在python開發(fā)過程中我們會遇到各種異常，有些是python語法錯誤導致的，有些則是不可避免的（比如文件找不到異常）。python異常處理機制能夠幫我們捕獲這些異常，甚至我們可以主動拋出異常，接下來這篇文章我們就來了解一下這些python異常知識點吧。

我們知道numpy庫就是為了矩陣運算而打造的。很多矩陣的操作都可以使用numpy實現(xiàn)，那么numpy矩陣取對角線如何取呢？實際上numpy提供了一個diag函數(shù)來進行取對角線。接下來我們就來了解一下numpy中diag函數(shù)怎么用吧。

在日常生活中我們可能需要批量收集一些圖片內(nèi)的信息（比如從截圖中收集信息），這時候我們可以使用python來進行信息提取。一種可行的方案是使用OpenCV對目標圖片的特定內(nèi)容進行裁剪，然后使用python文字識別的方式獲取裁剪圖片的文字內(nèi)容，最后使用python對這些數(shù)據(jù)進行一個收集整理。那么具體怎么操作呢？接下來這篇文章告訴你。

很多正在進行python機器學習的小伙伴在學習集成學習算法的時候會了解到AdaBoost算法，這是一種自適應增強的算法，今天小編就來介紹一下這個算法的原理和實現(xiàn)。

不管是flask還是Django，他們的實現(xiàn)都是因為python內(nèi)置了http服務（反觀java，為了創(chuàng)建一個web應用還需要使用Tomcat來運行）。python的http服務為flask和Django的實現(xiàn)提供了基礎(chǔ)，但我們要開啟http服務并不一定要使用這些框架，接下來我們就來學習一下python怎么開啟自帶http服務吧。

對于python而言，對象這個概念貫穿整個python學習過程。python對象為何如此重要，因為python中一切皆是對象。接下來我們結(jié)合python源碼進行分析，來對python對象進行一個更深入的學習吧！

對于我們?nèi)粘Ｊ褂玫膯我幌到y(tǒng)而言，數(shù)據(jù)只有一份，不需要考慮數(shù)據(jù)的一致性。但一旦由多個系統(tǒng)組成分布式系統(tǒng)，這時候就要考慮數(shù)據(jù)是否一致了(舉個例子，git作為分布式管理系統(tǒng)，每個人的git代碼并不是都是一樣的，這時候需要用git去把所有的代碼進行整合，同時每個人需要使用git獲取公共的相同的代碼)。那么分布式系統(tǒng)怎么保持數(shù)據(jù)一致性呢？這就要使用到一致性算法，接下來這篇文章我們就對此展開進行介紹。

高斯模糊是一種模糊效果，他將高斯分布應用于圖像處理故而得名高斯模糊。在OpenCV中提供了現(xiàn)成的接口供我們調(diào)用，今天我們就通過OpenCV和python生成隨機高斯模糊圖片，來學習一下高斯模糊怎么操作吧。

不知道有沒有小伙伴看到過for循環(huán)搭配else的寫法？這種寫法是一種比較少見的搭配，他的作用是在循環(huán)結(jié)束后執(zhí)行else的代碼。具體應用呢小編還沒想清楚可以運用在什么地方，小伙伴們看完這篇文章可以思考并給小編留言哦！

我們在學習遞歸的時候很容易因為代碼優(yōu)化不到位導致python棧溢出，其原因是使用遞歸函數(shù)過多，過深的調(diào)用會導致調(diào)用棧溢出。那么python怎么防止棧溢出呢？接下來這篇文章教你如何優(yōu)化代碼避免棧溢出。