python3-typing
自动选择并强制使用针对检测到的 Python 版本和依赖项的最强有效类型检查路径,无需用户输入
共 384992 条已上架资产
自动选择并强制使用针对检测到的 Python 版本和依赖项的最强有效类型检查路径,无需用户输入
用于在无依赖、仅标准库或受限环境中构建 Python 3
Python Web 和 API 开发,强制实施严格的路由/域/数据层分离,使用 Pydantic v2 严格的请求-响应模型,边缘解析认证,以及异步安全的 HTTP 客户端
用于使用 Typer 和 Rich 构建 CLI 应用程序 —— 包括使用 Annotated 参数语法创建命令、定义参数和选项、组合子命令、通过信号量实现异步并发 CLI 任务、使用 CliRunner 进行测试、PEP 723 sheb…
使用 PyDESeq2(DESeq2 的 Python 移植版本)对批量 RNA-seq 计数矩阵进行差异基因表达分析,包括:尺寸因子归一化、离散度估计、Wald 检验、FDR(Benjamini-Hochberg)校正,以及火山图/MA …
使用 pysam(htslib 绑定)在 Python 中读写基因组比对和变异文件 — 支持 SAM/BAM/CRAM 比对、VCF/BCF 变异以及 FASTA/FASTQ 序列,并提供区域提取和碱基级覆盖度/堆叠(pileup)功能
使用 salmon(v1
使用 QuTiP(Python 中的量子工具箱)模拟开放量子系统,求解 Lindblad 主方程(mesolve)、蒙特卡洛轨迹(mcsolve)以及幺正动力学(sesolve)
使用 geniml Python 包对基因组区间数据(BED 文件)进行机器学习——包括区域嵌入(Region2Vec)、区域+元数据联合嵌入(BEDspace/StarSpace)、单细胞 ATAC-seq 嵌入(scEmbed)、共识峰…
使用 FluidSim Python 框架运行计算流体动力学模拟,采用伪谱快速傅里叶变换(FFT)方法,支持高性能计算(HPC)和输出结果分析
拟合并报告适用于聚类、嵌套、纵向和重复测量数据的混合效应/多水平/分层模型——包括随机截距和斜率、方差成分与组内相关系数(ICC)、跨层交互作用以及广义线性混合模型(GLMM,如逻辑回归/泊松回归)——使用 Python 中的 statsm…
运行定性比较分析(QCA)——包括清晰集(csQCA)、多值(mvQCA)和模糊集(fsQCA)——适用于中小样本(small-to-medium-N)的配置性研究:将原始数据校准为集合隶属度,构建并优化真值表,并通过布尔最小化生成保守解/…
采用原则性方法处理缺失数据——强制明确声明 MCAR / MAR / MNAR 缺失机制,然后应用链式方程多重插补(MICE)并结合鲁宾规则(Rubin's rules)对估计值和标准误进行合并,或在适用似然/结构方程模型(SEM)的情况下…
执行定量元分析——计算效应量(Hedges' g / 标准化均值差、对数比值比/风险比)及其方差,在固定效应和随机效应模型下进行合并,量化异质性(I²、τ²、Cochran's Q),绘制森林图和漏斗图,并检验发表偏倚(Egger回归、剪补…
从观测数据和准实验数据中估计因果效应——包括双重差分法(DID)、工具变量法(IV)、断点回归(RD)、面板固定效应、倾向得分/双重稳健方法以及异质性处理效应(CATE)——使用经过验证的 Python 工具栈:statsmodels 和 …
使用 NeuroKit2 Python 工具包处理和分析生理生物信号——包括心电图(ECG)、脑电图(EEG)、皮肤电活动(EDA)、呼吸(RSP)、光电容积脉搏波(PPG)、肌电图(EMG)和眼电图(EOG)信号
正则表达式的全流程助手——将自然语言需求转换为正则表达式、逐段拆解已有正则的每个片段含义、使用真实样本验证匹配结果与分组捕获、在 Python/JavaScript/Java/Go/PCRE 之间跨方言转换,并检测灾难性回溯与常见陷阱
PHP框架专家 覆盖:代码评审、技术方案设计、调试排错、架构权衡
从零开始安装、校验、整合并启动 Minecraft Java 版:下载游戏本体与资源文件,安装 Fabric/Quilt/Forge/NeoForge 等模组加载器,导入 Modrinth/CurseForge/MultiMC/HMCL 格…
为 JUnit 测试类和测试方法添加并审查英文 JavaDoc 注释