![](https://img-blog.csdnimg.cn/20201014180756916.png?x-oss-process=image/resize,m_fixed,h_64,w_64)
python
geter_CS
你要把时间用在美好的事情上,不要总是在不值得的事情上浪费。停止自我否定,多去肯定自己;停止反复懊悔,学会坦然放下;停止急于求成,耐心等待自律带来的变化......
展开
-
numpy中相关系数
np.cov(x)是用于计算协方差矩阵的:得到的矩阵第i行第j列表示第i个变量和第j个变量的协方差。np.corrcoef(x)是求相关系数矩阵:得到的矩阵第i行第j列表示第i个变量和第j个变量的相关系数。 import numpy as npa=[1,2,3]b=[2,4,5]c=[2,7,8]d=[9,8,3]x=np.vstack((a,b,c,d))p...原创 2018-04-18 10:25:43 · 18992 阅读 · 0 评论 -
python中的编码问题(decode,encode,codecs)
在Python3.X 源码文件中默认使用utf-8编码,所以可以正常解析中文,无需指定 UTF-8 编码。:import sysprint(sys.getdefaultencoding())输出:utf-8我们可以直接调用decode,ecode来实现编码和解码,encode的作用,使我们看到的直观的字符转换成计算机内的字节形式,decode刚好相反,把字节形式的字符转换成我们看的懂...原创 2018-12-14 15:51:15 · 2337 阅读 · 0 评论 -
win10+selenium+python配置(chrome)
selenium可以在https://pypi.org/project/selenium/查看相应的版本,使用pip安装接下来安装chrome驱动,需要翻墙,地址是:http://chromedriver.storage.googleapis.com/index.html下载时对应自己电脑上的chrome浏览器版本。在关于里查看。在c盘建一个文件夹,将chromedriver.exe放在其...原创 2018-12-26 13:33:36 · 666 阅读 · 0 评论 -
python csv文件的读写
csv文件用于存储表格数据,可以用txt和excel打开和编辑。原创 2018-12-27 14:32:58 · 524 阅读 · 0 评论 -
pytorch 中pad函数toch.nn.functional.pad()的使用
padding操作是给图像外围加像素点。为了实际说明操作过程,这里我们使用一张实际的图片来做一下处理。这张图片是大小是(256,256),使用pad来给它加上一个黑色的边框。具体代码如下:import torch.nn,functional as Fimport torchfrom PIL import Imageim=Image.open("heibai.jpg",'r')X=...原创 2019-03-01 11:21:42 · 18438 阅读 · 1 评论 -
快速排序/冒泡/选择
快排C++#include <iostream>int subSort(int num[],int l,int r){ int X=num[l]; int i=l; int j=r; while(i<j){ while(num[j]>=X&&i<j) j--; if (num[j]&...原创 2019-04-02 20:59:30 · 224 阅读 · 0 评论 -
多进程爬虫
接Selenium+Request+Beautifulsoup(周杰伦,林俊杰歌词爬取)为了提升爬取速度,这里使用多进程的爬取机制来获取歌词.from multiprocessing import Process,Queue#后面这个Queue只能在import pandas as pdimport requestsfrom bs4 import BeautifulSoupimport...原创 2019-05-06 09:14:15 · 1873 阅读 · 1 评论 -
sklearn非数值特征处理(实例)
sklearn非数值特征处理sklearn中非数值特征有两种处理方式1.一个是OrdinalEncoder, 此估计器将每个分类特征转换为整数的一个新特征(0到n_categories - 1)from sklearn import preprocessingencoder1=preprocessing.OrdinalEncoder()X= [[23,'male', 'from US...原创 2019-05-07 16:27:52 · 3711 阅读 · 0 评论 -
python的requests库简介
requests是python的一个简单易用的爬虫框架。原创 2018-12-07 13:41:31 · 1906 阅读 · 1 评论 -
python PIL库的简单使用
PIL:Python Imaging Library,已经是Python平台事实上的图像处理标准库了。PIL功能非常强大,但API却非常简单易用。比如图像缩放:from PIL import Imageim = Image.open('test.jpg')print(type(im))w, h = im.sizeprint(im.size)# 缩放到50%:im.thumbnail...原创 2018-11-29 16:08:29 · 296 阅读 · 0 评论 -
python对与csv文件的读写
python对csv文件的写入这里将两种方法,一种是一行行写,一种是一次写入import pandas as pdimport csv#A=pd.DataFrame([1,2,3,4],columns=['A'])#print(A[A.A==3])#A="quw chaen|ansjn 233|qanwine 4793"#print(A.strip().split('|'))#B...原创 2018-04-20 19:13:23 · 300 阅读 · 0 评论 -
pycharm调试服务器代码
首先将要跑的代码放在服务器中,这里我放在:/home/chenhongming/winscp上显示如下:其中Chinese_poetry是我要跑的代码,然后本地要有对应的镜像文件,这里放桌面上了:C:\Users\Administrator\Desktop\Chinese_PoetryGen.pytorch-master然后设置pycharm,Tools->Deploym...原创 2018-09-09 12:21:02 · 1916 阅读 · 1 评论 -
Pickle持久化
Pickle模块将程序运行的数据信息序列化的存储到文件中(二进制),方便重新读取调用首先创建文件:file=open("word.pkl","rb+")存入:pickle.dump(data,file)读取:pickle.load(file)例如:import pickle as pword_to_ix1={'chen':[0],'hongming':[1],'ming...原创 2018-09-28 10:10:48 · 337 阅读 · 0 评论 -
nn.Softmax()与nn.LogSoftmax()
nn.Softmax()计算出来的值,其和为1,也就是输出的是概率分布,具体公式如下:这保证输出值都大于0,在0,1范围内。而nn.LogSoftmax()公式如下:由于softmax输出都是0-1之间的,因此logsofmax输出的是小于0的数, softmax求导:logsofmax求导:例子:import torch.nn as nnimp...原创 2018-09-28 11:24:37 · 32650 阅读 · 3 评论 -
python中的copy.copy()和copy.deepcopy()
copy.copy()是浅复制,copy.deepcopy()是深复制copy()之后的对象与原对象之间存在联系,可能会出现其中一个改变另外一个也改变的情况:c=['a','b','d','f','<eos>',[1,24]]d=copy.copy(c)d[5].append('ef')print(d)print(c)输出:['a', 'b', 'd', 'f...原创 2018-10-25 10:11:14 · 735 阅读 · 0 评论 -
pytorch 的embeding
pytorch提供word embeding的功能来构建词向量,非稀疏向量。我们来看看他的定义方式:import torch.nn as NNimport torchfrom torch.autograd import Variableembeding=NN.Embedding(6,5)print(embeding.weight)输出:Parameter containing...原创 2018-10-25 21:47:08 · 857 阅读 · 0 评论 -
python函数装饰器
首先我们知道python函数内部还可以定义函数,并返回该函数:def HelloWorld(): print("Hello World!!!") def HelloChina(): print("Hello China!!!") return HelloChinaHelloChina=HelloWorld()HelloChina()输出:Hell...原创 2019-08-26 20:37:20 · 139 阅读 · 0 评论