现，由Jim hugunin创建。它们运行在.NET和JVM runtimes之上。在这一集中，我们将看到IronPython的故事。它已经存在了很多年。尽管在过去的几年中，它一直有些停滞不前。这就是为什么我很高兴地向你介绍Alex Earl，他与Benedikt Eggers一起，成为了IronPython项目的维护者。我们很高兴看到IronPython获得它应有的重视。在这一集中，我们将谈到IronPython的前世、今生和未来。

[一个日本种黄瓜的农民是如何利用深度学习和TensorFlow的](https://cloud.google.com/blog/big-data/2016/08/how-a-japanese-cucumber-farmer-is-using-deep-learning-and-tensorflow)

[Python 2.7在pip安装中仍然居于主导地位](http://www.randalolson.com/2016/09/03/python-2-7-still-reigns-supreme-in-pip-installs/)

[从列表和字典创建Pandas DataFrame](http://pbpython.com/pandas-list-dict.html)

[Python 201: 中级Python（Python 201: Intermediate Python）](http://amzn.to/2cH5K1u)

如果你已经知道了Python的基础知识，现在想要进入下一个阶段，那么这本书就是为你而写的！本书仅适用于中级Python程序员。这里并不会有任何新手章节。本书基于Python 3。你将学习到激动人心的主题，例如使用描述器、super、上下文管理器、迭代器，等等等等！

[py3redirect](https://chrome.google.com/webstore/detail/py3redirect/codfjigcljdnlklcaopdciclmmdandig?hl=en-US)

一个Chrome扩展程序，当请求Python 2文档页面时，自动重定向到Python 3文档。

[LBRYnet](https://github.com/lbryio/lbry)

LBRYnet是用于分发数据的完全分散网络。它由从其他对等点上传和下载数据的对等点组成，可能付费交换，以及一个分布式哈希表，对等点用来发现其他对等点。

[qrcode](https://github.com/sylnsfar/qrcode/)

Python 艺术二维码生成器

[lift](https://github.com/bhuztez/lift)

LiFT将神经网络公式编译成可执行代码。

[flybywire](https://github.com/thomasantony/flybywire)

一个受React启发的声明库，用于在纯Python中构建基于DOM的用户界面。

[RNNLG](https://github.com/shawnwun/RNNLG)

RNNLG是用于口语对话系统应用领域中自然语言生成(NLG)的开源基准工具包。

[auto-sklearn](https://github.com/automl/auto-sklearn)

auto-sklearn是一个自动化机器学习工具包和scikit-learn估计器的简易替代。

[keras_snli](https://github.com/Smerity/keras_snli)

简单的Keras模型，它使用求和和/或复发性神经网络，处理斯坦福自然语言推理(SNLI)语料库。

[Django 1.10.1](https://docs.djangoproject.com/en/1.10/releases/1.10.1/)

Django 1.10.1修复了1.10中的一些bug。

[了解tscached可以如何让显示面板和图表加载快100倍 - San Francisco, CA](https://www.meetup.com/sfpython/events/233917531/)

tscached是一个提高时间序列的读性能多达1000倍的代理。它基于Python和Redis构建，提供来自KairosDB的数据。我们涵盖了它的动机、设计和权衡；展示它如何提高复杂、高容量指标显示面板的性能；并探索其设计内在的缓存技术。

[Princeton Python用户组2016年九月聚会 - Princeton, NJ](https://www.meetup.com/pug-ip/events/232570309/)

将会有一场关于CockroachDB技术设计和架构概述的演讲。它将涵盖CockroachDB是如何分配数据、执行一致性复制、实现分布式事务、以及提供自动平衡和自我修复的。

[VanPy 2016年九月聚会 - Vancouver, BC](https://www.meetup.com/vanpyz/events/233167899/)

将有一个演讲，Python中的测试 (手牵手，开开心心写代码)

[Austin Python 2016年九月聚会 - Austin, TX](https://www.meetup.com/austinpython/events/232001919/)

[Edmonton Python 2016年九月聚会 - Edmonton, AB](https://www.meetup.com/startupedmonton/events/233561475/)

- [Issue 260](./Python Weekly Issue 260.md)