![](https://img-blog.csdnimg.cn/20201014180756918.png?x-oss-process=image/resize,m_fixed,h_64,w_64)
Python
One-Direction
这个作者很懒,什么都没留下…
展开
-
联机交易与批量交易、批处理和流处理
联机交易与批量交易联机交易就意味着系统对外直接提供的交易,该类交易具有事务性——可回滚;实时性——交易有生命周期,并有超时机制等,调用方需实时等待被调方的反馈,成功或失败皆有反馈;并发性——同一类甚至同一个交易可同时被多个线程调用,相互间有锁处理机制。批量处理则意味着该交易相关的参数、系统状态已经锁定,系统需要进行的是某一类操作,该类操作具有统一性——使用相同的规则处理大量数据;串行性——并不是说批量交易中不能有并发,而是有固定的步骤,先做哪一步,再做哪一步,每一步都有对某些条件的依赖;可重复性——这个转载 2020-09-28 16:04:22 · 8582 阅读 · 1 评论 -
numpy.ndarray中的数据转为int型(出现错误only size-1 arrays can be converted to Python scalars)
运行程序时出现only size-1 arrays can be converted to Python scalars经过分析后发现是数据类型出现的错误。原数据为 [63],使用type得到数据类型为:<class 'numpy.ndarray'>故将numpy的ndarray类型转为int (或者你需要的类型,此处为int)使用 list(m)[0].tolist() 的方法得到如下的结果63<class 'int'>Ok,问题成功解决。...原创 2020-06-17 12:20:03 · 3755 阅读 · 1 评论 -
plt.figure()
1. 语法及操作(1)figure语法说明figure(num=None, figsize=None, dpi=None, facecolor=None, edgecolor=None, frameon=True)num:图像编号或名称,数字为编号 ,字符串为名称figsize:指定figure的宽和高,单位为英寸;dpi参数指定绘图对象的分辨率,即每英寸多少个像素,缺省值为80 1英寸等于2.5cm,A4纸是 21*30cm的纸张facecolor:背景颜色edgecolor:边转载 2020-05-27 20:58:54 · 4570 阅读 · 0 评论 -
numpy.argsort()
argsort函数是Numpy模块中的函数:>>> import numpy>>> help(numpy.argsort)Help on function argsort in module numpy.core.fromnumeric:函数原型及功能argsort(a, axis=-1, kind=‘quicksort’, order=None)Returns the indices that would sort an array.Perform an转载 2020-05-22 23:36:48 · 362 阅读 · 0 评论 -
plt.scatter()
函数原型matplotlib.pyplot.scatter(x, y, s=None, c=None, marker=None, cmap=None, norm=None, vmin=None, vmax=None, alpha=None, linewidths=None, verts=None, edgecolors=None, *, data=None, **kwargs)参数解释x,y:表示的是大小为(n,)的数组,也就是我们即将绘制散点图的数据点s:是一个实数或者是一个数组大小为(n转载 2020-05-19 18:32:19 · 161 阅读 · 0 评论 -
如何返回numpy数组里所有的最大值,最小值
单个可以使用numpy的函数,argmax获得最大元素的索引,相应的获得最小值的话需要使用argmin。aa = [1,2,3,4,5]arr_aa = np.array(aa)maxindex = np.argmax(arr_aa )也可以将numpy转为list,然后使用list获取最大值索引的方法获得最大值。aa = numpy.array([1,2,3,4,5])bb = aa.tolist() # 先把aa转换为List,再求索引:bb.index(max(bb))多个原创 2020-05-19 18:24:26 · 6963 阅读 · 0 评论 -
numpy.argmin
原型numpy.argmin(a, axis=None, out=None)[source]功能给出axis方向最小值的下标Parameters:a : Input array.axis : 默认将输入数组展平。否则,按照axis方向out : 可选Returns:index_array : 下标组成的数组。shape与输入数组a去掉axis的维度相同。举例:1、展平、axis=0、axis=1>>> a = np.arange(6).reshape转载 2020-05-19 17:11:01 · 352 阅读 · 0 评论 -
np.linalg.norm(求范数)
1、字面理解linalg=linear(线性)+algebra(代数),norm则表示范数。2、函数参数x_norm=np.linalg.norm(x, ord=None, axis=None, keepdims=False)x: 表示矩阵(也可以是一维)ord:范数类型向量的范数:矩阵的范数:ord=1:列和的最大值ord=2:|λE-ATA|=0,求特征值,然后求最大特征值得算术平方根(matlab在线版,计算ans=ATA,[x,y]=eig(ans),sq转载 2020-05-19 13:26:47 · 294 阅读 · 0 评论 -
np.random系列
random模块用于生成随机数,下面看看模块中一些常用函数的用法:numpy.random.rand(d0, d1, …, dn):生成一个[0,1)之间的随机浮点数或N维浮点数组。#numpy.random.rand(d0, d1, ..., dn)import numpy as np#无参np.random.rand()#生成生成[0,1)之间随机浮点数type(np.random.rand())#float#d0,d1....表示传入的数组形状#一个参数np.random.r.转载 2020-05-19 00:20:04 · 237 阅读 · 0 评论 -
numpy.title
重复A,B次,这里的B可以时int类型也可以是元组类型。>>> import numpy>>> numpy.tile([0,0],5)#在列方向上重复[0,0]5次,默认行1次array([0, 0, 0, 0, 0, 0, 0, 0, 0, 0])>>> numpy.tile([0,0],(1,1))#在列方向上重复[0,0]1次,行1次array([[0, 0]])>>> numpy.tile([0,0],(2,1))#转载 2020-05-18 22:57:31 · 1027 阅读 · 0 评论 -
numpy.mean()
定义numpy.mean(a, axis, dtype, out,keepdims )功能求取均值经常操作的参数为axis,以m * n矩阵举例:axis 不设置值,对 m*n 个数求均值,返回一个实数axis = 0:压缩行,对各列求均值,返回 1* n 矩阵axis =1 :压缩列,对各行求均值,返回 m *1 矩阵例子数组的操作:>>> a = np.array([[1, 2], [3, 4]])>>> aarray([[1, 2],转载 2020-05-18 20:47:19 · 259 阅读 · 0 评论 -
机器学习K-均值——nonzero(clusterAssment[冒号,0].A==cent的一步步操作演示,看完你就明白了
先准备测试数据,如下上面都是准备数据,下面才是一步步的告诉你怎么生成我们要的数据————————————————原文链接:https://blog.csdn.net/xinjieyuan/article/details/81477120转载 2020-05-18 19:23:15 · 296 阅读 · 0 评论 -
python中矩阵.A是什么意思
在numpy中矩阵我们十分常用,但有时候我们会将矩阵转化为数组,方法很简单,直接在矩阵名后加 .A即可。演示#!/usr/bin/env python3from numpy import *matTest = mat([1, 2])print(matTest, type(matTest)) # 结果:[[1 2]] <class 'numpy.matrixlib.defmatrix.matrix'>matTestToArr = matTest.Aprint(matTe.转载 2020-05-18 19:05:11 · 1884 阅读 · 0 评论 -
numpy.nonzero()
np.nonzero函数是numpy中用于得到数组array中非零元素的位置(数组索引)的函数。一般来说,通过help(np.nonzero)能够查看到该函数的解析与例程。但是,由于例程为英文缩写,阅读起来还是很费劲,因此,本文将其英文解释翻译成中文,便于理解。解释nonzero(a)返回数组a中非零元素的索引值数组。只有a中非零元素才会有索引值,那些零值元素没有索引值;返回的索引值数组是一个2维tuple数组,该tuple数组中包含一维的array数组。其中,一维array向量的个数与.转载 2020-05-18 18:55:25 · 221 阅读 · 0 评论 -
numpy数组中冒号的使用
python中冒号实际上有两个意思:默认全部选择;指定范围。 下面看例子定义数组X=numpy.array([[1,2,3,4],[5,6,7,8],[9,10,11,12],[13,14,15,16],[17,18,19,20]])输出为5x4二维数组第一种意思,默认全部选择:如,X[:,0]就是取矩阵X的所有行的第0列的元素,X[:,1] 就是取所有行的第1列的元素第二种意思,指定范围,注意这里含左不含右如,X[:, m:n]即取矩阵X的所有行中的的第m到n-1列数据,转载 2020-05-18 13:51:26 · 1263 阅读 · 0 评论 -
Numpy ndarray
本文主讲Python中Numpy数组的类型、全0全1数组的生成、随机数组、数组操作、矩阵的简单运算、矩阵的数学运算。尽管可以用python中list嵌套来模拟矩阵,但使用Numpy库更方便。定义数组>>> import numpy as np>>> m = np.array([[1,2,3], [2,3,4]]) #定义矩阵,int64>>> marray([[1, 2, 3], [2, 3, 4]])>>>转载 2020-05-18 12:06:18 · 221 阅读 · 0 评论 -
numpy.mat()
mat更符合矩阵,这里的mat与Matlab中的很相似。(mat与matrix等同)基本操作>>> m= np.mat([1,2,3]) #创建矩阵>>> mmatrix([[1, 2, 3]]) >>> m[0] #取一行matrix([[1, 2, 3]])>>> m[0,1] #第一行,第2个数据2>>> m[0][1] #注意不能像数组那样取值了Tra转载 2020-05-18 11:52:03 · 1038 阅读 · 0 评论 -
shape和reshape()
shape是查看数据有多少行多少列reshape()是数组array中的方法,作用是将数据重新组织shapeimport numpy as npa = np.array([1,2,3,4,5,6,7,8]) #一维数组print(a.shape[0]) #值为8,因为有8个数据print(a.shape[1]) #IndexError: tuple index out of rangea = np.array([[1,2,3,4],[5,6,7,8]]) #二维数组print(.转载 2020-05-18 09:42:25 · 184 阅读 · 0 评论 -
numpy.ones_like
返回一个用1填充的跟输入 形状和类型 一致的数组。>>> x = np.arange(6)>>> x = x.reshape((2, 3))>>> xarray([[0, 1, 2], [3, 4, 5]])>>> np.ones_like(x)array([[1, 1, 1], [1, 1, 1]])>>>>>> y = np.arange(3, dtyp转载 2020-05-18 09:35:50 · 352 阅读 · 0 评论 -
numpy.random.uniform
函数原型:numpy.random.uniform(low,high,size)功能从一个均匀分布[low,high)中随机采样,注意定义域是左闭右开,即包含low,不包含high.参数介绍:low: 采样下界,float类型,默认值为0;high: 采样上界,float类型,默认值为1;size: 输出样本数目,为int或元组(tuple)类型,例如,size=(m,n,k), 则输出m* n * k个样本,缺省时输出1个值。返回值ndarray类型,其形状和参数与size中描述一致转载 2020-05-17 18:32:02 · 274 阅读 · 0 评论 -
numpy.zeros
用法numpy.zeros(shape, dtype=float, order=‘C’)返回返回来一个给定形状和类型的用0填充的数组;参数shape :形状dtype :数据类型,可选参数,默认numpy.float64dtype类型:t :位域,如t4代表4位b:布尔值,true or falsei :整数,如i8(64位)u :无符号整数,u8(64位)f :浮点数,f8(64位)c :浮点负数o :对象s,a :字符串,s24转载 2020-05-17 17:51:59 · 312 阅读 · 0 评论 -
numpy.sum()的使用
numpy的sum函数可接受的参数是:sum(a, axis=None, dtype=None, out=None, keepdims=np._NoValue)在参数列表中:a是要进行加法运算的向量/数组/矩阵axis的值可以为None,也可以为整数和元组其形参的注释如下:a : array_like elements to sum.(用于进行加法运算的数组形式的元素)axis : None or int or tuple of ints, optional. (无或整数或整数.转载 2020-05-17 17:41:07 · 381 阅读 · 0 评论 -
numpy.loadtxt()
简介np.loadtxt()用于从文本加载数据。文本文件中的每一行必须含有相同的数据。语法loadtxt(fname, dtype=<class 'float'>, comments='#', delimiter=None, converters=None, skiprows=0, usecols=None, unpack=False, ndmin=0)fname :要读取的文件、文件名、或生成器。dtype :数据类型,默认float。comments: 注释,如果转载 2020-05-17 16:37:12 · 1126 阅读 · 0 评论 -
python argparse模块
看了几个python程序,但凡涉及到从命令行直接读取参数的时候,都有相似的如下代码,例如从命令行读取变量x,y的值import argparseparser = argparse.ArgumentParser()parser.add_argument("x", help="横坐标",type=int)parser.add_argument('y', help="纵坐标",type=int)args = parser.parse_args()这个模块的作用就是从命令行读取参数嘛,那到底是这么读取转载 2020-05-15 18:23:58 · 168 阅读 · 0 评论 -
API:详解 pandas.read_csv
pandas.read_csv 作为常用的读取数据的常用API,使用频率非常高,但是API中可选的参数有哪些呢?答案是:.read_csv(filepath_or_buffer , sep=’, ‘ , delimiter=None , header=’infer‘ , names=None, index_col=None, usecols=None, squeeze=False, prefix=None, mangle_dupe_cols=True, dtype=None, engine=None.转载 2020-05-13 18:56:53 · 228 阅读 · 0 评论 -
Python zip() 函数
python3描述zip() 函数用于将可迭代的对象作为参数,将对象中对应的元素打包成一个个元组,然后返回由这些元组组成的对象,这样做的好处是节约了不少的内存。我们可以使用 list() 转换来输出列表。如果各个迭代器的元素个数不一致,则返回列表长度与最短的对象相同,利用 * 号操作符,可以将元组解压为列表。zip 方法在 Python 2 和 Python 3 中的不同:在 Pytho...转载 2020-04-23 00:26:55 · 177 阅读 · 0 评论 -
python之xrange函数
描述xrange() 函数用法与 range 完全相同,所不同的是生成的不是一个数组,而是一个生成器。语法xrange 语法:xrange(stop)xrange(start, stop[, step])参数说明:start: 计数从 start 开始。默认是从 0 开始。例如 xrange(5) 等价于 xrange(0, 5)stop: 计数到 stop 结束,但不包括 st...转载 2020-04-23 00:20:35 · 1273 阅读 · 0 评论 -
Python values()与itervalues()的用法详解
dict 对象有一个 values() 方法,这个方法把dict转换成一个包含所有value的list,这样,我们迭代的就是 dict的每一个 value:d = { 'Adam': 95, 'Lisa': 85, 'Bart': 59 }print d.values()# [85, 95, 59]for v in d.values(): print v# 85# 95# 59...转载 2020-04-23 00:18:04 · 917 阅读 · 0 评论 -
Python知识整合(四)
字符串:index(string):找到string并且返回开始下标,找不到报错find(string):和 index唯一的区别在与找不到返回-1lambda:通俗来讲为一个匿名函数。简单的用法为lambda x:x+1,只允许一个表达式组成filter()函数:过滤序列。把传入函数依次作用与各个元素,根据返回值True和False决定保留还是丢弃元素(惰性)[::-1...原创 2019-07-12 19:52:19 · 151 阅读 · 0 评论 -
Python知识整合(五)
MethodType(方法,实例):在动态语言Python中,允许在程序运行过程中动态给class加上功能,即在类外添加方法。_slot_(Attribution A,Attribution B,....):代表限制该class实际能添加的属性。在子类继承不起作用,除非子类也定义_slot_。@property将一个getter方法变成属性,@xx.setter负责把一个sette...原创 2019-07-12 21:10:21 · 132 阅读 · 0 评论 -
Python知识整合(六)
错误处理:(详细请参考:异常处理)logging模块可以记录错误信息,在程序出错后继续执行raise语句如果不带参数,就会把当前错误原样抛出;加上一个Error,可以把一种错误类型转换成另一种调试:logging允许指定记录信息的级别,有debug,info,warning,error。error是唯一一个错误信息。使用方法:logging.basicConfig(level...原创 2019-07-12 21:35:47 · 186 阅读 · 0 评论 -
Python知识整合(七)
序列化:变量从内存中变成可储存或传输的进程pickle.dump(s)(x)序列化成一个bytes(序列化后写入一个file-like Object)pickle.load(s)json.dump(s)(x)和json.load(s)(x)是序列化为json或json反序列化具体用法请参考(python序列化)多进程:multiprocessing提供一个Process类...原创 2019-07-14 11:15:00 · 267 阅读 · 0 评论 -
Python知识整合(一)
转义字符\,字符\本身也要转义,所以\\表示的字符是\r" "内部字符不转义""" """可表示多行字符串内容通常用全部大写变量表示常量,一般不允许修改None 表示空值,与 0 不相等ord()获取字符整数表示,chr()把编码转换为对应字符,也可用十六进制'0x'表示b' '表示bytes类型的数据,每个字符只占用一个字节以Unicode表示的str通过encode()方法编码...原创 2019-07-11 23:50:15 · 145 阅读 · 0 评论 -
Python知识整合(二)
Python里无自增++和自减--,因为其相当于改变了对象本身,而Python要求数值对象是不可改变的,而+=相当与生成新变量,故可行set和dict唯一的区别仅仅在于没有储存对应的value,但同样不可放入可变对象定义函数用def fun_name(paramater):,返回值用return没有return的话,函数执行完毕后会返回None。return None可简写成return...原创 2019-07-12 13:07:36 · 114 阅读 · 0 评论 -
Python知识整合(三)
切片:L[0:n]:表示取第0到n个,但不包括第n个(0可以省略简写为L[:n])L[0:n:k]:表示从0开始,每间隔k个取一次值,直到n(同样边界不包括n)L[-1:]:表示取最后一个,而L[-1:X]:(X表示任意值)只表示空list,意思为最后一个到最后,当然没有值了迭代:判断一个对象是否是可迭代对象:通过collections模块的Iterable进行类型判断对...原创 2019-07-12 13:33:32 · 235 阅读 · 0 评论 -
np.histogram()直方图分布
np.histogram() 默认地使用10个相同大小的区间(箱),然后返回一个元组(频数,分箱的边界),如上所示。要注意的是:这个边界的数量是要比分箱数 多一个的,可以简单通过下面代码证实。>>> hist.size, bin_edges.size(10, 11)以下是其内部的具体实现>>> # 取a的最小值和最大值>>> ...原创 2019-04-21 20:15:00 · 29064 阅读 · 0 评论 -
Python生态圈
web网站开发:Django 最流行的Web应用框架>Pyramid 规模适中的Web应用框架>Flask Web应用开发微框架Python的网络应用开发:微信公众号开发框架 WeRoBot百度AI开放平台接口 aip二维码生成 MyQR信息提取:提取文章类型web页面的功能库 Python-GooseBeautiful Soup HTML和XML的解析库Re 正...原创 2019-07-08 19:52:49 · 849 阅读 · 0 评论