大家好,这里是程序员晚枫。
做自媒体5年多,积攒了30w+粉丝,
今天和大家一起思考一个问题:到底有没有一种方法,就像游戏里的大招一样,能让你快速成功?
我们以普通人做自媒体为例,来讨论这个问题。
网盘地址
这里面包含了Python的所有版本,包含3个系统(windows/mac/linux)
联系我
有任何问题,欢迎联系我的微信👉python-office
大家好,这里是程序员晚枫。
做自媒体5年多,积攒了30w+粉丝,
今天和大家一起思考一个问题:到底有没有一种方法,就像游戏里的大招一样,能让你快速成功?
我们以普通人做自媒体为例,来讨论这个问题。
这里面包含了Python的所有版本,包含3个系统(windows/mac/linux)
有任何问题,欢迎联系我的微信👉python-office
这是专栏优秀的第三方库的第1篇原创文章。
大家好,这里是程序员晚枫。
今天给大家推荐一个快速生成requirements.txt的小工具:pipreqs。
我们在开发Python项目的时候,需要用到requirements.txt来管理项目中使用的第三方库。
当我们把项目部署到一个没有第三方库的新环境,我们可以通过pip install -r requirements.txt来重新下载这些第三方库。
例如下面这个就是python-office的requirements.txt内容。
1 | alive_progress==3.1.5 |
常见的工具有:pipreqs 和 pip freeze 两种,它们在Python项目中用于管理依赖关系,但它们的用途和工作方式有所不同。
简单来说:
以下是它们的详细比较:
pipreqs 是一个从项目代码中自动生成 requirements.txt 文件的工具。它分析项目中的Python文件,找出导入的模块,并生成一个包含这些模块及其对应版本的列表。pipreqs 通过扫描项目目录中的Python文件,识别出项目实际使用的库,然后生成一个 requirements.txt 文件,这个文件只包含项目代码中用到的库。requirements.txt 文件。pip freeze 是一个列出当前环境中所有已安装的Python包及其确切版本的命令。pip freeze 会列出当前虚拟环境中安装的所有包,包括那些不是由项目直接依赖的包(例如,某些包的依赖)。pipreqs 是更好的选择。pip freeze 是更合适的工具。pipreqs 需要手动运行以生成依赖列表,而 pip freeze 只需在环境中运行即可列出所有包。总的来说,pipreqs 更适合用于项目开发阶段,生成精确的依赖列表,而 pip freeze 更适合用于环境管理,确保环境的一致性。
大家在阅读过程中有任何问题,或者觉得有收获的话,欢迎点赞、评论和收藏。



大家好,这里是程序员晚枫。
今天给大家分享的是:Python所有版本的下载和安装教程。
这里面包含了Python的所有版本,包含3个系统(windows/mac/linux)
大家学习 或 使用代码过程中,有任何问题,都可以加入读者群交流哟~👇

| 分支(二级标题) | 子分支(三级标题) | 具体书目(四级条目) |
|---|---|---|
| 编程入门 | 青少年/零基础 | 《父与子的编程之旅:与小卡特一起学 Python(第 3 版)》 青少年 Python 编程“圣经” |
| 零基础“圣经” | 《Python 编程:从入门到实践(第 3 版)》 | |
| 有其他语言基础 | 《Python 基础教程(第 3 版)》 | |
| 入门“三剑客” | 《Python 语言及其应用(第 2 版)》 | |
| 《流畅的 Python(第 2 版)》 进阶“圣经” | ||
| 《Python 编程轻松进阶》 | ||
| 进阶“三剑客” | 《Python 工匠:案例、技巧与工程实践》 原创精品 | |
| 算法 | Python 算法“双刀流” | 《算法图解》 |
| 《Python 数据结构与算法分析(第 2 版)》 | ||
| 数学 | Python 数学“双刀流” | 《程序员数学:用 Python 学透线性代数和微积分》 |
| 《用 Python 动手学统计学》 | ||
| 办公自动化 | Excel + Python | 《Excel + Python:飞速搞定数据分析与处理》 |
| 《Python + Excel / Word / PPT 一本通》 原创精品 | ||
| 数据分析 | 数据分析 | 《Python 数据分析基础》 |
| 《Python 数据分析:活用 Pandas 库》 | ||
| 《Python 数据分析基础教程:NumPy 学习指南(第 2 版)》 | ||
| 数据科学 | 数据科学 | 《数据科学入门(第 2 版)》 |
| 《Python 数据科学手册》 | ||
| 数据挖掘 | 数据挖掘 | 《数据挖掘导论(完整版)》 非 Python |
| 《Python 数据挖掘入门与实践(第 2 版)》 | ||
| 网络爬虫 | 网络爬虫 | 《Python3 网络爬虫开发实战(第 2 版)》 原创精品 |
| 《Python 网络爬虫权威指南(第 2 版)》 | ||
| Web 开发 | Web 开发 | 《Flask Web 开发:基于 Python 的 Web 应用开发实战(第 2 版)》 |
| 《Django 企业开发实战:高效 Python Web 框架指南》 原创精品 | ||
| 机器学习 | 机器学习入门“双刀流” | 《机器学习实战》 |
| 《Python 机器学习基础教程》 | ||
| 《精通特征工程》 | ||
| 机器学习进阶 | 《机器学习算法竞赛实战》 原创精品 | |
| 《机器学习:公式推导与代码实现》 原创精品 | ||
| 深度学习 | 深度学习入门“双刀流” | 《Python 深度学习(第 2 版)》 |
| 《深入浅出神经网络与深度学习》 | ||
| 《深度学习入门:基于 Python 的理论与实现》 | ||
| 日系“鱼书”三步曲 | 《深度学习进阶:自然语言处理》 | |
| 《深度学习入门 2:自制框架》 | ||
| 强化学习 | 强化学习 | 《用 Python 动手学强化学习》 |
| 《深度强化学习》 猫书 原创精品 | ||
| 数学 | 机器学习数学 | 《白话机器学习的数学》 |
| 《深度学习的数学》 | ||
| NLP & 金融 AI | 其他 AI 应用 | 《自然语言处理入门》 原创精品 |
| 《金融人工智能:用 Python 实现 AI 量化交易》 | ||
| 《美团机器学习实践》 原创精品 | ||
| 计算机视觉 | 计算机视觉 | 《Python 计算机视觉编程》 |
| 《Python 计算机视觉与深度学习实战》 | ||
| 网络编程 | 网络编程 | 《Python 网络编程(第 3 版)》 |
| 安全 | 安全 | 《Python 黑客攻防入门》 |
今晚的沟通主要是如何快速掌握Python + Excel的处理?
咨询一共分为3个阶段:确定目标、学习计划和结尾答疑。下面是每个阶段的总结和资料:
解决问题才是目的,所以我在这个环节,也推荐了2个软件,我写在这里,你可以去了解一下。
针对这个目标,学习以下内容,可以快速达到实用的水平。
就像学英语一样,无论多着急都要看一遍26个字母,学Python也一样。基础不能跳过,只不过你不是程序员的情况下, 不需要学背后的原理。
下面这套课程,适合你的情况:
这套课重点在于理解基础到底怎么用的,有时间一定要跟着做一遍。
学习这一套课程就可以了:给小白的《50讲Python自动化办公》,视频和配套资料如下:
数据分析是个非常宽泛的方向,你选择从Python + Excel开始,是一个正确的决定!
下面这套课,建议学习2遍:第1遍听懂,第2遍跟着做。
如果学完了还想继续进阶,可以学习下面这套爬虫课程。
这部分的答疑和技术关系不大,不做记录,只补充一点建议:学习Python,也不要耽误太多时间,针对常见问题,会在网上找代码复制粘贴就可以了。
我这里也给你推荐1个AI编程的工具:自动写代码?字节跳动推出AI编程:豆包MarsCode

👉 项目官网:https://www.python-office.com/ 👈
👉 本开源项目的交流群 👈
大家好,这里是程序员晚枫。
今天给大家分享的是:国人在推特买卖个人信息的案件((2024)皖08刑终13号)。
被告人张三为谋取非法利益,通过使用推特(Twitter)软件发布查询、出售公民个人信息广告,将电报(Telegram)聊天软件作为联系方式进行接单,并通过土豆(Potato)软件联系上家,购买他人户籍信息、开房记录、出行信息、银行卡流水、手机定位、手机号码等公民个人信息,出售给他人。
自2021年12月1日至2023年5月29日,违反国家有关规定,非法获取并向他人出售公民个人信息,违法所得147万元以上,属情节特别严重,构成侵犯公民个人信息罪。
最终对张三的判决有:上诉人张三犯侵犯公民个人信息罪,判处有期徒刑四年,并处罚金人民币一百五十万元;继续追缴上诉人张三违法所得人民币一百二十四万元及收益,上缴国库。
《中华人民共和国刑法》
第二百五十三条之一违反国家有关规定,向他人出售或者提供公民个人信息,情节严重的,处三年以下有期徒刑或者拘役,并处或者单处罚金;情节特别严重的,处三年以上七年以下有期徒刑,并处罚金。
违反国家有关规定,将在履行职责或者提供服务过程中获得的公民个人信息,出售或者提供给他人的,依照前款的规定从重处罚。
窃取或者以其他方法非法获取公民个人信息的,依照第一款的规定处罚。
单位犯前三款罪的,对单位判处罚金,并对其直接负责的主管人员和其他直接责任人员,依照各该款的规定处罚。
这一法律规定明确了侵犯公民个人信息的法律后果,旨在保护公民的个人信息安全,防止个人信息被非法获取、使用或泄露。
开了一个免费专栏👉程序员说法:通过分享国内外的互联网犯罪案例,既帮大家规避风险,也是劝人向善。



👉 项目官网:https://www.python-office.com/ 👈
👉 本开源项目的交流群 👈
大家好,这里是程序员晚枫。
我做副业5年多了,目前全网粉丝30w+,2年前实现了副业收入超过主业。有一个副业训练营,带老朋友们做项目一起搞💴,点击查看。
今天给大家分享5点快速启动副业的5个方法,都是撞了南墙之后的总结!
这是我认为最重要的一条,如果5年前有人带我做,我不会走这么多弯路,也会比现在有更大的结果。
找的这个人一定要是有结果的,和你的方向基本匹配的,但不要比你强太多的,最好是领先你2、3年,这样最值得你跟着学习。
价格上我建议不要超过自己5天的工资,你一天200的话,就只看1k以下的。这样你万一找错了人,损失也不会太大。但一旦找对了,你就能节约无数个5天。
很多人把副业想成是不用努力就能获得收入的事情。
真是无比荒诞!
我有时候会分开一些项目给粉丝做,比如最近在分享的:抖音书单号,我把出版社的商单分给你,你做完我来发布,卖出去了给你最低50%的分佣。
因为想参加的人超过50,所以我写了一个文档列出所有的书,并且说明:大家写一下想制作的书 + 交稿日期。
结果呢?视频做的好坏我都可以忍,我接受不了的是:填这表格,都能填的五花八门,见下图,👇
这里说的擦边不是穿的很凉快,而是违法擦边。
灰黑副业是最诱惑人心的,但你什么也学不到,还容易违法乱纪。
轻则封号关停,重则锒铛入狱。
不论副业还是主业,都是通过创造价值来获得合理的报酬。
所以,我一般建议副业尽量和主业相关,这样给别人创造价值容易一些。
如果你的副业和主业无关,你就要做好大量学习的准备。3
不只是专业知识的学习,还要学习如何把自己的价值卖出去。
日更:每天最少更新一篇文章或者视频。
日更,对于自媒体人来说,实在称不上是什么坚持/努力的品质。
如果你想靠自媒体赚钱,这只是一个基本要求,就像你每天都要喝水呼吸一样。
我最近开了一个副业训练营,一年的服务时长,每个月最少带做1个副业项目,直播 + 文档 + 项目群 + 操作指导。
目前是349/年,,感兴趣的朋友可以扫码下图加我,👇

👉 项目官网:https://www.python-office.com/ 👈
👉 本开源项目的交流群 👈
大家好,这里是程序员晚枫,前文回顾👉9月总结。
10月有种涅槃重生的感觉!
干了5年零4个月的程序员,从不会下载编程软件到自动驾驶的开发,我知足了。
从天而降一个同时需要计算机和法律知识,再加上对英语有一些要求的工作,我想去试试。
现在不知道这是不是一个正确的决定,1年后再来写这段经历吧。
接下来我要赶紧参加各种考试了:雅思、法考、行业认证…
这个月增加的项目也不少,说几个深入带做的:豆包推广、书单号的启动、各个操盘手的任务。
这是和字节的一个官方合作,我能拿到公开渠道拿不到的推广激励,这里就不展开说了,有10+位朋友和我一起拿到了收益。
看我视频的朋友都知道,我家里的书都放不下了。这些书全是出版社寄过来让我推广的,所以我这次把书都直接寄给了训练营里能稳定制作视频的朋友们。
他们拿到书以后,制作出视频我来发布,卖出去了一起分佣。
目前一共建了8个操盘手的群,都是1对1提供服务,这个服务的目的:帮助对方打造自己的副业体系,而不是只做我的项目。
比如怎么定位自己的账号、怎么创作自己的付费课程/服务、怎么快速拿到流量?
我在9月开了一个副业训练营,每个月带大家做①个副业项目,帮助大家快速启动副业。其实目前每个月都开了超过3个项目,我都有点担心学员做不过来了。
初衷很简单:
运行了1个多月下来,效果超出我的预期:
感兴趣的朋友还可以继续加入,目前是349/年,直播 + 文档 + 项目群 + 操作指导,感兴趣的朋友可以扫码下图加我,👇

tag:
缺失模块。
1、请确保node版本大于6.2
2、在博客根目录(注意不是yilia根目录)执行以下命令:
npm i hexo-generator-json-content --save
3、在根目录_config.yml里添加配置:
jsonContent:
meta: false
pages: false
posts:
title: true
date: true
path: true
text: false
raw: false
content: false
slug: false
updated: false
comments: false
link: false
permalink: false
excerpt: false
categories: false
tags: true