add translated python weekly #355

Author: ictar

Python Weekly/Python_Weekly_Issue_355.md

@@ -0,0 +1,113 @@
+原文：[Python Weekly - Issue 355 ](http://eepurl.com/dAUipf)
+
+---
+
+欢迎来到Python周刊第 355 期。让我们直奔主题。
+
+---  
+
+# 来自赞助商
+
+[![](https://gallery.mailchimp.com/e2e180baf855ac797ef407fc7/images/b88ddabb-e48c-4fbd-af9a-fe48f8a98690.png)](https://goo.gl/wlxnDm)
+
+使用 Python 进行科学计算、数值分析还是数据科学？获取免费的 [Intel® Distribution for Python*](https://software.seek.intel.com/python-distribution?utm_source=05%2F10%2F18%20Python%20Weekly%20Newsletter&utm_medium=Email&utm_campaign=Python%20Weekly%20newsletter%20May%202018)，内置加速的 NumPy、SciPy 和 scikit-learn，可用于本地代码实现性能加速！更短的计算时间和更快的结果，仅需简单切换到更快的 Python 即可拥有。  
+
+# 文章，教程和讲座
+  
+[使用 Python 进行面部聚类](https://www.pyimagesearch.com/2018/07/09/face-clustering-with-python/)  
+
+本教程介绍了面部聚类，即在未标记的图像集中查找唯一面部的过程。我们使用 OpenCV、Python 和深度学习完成面部聚类和身份识别任务。
+
+[Python 中的字符串和字符数据](https://realpython.com/python-strings/)  
+
+在这篇教程中，你将学习如何使用 Python 丰富的操作符、函数和方法来处理字符串。你将学习如何访问和提取字符串部分字符，并熟悉 Python 3 中操作和修改字符串数据的方法。
+  
+[使用 TensorFlow 和 DLTK 进行生物医学图像分析的介绍](https://medium.com/tensorflow/an-introduction-to-biomedical-image-analysis-with-tensorflow-and-dltk-2c25304e7c13)  
+
+DLTK 是用于医学成像的深度学习工具包，它扩展了 TensorFlow，能够实现生物医学图像的深度学习。它为典型应用提供专业操作和方法、模型实现、教程和代码示例。本文是对生物医学图像深度学习的快速介绍，其中，我们将展示当前工程问题的一些问题和解决方法，并向你展示如何对特定问题启动和运行原型。
+
+[用 Python 进行时间序列分析和预测的端到端项目](https://towardsdatascience.com/an-end-to-end-project-on-time-series-analysis-and-forecasting-with-python-4835e6bf050b)
+
+时间序列分析包括用于分析时间序列数据的方法，以便提取有意义的统计数据和其他数据特征。时间序列预测是使用模型来基于先前观察到的值预测未来值。时间序列广泛应用于非固定数据，例如经济、天气、股票价格和零售价格。我们将演示预测零售销售时间序列的不同方法。让我们开始吧！
+
+[Pandas on Ray - 并行化 Pandas 的早期教训](https://rise.cs.berkeley.edu/blog/pandas-on-ray-early-lessons/)  
+
+在我们上一篇文章中，我们介绍了 Pandas on Ray，以及一些通过仅需一行代码更改来更快地完成 Pandas 工作流程的基础过程。从那时起，我们收到了来自社区的大量反馈，作为回应，我们努力显著改进功能和性能。在这篇文章中，我们将介绍在此过程中学到的一些经验教训，并讨论性能，以及我们计划如何继续改进该库。
+
+[在 Docker Swarm 上运行 Flask](https://testdriven.io/running-flask-on-docker-swarm)  
+
+让我们看看如何在 Digital Ocean 上启动 Docker Swarm 集群，然后配置一个由 Flask 和 Postgres 驱动的微服务，使其在此之上运行。
+
+[Django 开发者的电子商务（Wagtail 教程）](https://snipcart.com/blog/django-ecommerce-tutorial-wagtail-cms)  
+
+应该使用 Django 和其他可用的不同工具来实现电子商务的原因。福利：一个完整的 Wagtail 教程，用于精益、中等的电商设置！包括现场演示和代码仓库。
+  
+[美国职业棒球大联盟中，击球顺序是否重要？模拟方法](http://www.randalolson.com/2018/07/04/does-batting-order-matter-in-major-league-baseball-a-simulation-approach)  
+Randy Olson 使用数据科学来了解美国职业棒球大联盟中，击球顺序是否重要。
+
+[初学者的基本 Pandas Dataframe 教程](https://www.marsja.se/pandas-dataframe-read-csv-excel-subset/)  
+
+在这篇 Pandas 教程中，我们会学习如何使用 Pandas dataframes。更具体地说，我们将学习如何使用 Pandas 读取和写入 Excel（例如，xlsx）和 CSV 文件。我们还将学习如何添加一个列到 Pandas dataframe 对象中，以及如何移除列。最后，我们还将学习如何对 dataframe 进行子集化和分组。
+
+[在 Python 中进行 Serverless 的正确方式（第二部分）](https://read.iopipe.com/the-right-way-to-do-serverless-in-python-part-2-63430131239)  
+
+在第一部分中，我们介绍了 serverless 的基础知识，并开始使用 Serverless 框架。在这篇文章中，我们将介绍一个库，它允许你将任何使用 WSGI 的 web 框架嵌入到 serverless（几乎所有这些）中；然后我们还会看看 AWS 自己的用于创建 web API 的 Python web 框架。
+  
+[了解 Python 的 Dataclasses（第二部分）](https://medium.com/mindorks/understanding-python-dataclasses-part-2-660ecc11c9b8)  
+
+在第一部分，我讨论了新的 dataclasses 的一般用法。本文涉及另一个功能：dataclasses.field。 
+  
+[用 Python 生成随机数据（指南）](https://realpython.com/python-random/)  
+
+你将学习到用 Python 生成随机数据的一些不同方法，然后根据安全级别、多功能性、目的和速度，对它们进行比较。
+  
+[如何为 2018 年更新你的 scikit-learn 代码](https://www.dataschool.io/how-to-update-your-scikit-learn-code-for-2018/)  
+  
+  
+# 好玩的项目，工具和库  
+  
+[GlobaLeaks](https://github.com/globaleaks/GlobaLeaks)  
+
+GlobaLeaks 是开源/免费软件，旨在实现由爱马仕透明度和数字人权中心开发的安全和匿名举报活动。
+  
+[PythonRobotics](https://atsushisakai.github.io/PythonRobotics/)  
+
+用于机器人算法的 Python 示例代码。
+
+[appkernel](https://github.com/accelero-cloud/appkernel)  
+
+一个“献给人类的”漂亮的 Python 框架，让你可以在几分钟内，从零到生产提供一个启用了 REST 的微服务（不是开玩笑哦：几分钟内就是字面上的意思）。
+  
+[wttr.in](https://github.com/chubin/wttr.in)  
+
+查看天气的正确方式。
+
+[word-mesh](https://github.com/mukund109/word-mesh)  
+
+一个保留上下文的词云生成器。
+
+[pgn2gif](https://github.com/dn1z/pgn2gif)  
+
+一个生成国际象棋的 640x640 gif 的小工具。
+  
+[teen](https://github.com/shobrook/teen)  
+
+就像 man pages，但是是用于 HTTP 状态码的。
+
+[django-impersonate-auth](https://github.com/JordanReiter/django-impersonate-auth)  
+
+Django Impersonate Auth 是一个简单的身份验证后端，允许超级用户模拟系统中的常规用户。
+  
+[Switchable-Normalization](https://github.com/switchablenorms/Switchable-Normalization)  
+Switchable Normalization 是一种归一化技术，能够以端到端的方式，学习深度神经网络中不同归一化层的不同归一化操作。
+  
+  
+# 近期活动和网络研讨会  
+  
+[Conda v.s. Pipenv - 一次 Python 包管理工具的较量 - London, UK](https://www.meetup.com/LondonPython/events/252355228/)
+
+在管理 Python 应用依赖的时候，除了 vanilla pip，你还有更多的选择。在这次演讲中，我们涉及了 Python 包管理的两个重量级工具 —— Conda（来自 Continuum Analytics）和 Pipenv（来自 Kenneth Reitz），并通过现场演示和专业挑战，来进行一对一较量。
+
+[PyHou 2018 年 7 月聚会 - Houston, TX](https://www.meetup.com/python-14/events/249879259/)   
+  
+   

Python Weekly/README.md

@@ -113,4 +113,5 @@
 - [Issue 351](./Python_Weekly_Issue_351.md)
 - [Issue 352](./Python_Weekly_Issue_352.md)
 - [Issue 353](./Python_Weekly_Issue_353.md)
-- [Issue 354](./Python_Weekly_Issue_354.md)
+- [Issue 354](./Python_Weekly_Issue_354.md)
+- [Issue 355](./Python_Weekly_Issue_355.md)

SUMMARY.md

@@ -230,6 +230,7 @@
 	- [Issue 352](./Python Weekly/Python_Weekly_Issue_352.md)
 	- [Issue 353](./Python Weekly/Python_Weekly_Issue_353.md)
 	- [Issue 354](./Python Weekly/Python_Weekly_Issue_354.md)
+	- [Issue 355](./Python Weekly/Python_Weekly_Issue_355.md)
 - Pycoder's Weekly    
 	* 中文版：[蟒周刊](http://weekly.pychina.org/)