Aurora Silent

threading.ThreadThread 是threading模块中最重要的类之一，可以使用它来创建线程。有两种方式来创建线程：一种是通过继承Thread类，重写它的run方法；另一种是创建一个threading.Thread对象，在它的初始化函数（_ init _）中将可调用对象作为参数传入。下面分别举例说明。先来看看通过继承threading.Thread类来创建线程的例子：import t

当我们在传入函数时，有些时候，不需要显式地定义函数，直接传入匿名函数更方便。在Python中，对匿名函数提供了有限支持。还是以map()函数为例，计算f(x)=x2时，除了定义一个f(x)的函数外，还可以直接传入匿名函数：>>> list(map(lambda x: x * x, [1, 2, 3, 4, 5, 6, 7, 8, 9]))[1, 4, 9, 16, 25, 36, 49, 64,

Python学习 – filterPython内建的filter()函数用于过滤序列。filter() 接收两个参数，一个函数、一个序列；filter()将传入的函数作用于序列里的每一个元素，然后根据函数返回值是True 还是 False决定保留还是丢弃该元素。例如，在一个list中，删掉小于5的数，可以这么写：def f(n): return n > 5list(filter(f, [1,

轮廓检测轮廓检测也是图像处理中经常用到的。OpenCV-Python接口中使用cv2.findContours()函数来查找检测物体的轮廓。例子：import cv2 # 读取图片img = cv2.imread("E:\\font\\bmp\\kaiti\\U_004E56.bmp")# 转灰度图片gray = cv2.cvtColor(img,cv2.COLOR_BGR2GRAY)ret

ndarray 数据类型 astype：1、查看数据类型In [11]: arr = np.array([1,2,3,4,5])In [12]: arrOut[12]: array([1, 2, 3, 4, 5])// 该命令查看数据类型In [13]: arr.dtypeOut[13]: dtype('int64')In [14]: float_arr = arr.astype(np.f

pandas模块为我们提供了非常多的描述性统计分析的指标函数，如总和、均值、最小值、最大值等，我们来具体看看这些函数：1、随机生成三组数据import numpy as npimport pandas as pdnp.random.seed(1234)d1 = pd.Series(2*np.random.normal(size = 100)+3)d2 = np.random.f(2,4,siz

对List进行排序，Python提供了两个方法方法1.用List的内建函数list.sort进行排序list.sort(func=None, key=None, reverse=False) Python实例：>>> list = [2,5,8,9,3] >>> list [2,5,8,9,3] >>> list.sort() >>> list [2, 3, 5, 8, 9]方法

这里的查询数据相当于R语言里的subset功能，可以通过布尔索引有针对的选取原数据的子集、指定行、指定列等。我们先导入一个student数据集：student = pd.io.parsers.read_csv('C:\\Users\\admin\\Desktop\\student.csv')查询数据的前5行或末尾5行：student.head()student.tail()查询指定的行：stude

1、Series的创建序列的创建主要有三种方式：1）通过一维数组创建序列import numpy as np, pandas as pdarr1 = np.arange(10)arr1type(arr1)s1 = pd.Series(arr1)s1type(s1)2）通过字典的方式创建序列dic1 = {'a':10,'b':20,'c':30,'d':40,'e':50}dic1t

python中对文件、文件夹（文件操作函数）的操作需要涉及到os模块和shutil模块。os.getcwd()得到当前工作目录，即当前Python脚本工作的目录路径os.listdir(path)返回指定目录下的所有文件和目录名例：os.listdir(“D://”) 返回D盘下的文件及目录名称列表os.remove(path)删除一个文件例：os.remove(“D://a

推荐使用ipython的pylab模式，如果要在ipython notebook中嵌入图片，则还需要指定pylab=inline。ipython --pylab ##ipython的pylab模式ipython notebook --pylab=inline ##notebook的inline模式import pandas as pd基本画图命令Pandas通过整合matplotlib的相关功能

1、生成随机数列表import numpy as nparray = np.random.permutation(20)结果： array([12, 18, 16, 8, 10, 17, 1, 2, 9, 7, 3, 6, 15, 13, 11, 5, 4, 0, 14, 19])2、合并两个pandas.DataFrame数据集import pandas as pddata1

一、标准化（Z-Score），或者去除均值和方差缩放实现原理：公式为：(X-mean)/std 计算时对每个属性/每列分别进行。 将数据按期属性（按列进行）减去其均值，并处以其方差。得到的结果是，对于每个属性/每列来说所有数据都聚集在0附近，方差为1。实现方式：使用sklearn.preprocessing.scale()函数，可以直接将给定数据进行标准化。from sklearn import

最近在编写Python脚本过程中遇到一个问题比较奇怪：Python脚本完全正常没问题，但执行总报错"AttributeError: 'module' object has no attribute 'xxx'"。这其实是.pyc文件存在问题。问题定位：查看import库的源文件，发现源文件存在且没有错误，同时存在源文件的.pyc文件问题解决方法：1、命名py脚本时，不要与python预留字，模块名等

Python中有专门用于logger打印的套件叫logging，但是该套件logger仅接收一个字符串类型的logger打印信息。因此，我们在使用是需要先提前将要打印的信息拼接成一个字符串之后才行，这样对于代码的整洁性并不好。我在logging的基础上实现了一个类似于Java的logback的logger打印工具，实现比较简单，能够应对一些简单的logger打印需求，希望对大家能有帮助。Logger

在实际开发中，经常会遇到多个项目关联开发的情况，即项目A调用项目B中的方法。那么在Eclipse中如何进行项目关联的配置呢？项目运行环境：EclipseWinPython配置步骤：1、在Eclipse中右键点击项目名称，再点击最后一项Properties，弹出下面这个界面： 2、点击PyDev - PYTHONPATH，在出现的页面中点击中间一项External Libraries，出现下面

当需要安装某个模块(套件)的时候，可以直接通过 pip、easy_install 方法轻松安装。若此方法不行，则可到网站：https://pypi.python.org/pypi/et_xmlfile/1.0.0 搜索需要的模块套件，下载到某个目录中并解压，然后进入解压后的模块套件所在目录，执行 python(或者 python3) setup.py install进行安装。easy_install

1. 原地交换两个数字Python 提供了一个直观的在一行代码中赋值与交换（变量值）的方法，请参见下面的示例：x, y = 10, 20print(x, y)x, y = y, xprint(x, y)#1 (10, 20)#2 (20, 10)赋值的右侧形成了一个新的元组，左侧立即解析（unpack）那个（未被引用的）元组到变量 < a> 和 < b>。一旦赋值完成，新的元组变成了未被引用状