pythonioc
Java PK Python
Java是一種面向對象語言，具有許多程序員熟悉的類似於C / C ++的語法。其吸引力和價值所在是其具有的可移植性和相對效率。Java作為一種編譯語言，執行模式與解釋性語言(比如Python和Perl)相比更加以機器為中心。Java不僅僅是一種語言和庫：它也是一個虛擬機，一個生態系統。Java虛擬機(JVM)是運行Java代碼的理想化和攜帶型平台。程序員不必擔心硬體細節，並且不必將代碼移植到新平台，Java承諾「一次寫入，到處編譯(WORA)」。同時，JVM語言有很多，比如Groovy、Clojure、Scala、Python或者Jython。
Python起源於一種腳本語言，它的語法體現了一種可讀性的理念，具有簡單而規則的界限，鼓勵簡潔和一致的代碼布局。Python的參考實現(以C編寫，被稱為CPython)在許多平台上可用，並且是眾多實現中最常用的。Python的動態類型有助於代碼簡化和組合，是許多平台的解釋性語言，成為眾多程序員編程首選的攜帶型選項。Python是圍繞可擴展對象模型構建的通用語言。其面向對象的核心並不意味著對象定向是開發人員在用Python編程時最常用的方式。它支持程序化編程，模塊化編程和部分函數式編程。
Java PK Python之一：速度
在網路I / O成本或資料庫訪問佔主導地位的情況下，語言的具體效率不如技術選擇和設計方面的整體效率重要。Java和Python都不適合高性能計算，但在性能上，Java還是略勝一籌。雖然一些Python實現(如PyPy)可以針對性能進行微調，但原始的攜帶型性能Python不佔優勢。
Java的效率優勢體現在虛擬機執行。程序執行時，JVM可以將位元組碼轉換為本地機器碼。這種即時(JIT)編譯讓Java的性能略勝Python。Java從其第一個公開版本起就支持並發，而Python則是按序執行。在當前多核處理的趨勢下，Java代碼更易實現。
Java PK Python之二：實用敏捷性
漫長的發展中，Java和Python都受益匪淺。Java通常被認為與敏捷開發及其社區有更密切的聯系。Python在敏捷領域一直存在，並且受到諸多原因的影響而更加普及，包括DevOps運動的興起。
Java比Python具備更一致的重構支持，一方面，它的靜態類型使自動化重構更可預測和可靠，另一方面是Java開發中IDE(例如IntelliJ，Eclipse和NetBeans)的普及。Python的動態類型在代碼中鼓勵使用不同類型的敏捷性，其重點在於簡潔和流動。然而，Pythonic文化傾向於多種編輯器，而不是基於IDE，這意味著對強自動重構的支持較低。
JUnit的早期知名度及其與測試驅動開發(TDD)的關聯意味著，在所有語言中，Java可能是唯一一個單元測試受到程序員一致歡迎的語言。在IDE中自動包含JUnit已經在很大程度上對此有所幫助了。
Python的腳本起源和在其標准庫中包含測試功能意味著Python對現代開發中自動化測試相當重視，盡管它更有可能是集成而不是單元測試。在Java世界中，傳統Java代碼庫可以通過採用另一種JVM語言來加以改善，例如使用Groovy或Clojure進行自動化測試，或者完全跨越Java Universe，例如使用Python來處理系統方面操作 。
Java PK Python之三：架構
圍繞Python Web框架構思的軟體體系架構與Java的不會相差甚遠。Java和Python都有各自的開源社區，並有很多程序員一直在源源不斷的貢獻源代碼，這些代碼已經解決了常見或者不常見的問題，事實上，這兩種語言都因開源社區而受益匪淺。
Java PK Python之四：歷史遺留問題
歷史遺留問題在其技術上具有慣性。當企業選擇了一種編程語言，就很難再次更換。例如，更多的企業項目後端可能會使用Java代碼來擴展其功能，也許可以遷移到更新版本的語言，或者通過其他JVM語言(如Scala和Groovy)添加新功能。Java在企業中的歷史比Python更久，這也是招聘Java程序員的企業比招Python更多的原因。
Java PK Python之五：市場普及度
Java和Python都是TIOBE編程語言排行榜上的前十名，並且是穩穩地佔據前十名。 但Java一直比Python更受歡迎，但是Python的受歡迎程度已經超過了兩種編程語言：Perl和Ruby。
此外，兩種語言在教育中都具有強大的立足點，但Java比Python更常用於大學課程中。
結論
Java和Python都是富有活力的編程語言，這兩種語言與開放性相關聯，所以公司，團隊和程序員在做出決定時最好保持開放的態度。
2. reportlab 怎麼安裝
1. 先安裝pip
a) https://pip.pypa.io/en/latest/installing.html
b) 獲取上面網址的get-pip.py
c) 運行python get-pip.py
d) 安裝完成之後 pip應用程序安裝在C:\Python27\Scripts目錄下，把這個路徑加到path環境變數裡面
e) cmd-》 輸入pip -》可看到命令幫助，表示安裝成功
2. 下載PIL
a) http://www.pythonware.com/procts/pil
b) 下載對應版本的文件
c) Exe文件直接安裝
3. 下載Reporlab包
a) https://pypi.python.org/pypi/reportlab/
b) 取下對應python版本的whl
c) Pip install 上面取下來的文件
3. 大數據培訓到底是培訓什麼
一、基礎部分：JAVA語言 和 LINUX系統
二、數據開發:
1、數據分析與挖掘
一般工作包括數據清洗，執行分析和數據可視化。學習Python、資料庫、網路爬蟲、數據分析與處理等。
大數據培訓一般是指大數據開發培訓。
大數據技術龐大復雜，基礎的技術包含數據的採集、數據預處理、分布式存儲、資料庫、數據倉庫、機器學習、並行計算、可視化等各種技術范疇和不同的技術層面。
2、大數據開發
數據工程師建設和優化系統。學習hadoop、spark、storm、超大集群調優、機器學習、Docker容器引擎、ElasticSearch、並發編程等；
課程學習一共分為六個階段：
7
4. 我說spring簡直就是忽悠人的
首先，我要否定樓主片面的判斷。。。雖然我也惡心java，也惡心spring。
依賴注入什麼的確實惡心，不是方式惡心，而是名詞惡心，其實這和翻譯者有關，我認為不是所有的東西都有必要翻譯成中文，因為好多翻譯完了更不明白了，還沒完沒了的記憶那麼多詞彙，還得強行腦補。。。
我惡心java不是有兩個原因，1是太墨跡了，比較臃腫，不簡潔，不過也許看習慣就好了吧。2是當年的java，一彈出java那個窗口我就腦袋疼，512內存的機器基本跑個java程序就不用干什麼了。不過這已經是過去式。
java沒有走下坡路，無論是C還是java都是編程的常青樹。可以上各大權威網站查詢。
spring不是忽悠人的，java也好spring也好，確實都有繁瑣的地方，如果你不是很熟悉他們，還要用他們做一個中小型項目(好多項目連測試都沒有，什麼TDD都是浮雲。。。)，這的確是頭疼的，無用功太多了。這也是為什麼python和php還有市場的原因。但如果你是做一個中大型以上項目的話，那就完全不一樣了。舉個例子，比如你只製造1輛車，手工打造是最好的，不要什麼MQB平台；反之造100W輛車，平台是必須的。
最後，現在我也在轉型學java+spring，工作環境變化導致的。。。學起來確實有點煩，但是會過去的，別人都能學會，我也一定能。勸樓主一句，學無止境，煩躁和抵觸是正常的，熬過去就好了
5. 新手學JAVA都要學哪些知識啊
這樣的問題，我已經回答了很多次，現在很多新手，特別是剛剛進入學生的學生，不知道該從哪裡入手，我整理了一些java的知識點，一共分為一個階段，273個技能點，第一階段、第二階段、第三階段、第四階段是必須要掌握的，第五階段和第六階段就是高薪、高職的保障，就說說想高薪必須得把後面兩個階段的給掌握了，
第一階段：java基本功修煉
1.認識計算機硬體
2.計算機組成原理
3.計算機軟體知識
4.計算機網路知識
5.常用網路應用操作
6.認識計算機病毒
7.邏輯訓練
8.初識Java
9.變數和數據類型
10.選擇結構
11.循環結構for
12.循環結構do-while
13.循環結構while
14.多重循環及程序調試
15.循環進階
16.一維數組及經典應用
17.二維數組
18.認識類與對象
19.方法及方法重載
20.封裝與繼承
21.方法重寫與多態
22.項目實戰-汽車租賃系統
23.抽象類和介面
24.異常
25.項目實戰-QuickHit
26.Java中的集合類型
27.List集合
28.Set集合
29.HashMap集合
30.Iterator
31.Collections演算法類及常用方法
32.enum
33.包裝類及裝箱拆箱
34.String、StringBuffer類常用方法操作字元串
35.Date、Calendar
36.Math類常用方法
37.IO/NIO
38.位元組輸入流(InputStream、FileInputStream、BufferedInputStream)
39.位元組輸出流(OutputStream、FileOutputStream、BufferedOutputStream)
40.字元輸入流(Reader、InputStreamReader、FileReader BufferedReader)
41.位元組輸出流(Writer、OutputStreamWriter、FileWriter、BufferedWriter)
42.文件復制
43.Serialize、Deserialize
44.職場晉升力：四象限時間管理與精力管理
45.多線程(Thread、Runnable)
46.ThreadLifeCycle
47.線程的調度
48.線程的同步和死鎖
49.ThreadPool
50.職場晉升力：團隊合作
51.Socket(TCP、UDP)
52.XML概念、優勢、規范
53.XML中特殊字元的處理
54.使用DOM讀取、添加、刪除、解析 XML數據
第二階段：javaweb開發
55.搭建和配置Mysql資料庫
56.資料庫增、刪、查、改語句
57.事務
58.視圖
59.資料庫備份與恢復
60.資料庫用戶管理
61.資料庫設計
62.項目實戰-銀行ATM存取款機系統
63.走進 HTML和CSS
64.列表表格及表單美化
65.CSS 高級操作
66.Bootstrap
67.CSS 組件
68.JavaScript面向對象
69.JavaScript判斷、循環
70.JavaScript閉包
71.JavaScript語法
72.Bootstrap綜合案例
73.HTML5、CSS3
74.jQuery基礎
75.jQuery基本操作
76.jQuery事件與特效
77.jQuery Ajax
78.jQuery插件
79.搭建Web 環境初識JSP
80.JSP九大內置對象
81.JSP實現數據傳遞和保存
82.JDBC
83.單例模式、工廠模式
84.MVC、三層模式
85.Commons-fileupload、CKEditor
86.分頁查詢
87.EL 與 JSTL
88.Servlet與Filter
89.Listener與MVC
90.Ajax 與 jQuery
91.jQuery的Ajax交互擴展
92.項目實戰—使用Ajax技術改進新聞發布系統
93.反射
94.Linux系統的安裝
95.在Linux中管理目錄和文件
96.在Linux中管理用戶和許可權
97.在Linux伺服器環境下安裝軟體和部署項目
98.職場晉升力：職場溝通
第三階段： 企業級框架開發
99. MyBatis 環境搭建
100. SQL 映射文件
101. 動態SQL
102. MyBatis 框架原理
103.SpringIOC
104.構造注入、依賴注入、註解
105. Spring 整合MyBatis(SqlSessionTemplate、MapperFactoryBean、事務
處理)
106. Spring 數據源(屬性文件、JNDI)、Bean 作用域
107. Spring 框架的運行原理
108.SpringMVC 體系概念
109.SpringMVC 之數據綁定、數據效驗、
110.SpringMVC 之視圖及視圖解析
111.SpringMVC 之文件上傳、本地化解析
112.SpringMVC 之靜態資源處理、請求攔截器、異常處理
113.Oracle資料庫環境搭建、安裝
114.Oracle資料庫 SQL、分頁、備份、還原
115.Hibernate 概念、依賴
116.HQL查詢語言
117.Hibernate 中配置關聯映射
118.HQL連接查詢與 Hibernate註解
119.Struts2概念、依賴
120.Struts2配置
121.OGNL表達式
122.Struts2攔截器
123.SSH框架整合
124.使用Maven構建項目
125.使用Struts2實現Ajax
126.Jsoup網路爬蟲
127.多線程網路爬蟲
128.反爬及反反爬策略
129.通用爬蟲設計
130.Echart圖表分析
131.IKAnalyzer分詞
132.企業框架項目實戰-代理商管理系統
133.企業框架項目實戰-SL 會員商城
134.企業框架項目實戰-會員管理系統
135.企業框架項目實戰-互聯網招聘信息採集分析平台
第四階段： 前後端分離開發
136.GitHub
137.Git基礎(checkout、pull、commit、push、merge等)
138.Git進階(多分支協作)
139.GitLab
140.IDEA的使用
141.Maven介紹(概念、倉庫、構建、命令)
142.使用Maven構建WEB項目
143.使用Maven構建多模塊項目
144.使用Maven搭建私服倉庫
145.Scrum框架介紹(三個角色、三個工件、四個會議)
146.ScrumTeam組建團隊
147.產品需求和用戶故事
148.每日立會
149.使用敏捷-Scrum方式開發管理實戰
150.前後端分離、分布式集群架構、垂直架構
151.SSM（SpringMVC+Spring+MyBatis）整合實戰
152.Git、Maven私服Nexus
153.第三方接入技術（微信、阿里）
154.MySQL電商實戰
155.Redis（緩存服務）
156.搜索引擎-Solr
157.集成APIDoc工具-Swagger
158.圖片自動化處理：Tengine+LUA+GraphicsMagic
159.手機、郵箱注冊
160.單點登錄 Token
161.OAuth2.0認證
162.Jsoup網路爬蟲(多線程爬蟲/代理 IP爬蟲)
163.ExecutorService線程池
164.IK中文分詞
165.Postman
166.ReactJS
167.webpack
168.職場晉升力：簡歷撰寫
169.程序猿面試寶典之項目面試
170.大型互聯網旅遊電商項目實戰-愛旅行
第五階段： 分布式微服架構開發
171.SpringBoot環境搭建
172.SpringBoot常用技能
173.SpringBoot整合Redis
174.SpringBoot整合Mybatis
175.微服務架構及架構設計
176.消息隊列
ActiveMQRabbitMQ
177.分布式事務
178.分布式鎖 Redis-setnx
179.Zookeeper注冊中心
180.基於 ActiveMQ實現高並發
181.Docker環境搭建
182.Docker鏡像加速
183.Docker容器管理
184.Docker鏡像管理
185.Docker容器文件備份
186.Dockerfile
187.Docker私服倉庫
188.真實互聯網高並發電商項目實戰-雙十一搶購
189.可視化監控 Portainer
190.DockerCompose 容器編排
191.DockerCompose擴容、縮容
192.DockerSwarm集群編排
193.Jenkins安裝、插件配置
194.Jenkins配置普通任務
195.Jenkins配置管道任務
196.Jenkins自動發布服務
197.Spring CloudEureka
198.Spring CloudFeign
199.Spring CloudRibbon
200.Spring CloudZuul
201.Spring CloudConfig
202.Spring CloudHystrix
203.Spring CloudSleuth
204.Spring BootAdmin
205.Eureka注冊原理探秘
206.SpringCloud 大坑解讀
207.Zipkin
208.Zipkin整合RabbitMQ
209.Zipkin整合MySQL
210.ELK日誌收集
211.Kafka
212.Elasticsearch映射管理
213.Elasticsearch查詢/復合查詢
214.Elasticsearch集群/集群規劃
215.Elasticsearch聚合
216.Elasticsearch集群監控
217.Elasticsearch插件
(Head/BigDesk)
218.Mycat讀寫分離
219.Mycat一主多從
220.Mycat多主多從
221.Mycat數據分片
222.Redis
223.Redis-Redlock
224.Elasticsearch環境搭建
225.Elasticsearch客戶端
226.Elasticsearch索引管理
227.Elasticsearch文檔管理
228.Mycat集群
229.Jmeter 並發測試
230.Jmeter 生成測試報告
231.微信登錄
232.微信支付
233.支付寶支付
234.網路地圖
235.Sonar本地檢測
236.Sonar+Jenkins線上檢測
237.CI/CD
238.SpringBoot改造愛旅行項目實戰
239.大型互聯網票務類電商項目實戰-大覓網
240.ES6概念(les、const)
241.ES6對象和數組
242.ES6函數擴展
243.VUE環境搭建
244.VUE.JS指令
245.VUE 交互
246.VUE 實例生命周期
247.VUE 組件
248.VUE項目環境配置及單文件組件
249.VUE 路由
第六階段：cc服務
250. Spring Cloud Gateway
251. Consul
252. Nacos
253. Eureka、Consu、lNacos、Zookeeper 對比分析
254. Prometheus + Grafana
255. ES 分布式存儲原理
256. NoSQL 資料庫解決方案(Redis、MongoDB)
257. OAuth2.0 認證( authorization code 模式)
258. OAuth2.0 認證( implicit 模式)
259. OAuth2.0 認證( resource owner password credentials 模式)
260.OAuth2.0認證( clientcredentials模式)
261.NAS/FastDFS分布式文件存儲
262.Python基礎
263.Python爬蟲
264. 大數據及 Hadoop 概述
265. 分布式文件系統 HDFS
266. 分布式計算框架MapRece
267. 分布式列式資料庫 HBase
268. Hadoop 綜合應用
269. 面試大局觀
270. 職業規劃
271. 項目面試
272. 具體業務場景化解決方案
273. 更多技術專題持續增加中
6. 為什麼在python中是ioc / di不常見
1. 其實我不認為直接投資/ IoC是在Python。什麼是卻是直接投資/ IoC。
想想看：什麼是一個DI容器呢？它可以讓你
連線連成應用程序...
...在
我們有「接線合」及「
腳本
動態
所以，一個DI容器不過是一個解釋的動態腳本語言。實際上，另一種方式是：一個典型的Java / .NET的DI容器不過是一個蹩腳的解釋器一個非常糟糕的動態腳本語言與對接醜陋，往往基於XML的語法。
當你在Python程序，你為什麼會想要一個醜陋的，壞的腳本語言，當你有一個美麗的 CodeGo.net，輝煌的腳本語言在您的處置？其實，這是一個更普遍的問題：當您在幾乎任何語言進行編程，為什麼你想，當你有Jython和IronPython的在您的處置一個醜陋的，壞的腳本語言？
因此，要概括一下：DI / IOC的做法是一樣重要的在Python中，因為它是在Java中，對於完全相同的原因。該DI / IOC的但是，是建立在語言和經常如此輕巧的消失。 （這里有一個比喻：在組裝，子程序調用是一個相當大的交易-你要保存你的局部變數和寄存器保存返回地址的指令指針更改為你所呼叫的子程序，安排它跳回你的子程序當它完成時，把那裡的被叫方可以找到他們，等IOW：在組裝，「子程序調用」是一種設計模式，和之前有類似的Fortran語言，其中有建於子程序調用，人們建立自己的自己的「子程序你會說，子程序調用是」在Python中，只是你不'子程序
BTW：對於什麼樣子採取DI其邏輯的例子來看看吉rad的Bracha的新話編程語言以及他的著作的主題：
構造函數是有害的
注入死刑
禁止對導入（續）
2.
部分原因是模塊系統工作在Python的方式。你可以得到一種「單身」free的，只是從一個模塊中導入它。定義一個對象的實際實例中的一個模塊，然後任何客戶端端代碼可以導入並真正得到一個工作，全面構建/填充對象。
這是相對於Java的，在那裡你不導入對象的實際情況。你總是有自己實例化它們，（排序的IoC / DI樣式的方法）。您可以減輕不必自己所擁有的靜態（或實際工廠類）實例化一切的trouble，但你仍然招致實際創建新的每項資源開銷
3.
使得Django的控制反轉的。例如，資料庫伺服器被選中的配置文件，然後提供相應的資料庫封裝實例的資料庫客戶端端。
不同的是，Python有一流的類型。數據類型，包括類，都是自己的對象。如果你想要一個特定的類，只是這個類。例如：
if config_dbms_name == 'postgresql':
import psycopg
self.database_interface = psycopg
elif config_dbms_name == 'mysql':
...
再後來的代碼可以通過書面表單創建一個資料庫介面：
my_db_connection = self.database_interface()
# Do stuff with database.
取而代之的樣板工廠的函數，Java和C ++的需要，Python做它與普通的代碼一行或兩行。這是函數性命令式編程的力量。
4.
在我看來，這樣的事情依賴注入是一個剛性的，當代碼過於沉重的主體輕易改變，你會發現自己不得不挑了小部分，定義介面為他們，然後讓人們改變行為症狀通過該插入這些介面的對象。這一切都很好，但最好避免在首位那種。
這也是一個靜態類型語言的症狀。當你要表達抽象的唯一工具是繼承，那麼這就是幾乎什麼無處不在。話雖如此，C ++是非常類似的，但從來沒有拿起迷戀建設者和介面無處不在的Java開發人員做了。這是很容易得到過度旺盛能夠以靈活且可擴展的，很少真正的好處寫了太多的通用代碼的成本的夢想。我認為這是一個文化的東西。
通常情況下，我認為Python的人來選擇合適的工具來完成工作，這是一個連貫的和簡單的整體，而不是一個真正的工具（一個可能的插件），可以做什麼，但提供了可能的配置排列讓人眼花繚亂。還是有可互換的零件在必要時，但不需要定義固定介面，由於鴨打字和語言的相對簡單的靈活性大表單主義。
5.
避風港'的Python在好幾年，但我會說，它更多的是與它是一個動態類型的語言比什麼都重要。舉個簡單的例子，在Java中，如果我想測試寫信給標准輸出適當地我DI和傳遞任何的PrintStream捕捉寫入的文字並進行驗證。當我在Ruby中我的工作，但是，我可以動態替換「看跌期權」的方法在標准輸出做驗證，留出來的圖片。如果我創建一個抽象的唯一原因是測試類，「它（認為文件系統操作或Java中的時鍾），那麼直接投資/ IoC創建的解決方案。
6.
我回來「約爾格・W米塔格」回答：「DI / IOC的Python是如此輕巧的消失」。
要備份此看一看在Martin Fowler的例子移植從Java到Python：Python的：Design_Patterns：Inversion_of_Control
正如您可以從上面的鏈接，一個「容器」在Python中看到可以寫成8行代碼：
class Container:
def __init__(self, system_data):
for component_name, component_class, component_args in system_data:
if type(component_class) == types.ClassType:
args = [self.__dict__[arg] for arg in component_args]
self.__dict__[component_name] = component_class(*args)
else:
self.__dict__[component_name] = component_class
7.
IoC和ruby，這是我的想法，為什麼它沒有被廣泛流傳
更新：
我不支持那個網站了，鏈接不工作，但可以在這里閱讀
8.
其實，這是很容易寫出足夠干凈的代碼與DI（我不知道，會不會被/ Python的停留，然後，但無論如何:)），例如我其實perefer這樣編碼：
def polite(name_str):
return "dear " + name_str
def rude(a):
return name_str + ", you, moron"
def greet(name_str, call=polite):
print "Hello, " + call(name_str) + "!"
_
>>greet("Peter")
Hello, dear Peter!
>>greet("Jack", rude)
Hello, Jack, you, moron!
是的，這可以看作是函數/類只是一個簡單的表單，但它確實工作。所以，也許Python的默認附帶的電池足夠在這里了。
P.S.我也貼這種幼稚的做法一個更大的示例在動態評估在Python簡單的布爾邏輯。