我之前完成了一个项目，这开展第二个项目的过程中发现，由于两个项目有一些功能是重复了，所以可以借用第一个项目的函数或者模块。那么就有了这个问题，怎么安排多个python项目都用到的函数或者模块？我想到了一下几种可能都解决方案，并且选择了一个适合我自己都方案。
答案： 把共用的函数和模块抽取独立出来，组建一个新的第三方模块，这样2个项目都可以调用了。
再问：如何组建第三方模块？
答案：一种就是直接打包发布到pypi，作为共有包，然后其他项目都可以流畅地下载。第二种就是把共有的模块放到一个文件夹，加一个__init__.py文件组成本地的包然后其他项目每次调用这个包的时候都要事先指定一下路径。第一种的缺点就是打包发布比较麻烦，而且你的几个项目引用了这个自定义包之后别人还得学习你这个包的内容（？），第二种的缺点就是两个项目发布之前必须把本地的包想办法一同集成一下再发布，不然你指定的路径别人下载之后没法用。而且自己本地的代码其实也是偶尔会改变路径的，比如不同服务器啊什么的。所以最终我个人选择第一种方法，一方面联系，熟悉pypi发布包的流程，规范化自己的代码。另一方面一次放不之后保证其他项目调用的绝对是同一个文件，避免同步问题。
我之前完成了一个项目，这开展第二个项目的过程中发现，由于两个项目有一些功能是重复了，所以可以借用第一个项目的函数或者模块。那么就有了这个问题，怎么安排多个python项目都用到的函数或者模块？我想到了一下几种可能都解决方案，并且选择了一个适合我自己都方案。答案： 把共用的函数和模块抽取独立出来，组建一个新的第三方模块，这样2个项目都可以调用了。再问：如何组建第三方模块？答案：一种就是直接打包发布到pypi，作为共有包，然后其他项目都可以流畅地下载。第二种就是把共有的模块放到一个文件夹，加一个__ini
随机数可以用于数学，游戏，安全等领域中，还经常被嵌入到算法中，用以提高算法效率，并提高程序的安全性。平时数据分析各种分布的数据构造也会
用到
。
random
模块
，用于生成伪随机数，之所以称之为伪随机数，是因为真正意义上的随机数（或者随机事件）在某次产生过程中是按照实验过程中表现的分布概率随机产生的，其结果是不可预测的，是不可见的。而计算机中的随机
函数
是按照一定算法模拟产生的，对于正常随机而言，会出现某个事情出现多次的情况。
但是伪随机在事情触发前设定好，就是这个十个事件各发生一次，只不过顺序不同而已。现在MP3的随机列表就是用的伪随机，把要播放的歌曲打乱顺序，生成一个随机列
在数学之中，除了加减乘除四则运算之外——这是小学数学——还有其它更多的运算，比如乘方、开方、对数运算等等，要实现这些运算，需要
用到
Python
中的一个
模块
：Math
模块
(module)是
Python
中非常重要的东西，你可以把它理解为
Python
的扩展工具。换言之，
Python
默认情况下提供了一些可用的东西，但是这些默认情况下提供的还远远不能满足编程实践的需要，于是就有人专门制作了另外一些工具。这些工具被称之为“
模块
”
任何一个
Python
er 都可以编写
模块
，并且把这些
模块
放到网上供他人来使用。
当安装好
Python
之后，就有一些
模块
默认安装了，这个称之为“标准库”，“标
这里我们介绍
模块
。在我看来，
模块
是和
函数
类似的东西，可以把
模块
当成许多
函数
的组合体，用import导入后，就可以使用
模块
中的
函数
。我们在前面文章
用到
的random
模块
，就是一个很好的例子。
Python
之所以会这么火，一方面是它对0基础并且想学编程语言的人很友好，另一方面就是它有很多
模块
，许多人写汇聚而成，人工智能、网络爬虫、人脸识别、大数据分析等等许多的应用都要通过导入不同
模块
，调用一些
函数
来实现的。
当然，
模块
不计其数，我们不可能一个个都学会，我们只要学会怎么调用，怎么导入，怎么看懂别人写的
函数
是干嘛的就行了。
我们安装
Python
时，
Python
的配置文件也会安装，安装好之后也将P
我很早之前就想开发一款app玩玩，无奈对java不够熟悉，之前也没有开发app的经验，因此一直耽搁了。最近想到尝试用
python
开发一款app，google搜索了一番后，发现确实有路可寻，目前也有了一些相对成熟的
模块
，于是便开始了动手实战，过程中发现这其中有很多坑，好在最终依靠google解决了，因此小记一番。
说在前面的话
python
语言虽然很万能，但用它来开发app还是显得有点不对路，因此用
python
开发的app应当是作为编码练习、或者自娱自乐所用，加上目前这方面的
模块
还不是特别成熟，bug比较多，总而言之，劝君莫轻入。
利用
python
开发app需要
用到
python
的一个模
工作中
用到
了MD5值来进行对文件校验，MD5本身就是一个很出色的算法，一定程度上解决了hash散列的冲突，关于MD5的内容网上也有很多，这里只要是进行一个实验，验证一下文件校验方面的工作，因为习惯使用了
python
来完成这样的任务，这里也是使用
python
，了解到
python
本身自带有hashlib
模块
，该
模块
中就包含了所需的MD5方法，当然
python
也有专门的MD5
模块
可以使用，使用得当发的大同小异，但是个人觉得hashlib
模块
更好用一些，今天就使用
python
的os、commands还有hashlib三个
模块
来进行实验，其中，前两个
模块
主要是为了可以在
python
脚本中执行Linux的
在多年写代码的过程中，我总结了不少常用的工具
函数
。这些工具
函数
有的能够实现快速重试网络请求，有的可以把任意格式的时间转成标准格式，还有的可以自动生成正则表达式。
我把这些工具
函数
分别放到
多个
.py文件中。然后把这些.py文件放在一个叫做my_awesome_util的文件夹中。
由于我没有把这些代码上传到Pypi或者Github，因此我每次在新的
项目
中要使用时，都要把my_awesome_util文件夹复制到新的
项目
中，非常麻烦，而且会形成大量的重复代码。
有没有什么办法，能让新开的
项目
直接就能导入这些工具
10.1 PyPi是什么?
PyPi 是
Python
Package Index 的首字母简写，其实表示的是
Python
的 Packag 索引，这个也是
Python
的官方索引。
你需要的包（Package）基本上都可以从这里面找到。作为开源软件，你也希望能够贡献你的 Package 到这里供其他用户使用。我们举个栗子，如果你希望你的
Python
程序能够下载金融数据，目前比较好用的金融数据来源是 Yahoo 和 Google。你可能需要读取这 2 个平台的 API，然后做一个下载部分的代码，
python
在不同层级目录import
模块
的方法
使用
python
进行程序编写时，经常会调用不同目录下的
模块
及
函数
。本篇博客针对常见的
模块
调用讲解导入
模块
的方法。1. 同级目录下的调用目录结构如下：– src
|– mod1.py
|– test1.py若在程序test1.py中导入
模块
mod1, 则直接使用*import mod1*或from mod1 import *;2.
Python
递归
函数
可以使用 def 关键字定义。递归
函数
需要满足两个条件：基本情况和递归情况。
基本情况是指递归
函数
可以直接返回结果，而不需要进一步的递归调用。递归情况是指递归
函数
需要调用自身来解决更小规模的子问题。
以下是一个简单的递归
函数
示例，用于计算阶乘：
```
python
def factorial(n):
if n == 1:
return 1
else:
return n * factorial(n-1)
在这个示例中，基本情况是当 n 等于 1 时返回 1。递归情况是当 n 大于 1 时，调用自身来计算 n-1 的阶乘，并将结果乘以 n。
需要注意的是，递归
函数
需要谨慎使用，因为它可能会导致无限递归，从而导致栈溢出等问题。在使用递归
函数
时，需要确保它会最终收敛到基本情况，否则可能会导致程序崩溃。
Pytorch .numpy(), .item(), .detach(), .cpu(), .cuda(), .tensor(), .as_tensor(), Tensor(), .clone(),
Pytorch .numpy(), .item(), .detach(), .cpu(), .cuda(), .tensor(), .as_tensor(), Tensor(), .clone(),
路遥芝麻粒:
量表：现代医学体系的“工具箱”
programmer_ada:
Python包和模块的区别
111530:
Pytorch .numpy(), .item(), .detach(), .cpu(), .cuda(), .tensor(), .as_tensor(), Tensor(), .clone(),
阿暖 .:
Pytorch .numpy(), .item(), .detach(), .cpu(), .cuda(), .tensor(), .as_tensor(), Tensor(), .clone(),
qq_41902502:
