最新文章

Django再怎麼說也是個網頁後端，在現在前後端分離的趨勢之下，後端主要的功能變成是對資料庫進行請求，並將結果以API的方式提供給前端進行畫面呈現。雖然API也可以手刻，但不力於後續的維護，且安全部分需要考量。 本篇文章將要為您詳述Django的強大套件rest_framework功能與使用方式，讓這個Django後端的功能完整！

將更精進於修改Django admin的Html、CSS等檔案，使後台外觀能以我們想要的樣子呈現！我們採用修改html的方式，來修改標題列，當然前面所設定的site_header、index_title、site_title也不需要刪除，兩者並不衝突。在資料夾`templates`當中建立一個新的資料夾`admin`，並在資料夾內建立一個檔案`base_site.html`，而後再`base_site.html`內加入以下內容：

但Django最吸引人的後台功能因為過於豐富，且必須搭配資料庫才能凸顯其特性 因為我們還沒對後台進行設定，因此接下來在本篇文章中將要詳細解釋如何使用此後台，且與資料庫(本文使用預設的Sqlite資料庫)之間的關係 時相信您已經發現有一個預設的路由 admin/ 產生 migrations 遷移檔 myapp/models.py

以Python語言為基礎的網頁框架（Web Framework）中，以Django為最熱門的網頁框架 筆者最開始使用Python的後端框架為Flask Framework，因此對於這兩個框架的優劣能做一些粗淺的分析。若您目前正屬於選擇Python的後端框架期間，不妨參考以下比較表 MVT（Model–View–Template）框架

有了前篇文章「想找意見領袖（KOL）來品牌行銷嗎？超直觀挑選 — 【概念篇】」的概念後，我們可以換從數據的角度來挑選適合的KOL。現在有數千個KOL活躍在Youtube影音平台，該如何做選擇呢？在Influencer網站中，幫我們整理了每個KOL的類別、粉絲數量、平均觀看數量、N

如果您之前有看過我的LineBot聊天機器人文章，您對Heroku肯定不陌生，介面非常好用又方便佈署我們的LineBot機器人。很不幸的是Heroku即將在2022/11/28停止免費的服務，換句話說，LineBot聊天機器人文章教您的機器人不能用了！這對於行銷搬進大程式...

在前篇文章「Python幫你自動化Google 自然語言分析 ，NLP套件大解密 — part2」中，我們學會了如何使用Google串接Python，達到自動化的語意分析，但當我們知道消費者對我們的品牌的正負評價後，更想知道的是，顧客喜歡我們的甚麼？討厭我們的甚麼?

在「Python幫你自動化Google 自然語言分析，NLP申請詳細圖文解說 — part1」文章中，手把手帶領您申請屬於自己的GCP平台，並取得NLP的憑證檔案。接下來我們將利用先前申請好的json憑證檔案，開始分析消費者在網路上的輿論。

自然語言分析（Natural Language Processing，NLP）在AI與大數據的熱潮上，人人都想跟上時代，因此想要把任何耗人工的事情全都交給電腦處理，但您真的了解其中差異嗎？本文章手把手帶領您建置GCP專案，並利用Google NLP 套件的API連接Python

虛擬幣因為市場金融的影響，成為全球的焦點，連Fed都為此出了不少政策。這次奇亞幣（Chia XCH，以下簡稱Chia）的出現卻吸引了我，最近非常火紅的Chia其實在2017年就註冊成立了，其特點在於Chia使用「空间和时间证明（Proof of Space and Time）」

在本文中除了分享景氣燈號與股市大盤的關係，方便您選擇投資ETF的時機外，更利用Python繪製出視覺化的「大盤與景氣燈號關係曲線」，讓我們能夠更輕鬆的判斷現在的趨勢是否會向上成長，成為開始累積ETF的好時機。

除了告訴您計算合理股價的公式外，還會現學現賣！用教您的公式，將台灣所有的股票，利用Python挑選出來「目前價格合理的股票」，理論與實戰的學習一次滿足！

本文章會介紹目前Python的函式庫中，大家最常使用於取得技術分析五個數值「開盤價、收盤價、最高點、最低點、成交量」的套件pandas_datareader，也會使用學完的套件，挑選出全台灣每日「短期突破長期」的股票，也就是俗稱的「黃金交叉」股，是每天全台灣的所有上市櫃股票通通掃一遍喔！

在mail中cc別人，是一個非常方便的功能，但有時候每個信件必須客製化，譬如在信件開頭必須打上「親愛的XXX小姐您好」，姓名的部分就必須要手動替換，非常麻煩，更別說會員還有上百，甚至上千個。其實用Python程式可以完全自動化這個過程，我們將以Gmail為範例帶領您走向自動化寄信的航道。

一般找出關鍵字最值觀的方式，就是直接計算這個詞「出現幾次」，出現越多次的，照理來說那個字詞就會越重要，但實際執行後，Top 10的字詞永遠都是「的」、「你」、「我」、「他」、「哈哈哈」，這些高頻率出現，但卻沒有任何分析幫助。TF-IDF演算法專門解決這種問題