pythonioc
Java PK Python
Java是一种面向对象语言，具有许多程序员熟悉的类似于C / C ++的语法。其吸引力和价值所在是其具有的可移植性和相对效率。Java作为一种编译语言，执行模式与解释性语言(比如Python和Perl)相比更加以机器为中心。Java不仅仅是一种语言和库：它也是一个虚拟机，一个生态系统。Java虚拟机(JVM)是运行Java代码的理想化和便携式平台。程序员不必担心硬件细节，并且不必将代码移植到新平台，Java承诺“一次写入，到处编译(WORA)”。同时，JVM语言有很多，比如Groovy、Clojure、Scala、Python或者Jython。
Python起源于一种脚本语言，它的语法体现了一种可读性的理念，具有简单而规则的界限，鼓励简洁和一致的代码布局。Python的参考实现(以C编写，被称为CPython)在许多平台上可用，并且是众多实现中最常用的。Python的动态类型有助于代码简化和组合，是许多平台的解释性语言，成为众多程序员编程首选的便携式选项。Python是围绕可扩展对象模型构建的通用语言。其面向对象的核心并不意味着对象定向是开发人员在用Python编程时最常用的方式。它支持程序化编程，模块化编程和部分函数式编程。
Java PK Python之一：速度
在网络I / O成本或数据库访问占主导地位的情况下，语言的具体效率不如技术选择和设计方面的整体效率重要。Java和Python都不适合高性能计算，但在性能上，Java还是略胜一筹。虽然一些Python实现(如PyPy)可以针对性能进行微调，但原始的便携式性能Python不占优势。
Java的效率优势体现在虚拟机执行。程序执行时，JVM可以将字节码转换为本地机器码。这种即时(JIT)编译让Java的性能略胜Python。Java从其第一个公开版本起就支持并发，而Python则是按序执行。在当前多核处理的趋势下，Java代码更易实现。
Java PK Python之二：实用敏捷性
漫长的发展中，Java和Python都受益匪浅。Java通常被认为与敏捷开发及其社区有更密切的联系。Python在敏捷领域一直存在，并且受到诸多原因的影响而更加普及，包括DevOps运动的兴起。
Java比Python具备更一致的重构支持，一方面，它的静态类型使自动化重构更可预测和可靠，另一方面是Java开发中IDE(例如IntelliJ，Eclipse和NetBeans)的普及。Python的动态类型在代码中鼓励使用不同类型的敏捷性，其重点在于简洁和流动。然而，Pythonic文化倾向于多种编辑器，而不是基于IDE，这意味着对强自动重构的支持较低。
JUnit的早期知名度及其与测试驱动开发(TDD)的关联意味着，在所有语言中，Java可能是唯一一个单元测试受到程序员一致欢迎的语言。在IDE中自动包含JUnit已经在很大程度上对此有所帮助了。
Python的脚本起源和在其标准库中包含测试功能意味着Python对现代开发中自动化测试相当重视，尽管它更有可能是集成而不是单元测试。在Java世界中，传统Java代码库可以通过采用另一种JVM语言来加以改善，例如使用Groovy或Clojure进行自动化测试，或者完全跨越Java Universe，例如使用Python来处理系统方面操作 。
Java PK Python之三：架构
围绕Python Web框架构思的软件体系架构与Java的不会相差甚远。Java和Python都有各自的开源社区，并有很多程序员一直在源源不断的贡献源代码，这些代码已经解决了常见或者不常见的问题，事实上，这两种语言都因开源社区而受益匪浅。
Java PK Python之四：历史遗留问题
历史遗留问题在其技术上具有惯性。当企业选择了一种编程语言，就很难再次更换。例如，更多的企业项目后端可能会使用Java代码来扩展其功能，也许可以迁移到更新版本的语言，或者通过其他JVM语言(如Scala和Groovy)添加新功能。Java在企业中的历史比Python更久，这也是招聘Java程序员的企业比招Python更多的原因。
Java PK Python之五：市场普及度
Java和Python都是TIOBE编程语言排行榜上的前十名，并且是稳稳地占据前十名。 但Java一直比Python更受欢迎，但是Python的受欢迎程度已经超过了两种编程语言：Perl和Ruby。
此外，两种语言在教育中都具有强大的立足点，但Java比Python更常用于大学课程中。
结论
Java和Python都是富有活力的编程语言，这两种语言与开放性相关联，所以公司，团队和程序员在做出决定时最好保持开放的态度。
2. reportlab 怎么安装
1. 先安装pip
a) https://pip.pypa.io/en/latest/installing.html
b) 获取上面网址的get-pip.py
c) 运行python get-pip.py
d) 安装完成之后 pip应用程序安装在C:\Python27\Scripts目录下，把这个路径加到path环境变量里面
e) cmd-》 输入pip -》可看到命令帮助，表示安装成功
2. 下载PIL
a) http://www.pythonware.com/procts/pil
b) 下载对应版本的文件
c) Exe文件直接安装
3. 下载Reporlab包
a) https://pypi.python.org/pypi/reportlab/
b) 取下对应python版本的whl
c) Pip install 上面取下来的文件
3. 大数据培训到底是培训什么
一、基础部分：JAVA语言 和 LINUX系统
二、数据开发:
1、数据分析与挖掘
一般工作包括数据清洗，执行分析和数据可视化。学习Python、数据库、网络爬虫、数据分析与处理等。
大数据培训一般是指大数据开发培训。
大数据技术庞大复杂，基础的技术包含数据的采集、数据预处理、分布式存储、数据库、数据仓库、机器学习、并行计算、可视化等各种技术范畴和不同的技术层面。
2、大数据开发
数据工程师建设和优化系统。学习hadoop、spark、storm、超大集群调优、机器学习、Docker容器引擎、ElasticSearch、并发编程等；
课程学习一共分为六个阶段：
7
4. 我说spring简直就是忽悠人的
首先，我要否定楼主片面的判断。。。虽然我也恶心java，也恶心spring。
依赖注入什么的确实恶心，不是方式恶心，而是名词恶心，其实这和翻译者有关，我认为不是所有的东西都有必要翻译成中文，因为好多翻译完了更不明白了，还没完没了的记忆那么多词汇，还得强行脑补。。。
我恶心java不是有两个原因，1是太墨迹了，比较臃肿，不简洁，不过也许看习惯就好了吧。2是当年的java，一弹出java那个窗口我就脑袋疼，512内存的机器基本跑个java程序就不用干什么了。不过这已经是过去式。
java没有走下坡路，无论是C还是java都是编程的常青树。可以上各大权威网站查询。
spring不是忽悠人的，java也好spring也好，确实都有繁琐的地方，如果你不是很熟悉他们，还要用他们做一个中小型项目(好多项目连测试都没有，什么TDD都是浮云。。。)，这的确是头疼的，无用功太多了。这也是为什么python和php还有市场的原因。但如果你是做一个中大型以上项目的话，那就完全不一样了。举个例子，比如你只制造1辆车，手工打造是最好的，不要什么MQB平台；反之造100W辆车，平台是必须的。
最后，现在我也在转型学java+spring，工作环境变化导致的。。。学起来确实有点烦，但是会过去的，别人都能学会，我也一定能。劝楼主一句，学无止境，烦躁和抵触是正常的，熬过去就好了
5. 新手学JAVA都要学哪些知识啊
这样的问题，我已经回答了很多次，现在很多新手，特别是刚刚进入学生的学生，不知道该从哪里入手，我整理了一些java的知识点，一共分为一个阶段，273个技能点，第一阶段、第二阶段、第三阶段、第四阶段是必须要掌握的，第五阶段和第六阶段就是高薪、高职的保障，就说说想高薪必须得把后面两个阶段的给掌握了，
第一阶段：java基本功修炼
1.认识计算机硬件
2.计算机组成原理
3.计算机软件知识
4.计算机网络知识
5.常用网络应用操作
6.认识计算机病毒
7.逻辑训练
8.初识Java
9.变量和数据类型
10.选择结构
11.循环结构for
12.循环结构do-while
13.循环结构while
14.多重循环及程序调试
15.循环进阶
16.一维数组及经典应用
17.二维数组
18.认识类与对象
19.方法及方法重载
20.封装与继承
21.方法重写与多态
22.项目实战-汽车租赁系统
23.抽象类和接口
24.异常
25.项目实战-QuickHit
26.Java中的集合类型
27.List集合
28.Set集合
29.HashMap集合
30.Iterator
31.Collections算法类及常用方法
32.enum
33.包装类及装箱拆箱
34.String、StringBuffer类常用方法操作字符串
35.Date、Calendar
36.Math类常用方法
37.IO/NIO
38.字节输入流(InputStream、FileInputStream、BufferedInputStream)
39.字节输出流(OutputStream、FileOutputStream、BufferedOutputStream)
40.字符输入流(Reader、InputStreamReader、FileReader BufferedReader)
41.字节输出流(Writer、OutputStreamWriter、FileWriter、BufferedWriter)
42.文件复制
43.Serialize、Deserialize
44.职场晋升力：四象限时间管理与精力管理
45.多线程(Thread、Runnable)
46.ThreadLifeCycle
47.线程的调度
48.线程的同步和死锁
49.ThreadPool
50.职场晋升力：团队合作
51.Socket(TCP、UDP)
52.XML概念、优势、规范
53.XML中特殊字符的处理
54.使用DOM读取、添加、删除、解析 XML数据
第二阶段：javaweb开发
55.搭建和配置Mysql数据库
56.数据库增、删、查、改语句
57.事务
58.视图
59.数据库备份与恢复
60.数据库用户管理
61.数据库设计
62.项目实战-银行ATM存取款机系统
63.走进 HTML和CSS
64.列表表格及表单美化
65.CSS 高级操作
66.Bootstrap
67.CSS 组件
68.JavaScript面向对象
69.JavaScript判断、循环
70.JavaScript闭包
71.JavaScript语法
72.Bootstrap综合案例
73.HTML5、CSS3
74.jQuery基础
75.jQuery基本操作
76.jQuery事件与特效
77.jQuery Ajax
78.jQuery插件
79.搭建Web 环境初识JSP
80.JSP九大内置对象
81.JSP实现数据传递和保存
82.JDBC
83.单例模式、工厂模式
84.MVC、三层模式
85.Commons-fileupload、CKEditor
86.分页查询
87.EL 与 JSTL
88.Servlet与Filter
89.Listener与MVC
90.Ajax 与 jQuery
91.jQuery的Ajax交互扩展
92.项目实战—使用Ajax技术改进新闻发布系统
93.反射
94.Linux系统的安装
95.在Linux中管理目录和文件
96.在Linux中管理用户和权限
97.在Linux服务器环境下安装软件和部署项目
98.职场晋升力：职场沟通
第三阶段： 企业级框架开发
99. MyBatis 环境搭建
100. SQL 映射文件
101. 动态SQL
102. MyBatis 框架原理
103.SpringIOC
104.构造注入、依赖注入、注解
105. Spring 整合MyBatis(SqlSessionTemplate、MapperFactoryBean、事务
处理)
106. Spring 数据源(属性文件、JNDI)、Bean 作用域
107. Spring 框架的运行原理
108.SpringMVC 体系概念
109.SpringMVC 之数据绑定、数据效验、
110.SpringMVC 之视图及视图解析
111.SpringMVC 之文件上传、本地化解析
112.SpringMVC 之静态资源处理、请求拦截器、异常处理
113.Oracle数据库环境搭建、安装
114.Oracle数据库 SQL、分页、备份、还原
115.Hibernate 概念、依赖
116.HQL查询语言
117.Hibernate 中配置关联映射
118.HQL连接查询与 Hibernate注解
119.Struts2概念、依赖
120.Struts2配置
121.OGNL表达式
122.Struts2拦截器
123.SSH框架整合
124.使用Maven构建项目
125.使用Struts2实现Ajax
126.Jsoup网络爬虫
127.多线程网络爬虫
128.反爬及反反爬策略
129.通用爬虫设计
130.Echart图表分析
131.IKAnalyzer分词
132.企业框架项目实战-代理商管理系统
133.企业框架项目实战-SL 会员商城
134.企业框架项目实战-会员管理系统
135.企业框架项目实战-互联网招聘信息采集分析平台
第四阶段： 前后端分离开发
136.GitHub
137.Git基础(checkout、pull、commit、push、merge等)
138.Git进阶(多分支协作)
139.GitLab
140.IDEA的使用
141.Maven介绍(概念、仓库、构建、命令)
142.使用Maven构建WEB项目
143.使用Maven构建多模块项目
144.使用Maven搭建私服仓库
145.Scrum框架介绍(三个角色、三个工件、四个会议)
146.ScrumTeam组建团队
147.产品需求和用户故事
148.每日立会
149.使用敏捷-Scrum方式开发管理实战
150.前后端分离、分布式集群架构、垂直架构
151.SSM（SpringMVC+Spring+MyBatis）整合实战
152.Git、Maven私服Nexus
153.第三方接入技术（微信、阿里）
154.MySQL电商实战
155.Redis（缓存服务）
156.搜索引擎-Solr
157.集成APIDoc工具-Swagger
158.图片自动化处理：Tengine+LUA+GraphicsMagic
159.手机、邮箱注册
160.单点登录 Token
161.OAuth2.0认证
162.Jsoup网络爬虫(多线程爬虫/代理 IP爬虫)
163.ExecutorService线程池
164.IK中文分词
165.Postman
166.ReactJS
167.webpack
168.职场晋升力：简历撰写
169.程序猿面试宝典之项目面试
170.大型互联网旅游电商项目实战-爱旅行
第五阶段： 分布式微服架构开发
171.SpringBoot环境搭建
172.SpringBoot常用技能
173.SpringBoot整合Redis
174.SpringBoot整合Mybatis
175.微服务架构及架构设计
176.消息队列
ActiveMQRabbitMQ
177.分布式事务
178.分布式锁 Redis-setnx
179.Zookeeper注册中心
180.基于 ActiveMQ实现高并发
181.Docker环境搭建
182.Docker镜像加速
183.Docker容器管理
184.Docker镜像管理
185.Docker容器文件备份
186.Dockerfile
187.Docker私服仓库
188.真实互联网高并发电商项目实战-双十一抢购
189.可视化监控 Portainer
190.DockerCompose 容器编排
191.DockerCompose扩容、缩容
192.DockerSwarm集群编排
193.Jenkins安装、插件配置
194.Jenkins配置普通任务
195.Jenkins配置管道任务
196.Jenkins自动发布服务
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注册原理探秘
206.SpringCloud 大坑解读
207.Zipkin
208.Zipkin整合RabbitMQ
209.Zipkin整合MySQL
210.ELK日志收集
211.Kafka
212.Elasticsearch映射管理
213.Elasticsearch查询/复合查询
214.Elasticsearch集群/集群规划
215.Elasticsearch聚合
216.Elasticsearch集群监控
217.Elasticsearch插件
(Head/BigDesk)
218.Mycat读写分离
219.Mycat一主多从
220.Mycat多主多从
221.Mycat数据分片
222.Redis
223.Redis-Redlock
224.Elasticsearch环境搭建
225.Elasticsearch客户端
226.Elasticsearch索引管理
227.Elasticsearch文档管理
228.Mycat集群
229.Jmeter 并发测试
230.Jmeter 生成测试报告
231.微信登录
232.微信支付
233.支付宝支付
234.网络地图
235.Sonar本地检测
236.Sonar+Jenkins线上检测
237.CI/CD
238.SpringBoot改造爱旅行项目实战
239.大型互联网票务类电商项目实战-大觅网
240.ES6概念(les、const)
241.ES6对象和数组
242.ES6函数扩展
243.VUE环境搭建
244.VUE.JS指令
245.VUE 交互
246.VUE 实例生命周期
247.VUE 组件
248.VUE项目环境配置及单文件组件
249.VUE 路由
第六阶段：cc服务
250. Spring Cloud Gateway
251. Consul
252. Nacos
253. Eureka、Consu、lNacos、Zookeeper 对比分析
254. Prometheus + Grafana
255. ES 分布式存储原理
256. NoSQL 数据库解决方案(Redis、MongoDB)
257. OAuth2.0 认证( authorization code 模式)
258. OAuth2.0 认证( implicit 模式)
259. OAuth2.0 认证( resource owner password credentials 模式)
260.OAuth2.0认证( clientcredentials模式)
261.NAS/FastDFS分布式文件存储
262.Python基础
263.Python爬虫
264. 大数据及 Hadoop 概述
265. 分布式文件系统 HDFS
266. 分布式计算框架MapRece
267. 分布式列式数据库 HBase
268. Hadoop 综合应用
269. 面试大局观
270. 职业规划
271. 项目面试
272. 具体业务场景化解决方案
273. 更多技术专题持续增加中
6. 为什么在python中是ioc / di不常见
1. 其实我不认为直接投资/ IoC是在Python。什么是却是直接投资/ IoC。
想想看：什么是一个DI容器呢？它可以让你
连线连成应用程序...
...在
我们有“接线合”及“
脚本
动态
所以，一个DI容器不过是一个解释的动态脚本语言。实际上，另一种方式是：一个典型的Java / .NET的DI容器不过是一个蹩脚的解释器一个非常糟糕的动态脚本语言与对接丑陋，往往基于XML的语法。
当你在Python程序，你为什么会想要一个丑陋的，坏的脚本语言，当你有一个美丽的 CodeGo.net，辉煌的脚本语言在您的处置？其实，这是一个更普遍的问题：当您在几乎任何语言进行编程，为什么你想，当你有Jython和IronPython的在您的处置一个丑陋的，坏的脚本语言？
因此，要概括一下：DI / IOC的做法是一样重要的在Python中，因为它是在Java中，对于完全相同的原因。该DI / IOC的但是，是建立在语言和经常如此轻巧的消失。 （这里有一个比喻：在组装，子程序调用是一个相当大的交易-你要保存你的局部变量和寄存器保存返回地址的指令指针更改为你所呼叫的子程序，安排它跳回你的子程序当它完成时，把那里的被叫方可以找到他们，等IOW：在组装，“子程序调用”是一种设计模式，和之前有类似的Fortran语言，其中有建于子程序调用，人们建立自己的自己的“子程序你会说，子程序调用是”在Python中，只是你不'子程序
BTW：对于什么样子采取DI其逻辑的例子来看看吉rad的Bracha的新话编程语言以及他的着作的主题：
构造函数是有害的
注入死刑
禁止对导入（续）
2.
部分原因是模块系统工作在Python的方式。你可以得到一种“单身”free的，只是从一个模块中导入它。定义一个对象的实际实例中的一个模块，然后任何客户端端代码可以导入并真正得到一个工作，全面构建/填充对象。
这是相对于Java的，在那里你不导入对象的实际情况。你总是有自己实例化它们，（排序的IoC / DI样式的方法）。您可以减轻不必自己所拥有的静态（或实际工厂类）实例化一切的trouble，但你仍然招致实际创建新的每项资源开销
3.
使得Django的控制反转的。例如，数据库服务器被选中的配置文件，然后提供相应的数据库封装实例的数据库客户端端。
不同的是，Python有一流的类型。数据类型，包括类，都是自己的对象。如果你想要一个特定的类，只是这个类。例如：
if config_dbms_name == 'postgresql':
import psycopg
self.database_interface = psycopg
elif config_dbms_name == 'mysql':
...
再后来的代码可以通过书面表单创建一个数据库接口：
my_db_connection = self.database_interface()
# Do stuff with database.
取而代之的样板工厂的函数，Java和C ++的需要，Python做它与普通的代码一行或两行。这是函数性命令式编程的力量。
4.
在我看来，这样的事情依赖注入是一个刚性的，当代码过于沉重的主体轻易改变，你会发现自己不得不挑了小部分，定义接口为他们，然后让人们改变行为症状通过该插入这些接口的对象。这一切都很好，但最好避免在首位那种。
这也是一个静态类型语言的症状。当你要表达抽象的唯一工具是继承，那么这就是几乎什么无处不在。话虽如此，C ++是非常类似的，但从来没有拿起迷恋建设者和接口无处不在的Java开发人员做了。这是很容易得到过度旺盛能够以灵活且可扩展的，很少真正的好处写了太多的通用代码的成本的梦想。我认为这是一个文化的东西。
通常情况下，我认为Python的人来选择合适的工具来完成工作，这是一个连贯的和简单的整体，而不是一个真正的工具（一个可能的插件），可以做什么，但提供了可能的配置排列让人眼花缭乱。还是有可互换的零件在必要时，但不需要定义固定接口，由于鸭打字和语言的相对简单的灵活性大表单主义。
5.
避风港'的Python在好几年，但我会说，它更多的是与它是一个动态类型的语言比什么都重要。举个简单的例子，在Java中，如果我想测试写信给标准输出适当地我DI和传递任何的PrintStream捕捉写入的文字并进行验证。当我在Ruby中我的工作，但是，我可以动态替换“看跌期权”的方法在标准输出做验证，留出来的图片。如果我创建一个抽象的唯一原因是测试类，“它（认为文件系统操作或Java中的时钟），那么直接投资/ IoC创建的解决方案。
6.
我回来“约尔格・W米塔格”回答：“DI / IOC的Python是如此轻巧的消失”。
要备份此看一看在Martin Fowler的例子移植从Java到Python：Python的：Design_Patterns：Inversion_of_Control
正如您可以从上面的链接，一个“容器”在Python中看到可以写成8行代码：
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，这是我的想法，为什么它没有被广泛流传
更新：
我不支持那个网站了，链接不工作，但可以在这里阅读
8.
其实，这是很容易写出足够干净的代码与DI（我不知道，会不会被/ Python的停留，然后，但无论如何:)），例如我其实perefer这样编码：
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，这可以看作是函数/类只是一个简单的表单，但它确实工作。所以，也许Python的默认附带的电池足够在这里了。
P.S.我也贴这种幼稚的做法一个更大的示例在动态评估在Python简单的布尔逻辑。