1.
机器学习有下面几种定义:
(1)机器学习是一门人工智能的科学,该领域的主要研究对象是人工智能,特别是如何在经验学习中改善具体算法的性能。
(2)机器学习是对能通过经验自动改进的计算机算法的研究。
(3)机器学习是用数据或以往的经验,以此优化计算机程序的性能标准。
2-1
正则表达式是对字符串操作的一种逻辑公式,就是用事先定义好的一些特定字符、及这些特定字符的组合,组成一个“规则字符串”,这个“规则字符串”用来表达对字符串的一种过滤逻辑。
2-2
* ,表示任意字符。重复零次或更多次 + 重复一次或更多次
? 重复零次或一次(非贪婪) *? 重复任意次(贪婪)
+? 重复 1 次或更多次。
2-3
findall:返回所有满足匹配条件的结果, 放在列表里
search:会在字符串内查找模式匹配, 只到找到第一个匹配然后返回一个包含匹配信息的对象, 该对象可以通过调用 group() 方法得到匹配的字符串, 如果字符串没有匹配,则返回 None
match:同 search, 不过尽在字符串开始处进行匹配
2-4
^1(3[0-9]|5[0-3,5-9]|7[1-3,5-8]|8[0-9])\d{8}$
3
C 语言面向过程,python 面向对象;
C 语言适合底层开发;python 因为强大的库函数,更适合于脚本编写、数据科学、机器学习等方向的应用。
4-1
面向对象的方法主要是把事物给对象化,包括其属性和行为。面向对象编程更贴近实际生活的思想。总体来说面向对象的底层还是面向过程,面向过程抽象成类,然后封装,方便使用就是面向对象,(万物皆对象)。
4-2
一切皆为对象,类是一种类型,一种更高层次的抽象
实例是根据类创建出来的一个一个对象
用类创建对象的过程就是实例化
4-3
init 的本意就是初始化的意思,一般出现在程序创建类中的第一个函数
可以没有这个函数(如果不需要参数初始化的话)
5-1
分隔字符也可以不是逗号
5-2
pandas 通过 read_csv() 函数读入 csv 文件,读入后是 DataFrame 格式
6.
/ 列 表 转 字 符 串
‘’.join([‘a’, ‘b’, ‘c’]) // ‘abc’
// 字 符 串 转 列 表
list(‘abc’) // [‘a’, ‘b’, ‘c’]
// 两 个 列 表 转 成 字 典
k = [‘a’, ‘b’, ‘c’] v = [1, 2, 3]
dict(zip(k, v)) // {‘a’: 1, ‘b’: 2, ‘c’: 3}
// 字 典 转 列 表
d = {‘a’: 1, ‘b’: 2, ‘c’: 3}
list(d.keys()) // [‘a’, ‘b’, ‘c’]
list(d.values()) // [1, 2, 3]
// 字 符 串 转 字 典
import json
s = ‘{“a”:1, “b”:2, “c”:3}’
json.loads(s) // {‘a’: 1, ‘b’: 2, ‘c’: 3}
// 字 典 转 字 符 串
import json
d = {‘a’: 1, ‘b’: 2, ‘c’: 3}
json.dumps(d) // ‘{“a”: 1, “b”: 2, “c”: 3}’
// str(d) 也 能 实 现
代码-1
import matplotlib.pyplot as plt
import numpy as np
plt.rcParams['font.sans-serif'] = ['SimHei']
plt.rcParams['axes.unicode_minus'] = False
x=np.linspace(-20,20)
y=x*x+18
plt.plot(x,y,'r')
plt.xlabel('x轴')
plt.ylabel('y轴')
plt.title('y=x*x+18的图像')
plt.grid()
plt.show()
代码-2
def f(x):
for i in range(2, x):
if(x%i==0):
return 0
return x
x=int(input())
count =0
if f(x):
for i in range(2,x+1):
if f(i):
count+=1
print(count)
else:
print('0')