Python
文章平均质量分 57
Python 基础级高阶知识汇总
Harrytsz
这个作者很懒,什么都没留下…
展开
-
C# 执行 .bat 文件
【代码】C# 执行 .bat 文件。原创 2023-02-22 17:59:34 · 177 阅读 · 0 评论 -
Python 解析配置模块之 configparser
该模块适用于配置文件的格式与 Windows ini 文件类似,可以包含一个或多个节(section),每个节可以有多个参数。转载 2022-07-08 19:03:10 · 352 阅读 · 0 评论 -
numpy vstack 和 column_stack
Python numpy 中的 hstack、vstack、column_stack原创 2022-06-27 16:22:33 · 480 阅读 · 0 评论 -
minidom 模块写入和解析 XML
Python minidom 模块写入和解析 XML 文件。转载 2022-06-27 14:52:02 · 283 阅读 · 0 评论 -
Pandas 合并
一、 按照行合并1. append用法和列表一样,不用在意参数里是不是有空列表(用列表代替一个参数),其他几个好像都不可这样a = []b = np.arange(5)print(a)print(b)d = np.append(a,b)print(d)---------输出----[][0 1 2 3 4][0. 1. 2. 3. 4.]2. c_np.c_是按行连接两个矩阵,就是把两矩阵左右相加,要求行数相等#例一a = np.arange(5)b = np.arang原创 2022-04-28 15:12:21 · 1945 阅读 · 0 评论 -
Python 协程 & asyncio & 异步编程
为什么要讲?越来越多的学生都来问async异步相关问题,并且这一部分的知识点不太容易学习(异步非阻塞、asyncio)异步相关话题和框架越来越多,例如:tornado、fastapi、django 3.x asgi 、aiohttp都在异步 -> 提升性能。如何讲解?第一部分:协程。第二部分:asyncio模块进行异步编程。第三部分:实战案例。1.协程协程不是计算机提供,程序员人为创造。协程(Coroutine),也可以被称为微线程,是一种用户态内的上下文切换技术。简而言之,原创 2022-02-19 15:01:50 · 454 阅读 · 1 评论 -
Django makemigrations migrate 执行成功但不创建数据库表问题
问题描述:删除 app/migrations/0001_initial.py 文件以后和 MySQL 数据库中对应的 app 表后,执行以下命令成功,但是 MySQL 并不会创建新的 app 表python manage.py makemigrationspython manage.py migrate# 提示:No changes detected问题原因:在 MySQL 数据库中有一张 django_migrations 表, 这张表里面有创建表的记录,删除对应的数据表记录即可(注意:不用原创 2021-12-24 10:56:03 · 5014 阅读 · 2 评论 -
Python 进程池中无法执行经过装饰器修饰的函数
作者:灵剑链接:https://www.zhihu.com/question/61617396/answer/189453329来源:知乎著作权归作者所有。商业转载请联系作者获得授权,非商业转载请注明出处。这个跟multiprocessing的原理有关,也涉及到Python中pickling的一些实现机制。首先要说明multiprocessing模块现在有多种实现原理,类Unix系统默认使用fork,原理在于创建Process并启动的时候进行一次fork,然后子进程执行Process中指定的函数,转载 2021-12-23 14:51:47 · 412 阅读 · 0 评论 -
Python 字符串格式化总结
Python 字符串格式化""" % 语法"""# %s 叫做占位符,格式化字符print("格式化的内容是: %s" % 'hello world!')s = 'world'print("格式化的内容是: %s" % s)""" %[-][+][0][m][.n] 格式化字符 % 参数 其中, -:左对齐 +:右对齐 n:截取字符串"""template = "格式化的内容是: %s"print(template % 'hello')# m 占位宽度原创 2021-12-22 14:03:46 · 596 阅读 · 0 评论 -
Python 小整数对象池
在 Python 中,所有的对象都存活在系统堆上。也就是说,如果没有特殊的机制,对于频繁使用的小整数对象,Python将一次又一次地使用 malloc 在堆上申请空间,同时又会不厌其烦地一次次 free。这样的操作极大降低了运行效率,而且还会在系统堆上造成大量的内存碎片,严重影响 Python 的整体性能。于是对于小整数使用了对象池技术,PyLongObject 对象是不可变对象,意味着对象池里的每一个 PyLongObject 对象都能被任意地共享。小整数和大整数的分界点在哪里?Python 提供了一种原创 2021-12-19 20:56:31 · 915 阅读 · 0 评论 -
Python 装饰器
1、简单的装饰器def my_decorator(func): def wrapper(): print('wrapper of decorator') func() return wrapperdef greet(): print('hello world') greet = my_decorator(greet)greet()# 输出# wrapper of decorator# hello world这里的函数 m原创 2021-11-19 12:50:21 · 759 阅读 · 0 评论 -
Python 浅拷贝和深拷贝
1. == 和 is 的区别== 操作符比较对象之间的值是否相等。is 操作符比较的是对象的身份标识是否相等,即它们是否是同一个对象,是否指向同一个内存地址。在 Python 中,每个对象的身份标识,都能通过函数 id(object) 获得。因此, is 操作符相当于比较对象之间的 ID 是否相等。a = 10b = 10print(a == b) # Trueid(a) # 4427562448id(b) # 4427562448print(a is b) # Tru原创 2021-11-19 10:32:14 · 830 阅读 · 0 评论 -
Python 合并字典的若干种方法
1. update()dict1 = {'a': 1, 'b': 2}dict2 = {'c': 3, 'd': 4}dict1.update(dict2)print(dict1)# {'a': 1, 'b': 2, 'c': 3, 'd': 4}2. dict(dict1, **dict2)dict1 = {'a': 1, 'b': 2}dict2 = {'c': 3, 'd': 4}dict3 = dict(dict1,**dict2)print(dict3)# {'a': 1,原创 2021-11-13 19:25:28 · 474 阅读 · 0 评论 -
Pandas常见的性能优化方法
Pandas是数据科学和数据竞赛中常见的库,我们使用Pandas可以进行快速读取数据、分析数据、构造特征。但Pandas在使用上有一些技巧和需要注意的地方,如果你没有合适的使用,那么Pandas可能运行速度非常慢。本文将整理一些Pandas使用技巧,主要是用来节约内存和提高代码速度。1、数据读取与存取在Pandas中内置了众多的数据读取函数,可以读取众多的数据格式,最常见的就是read_csv函数从csv文件读取数据了。但read_csv在读取大文件时并不快,所以建议你使用read_csv读取一次原始文原创 2021-10-07 10:42:25 · 1172 阅读 · 0 评论 -
Pandas 常用操作
一、生成数据表各位读者朋友们,由于更新blog不易,如果觉得这篇blog对你有用的话,麻烦关注,点赞,收藏一下哈,十分感谢。1、首先导入pandas库,一般都会用到numpy库,所以我们先导入备用:import numpy as npimport pandas as pd2、导入CSV或者xlsx文件:df = pd.DataFrame(pd.read_csv('name.csv',header=1))df = pd.DataFrame(pd.read_excel('name.xlsx'))原创 2021-09-07 22:13:52 · 1037 阅读 · 0 评论 -
PySpark特征工程入门总结
PySpark Feature Tool1. 数据准备我们定义了一些测试数据,方便验证函数的有效性;同时对于大多数初学者来说,明白函数的输入是什么,输出是什么,才能更好的理解特征函数和使用特征:df = spark.createDataFrame([ ('zhu', "Hi I heard about pySpark"), ('xiang', "I wish python could use case classes"), ('yu', "Logistic regression原创 2021-09-07 08:09:43 · 547 阅读 · 0 评论 -
中文文本生成知识图谱
1.工具1.1 Jiagu 自然语言处理工具Jiagu使用大规模语料训练而成。将提供中文分词、词性标注、命名实体识别、情感分析、知识图谱关系抽取、关键词抽取、文本摘要、新词发现、情感分析、文本聚类等常用自然语言处理功能。Jiagu 详细内容参考:https://github.com/ownthink/Jiagu1.2 Neo4jubuntu 安装 neo4j安装服务端wget -O - https://debian.neo4j.org/neotechnology.gpg.key | sud原创 2021-09-02 11:29:02 · 6552 阅读 · 1 评论 -
Python 常见库
Python 常见库库名库说明安装方法Numpy科学计算和数据分析的基础库pip install numpySciPyNumpy 基础上的科学计算库pip install scipySymPy符号计算库pip install sympyPandasNumpy 基础上的数据分析库pip install pandasMatplotlib数据可视化库pip install matplotlibScikit-learn机器学习库pip i原创 2021-07-23 20:27:24 · 88 阅读 · 0 评论 -
树莓派4B 搭建 Pytorch1.3.0 + TorchVision0.4.1
Raspberry Pi 4 Model B (8G RAM Version)Python3.7Architecture: ARM7lSystem: Raspbian Buster with Desktop由于树莓派端无法安装 Linux版本的百度云盘,虽然可以使用 BaiduPCS-Go 来迂回得下载百度云盘中的文件,但是经过多次尝试有些文件无法下载。所以,只能通过 FileZilla 软件通过 Win-PC 或者 Mac-PC FTP 到树莓派中。在首次用 FileZilla 连接 Win-P原创 2021-01-21 19:16:42 · 525 阅读 · 0 评论 -
JetBrains下载历史版本
https://www.jetbrains.com/clion/download/other.html在上方的链接中将clion改为idea,phpstrom、webstrom等等原创 2021-01-15 21:39:04 · 484 阅读 · 0 评论 -
使用pandas把某一列的字符值转换为数字
使用map的方法就可以实现把某一列的字符类型的值转换为数字。class_mapping = {'A':0, 'B':1}data[class] = data[class].map(class_mapping)首先定义一个字典,然后使用map方法就可以把某一列的字符类型的值转换为数字。以上就是对使用pandas把某一列的字符值转换为数字的认识。...原创 2020-06-07 17:40:25 · 7244 阅读 · 0 评论 -
XGBOOST从原理到实战:二分类 、多分类
注:转载请注明出处,https://blog.csdn.net/HHTNAN/文章目录XGboost完整系统的原理+实战:[课程直通车](https://edu.csdn.net/course/detail/10332)1.XGBoost2. XGBoost的优点2.1 正则化2.2 并行处理2.3 灵活性2.4 缺失值处理2.5 剪枝2.6 内置交叉验证3. XGBoost详解3.1 数据格式3.2 参数设置3.3xgboost 模型训练方法和参数4.模型的训练、预测、保存4.1 训练模型4.3 保存与转载 2020-06-07 17:36:40 · 6513 阅读 · 0 评论 -
DBSCAN聚类算法——机器学习(理论+图解+python代码)
文章目录一、前言去年学聚类算法的R语言的时候,有层次聚类、系统聚类、K-means聚类、K中心聚类,最后呢,被DBSCAN聚类算法迷上了,为什么呢,首先它可以发现任何形状的簇,其次我认为它的理论也是比较简单易懂的。今年在python这门语言上我打算好好弄弄DBSCAN。下面贴上它的官方解释:DBSCAN(Density-Based Spatial Clustering of Applications with Noise,具有噪声的基于密度的聚类方法)是一种基于密度的空间聚类算法。 该算法将具有足够密转载 2020-06-03 08:14:55 · 398 阅读 · 0 评论 -
VUE与django建立连接交互
1,先创建VUE项目: vue init webpack-simple test_test (test_test)项目名2.进入项目目录下:cd test_test3.下载补全依赖:cnpm install4.下载vue-router: cnpm install vue-router --save5.下载 axios:cnpm install axios --save6.下载jquery: cnpm install jquery --save7.检测项目是否创建成功:cnpm run转载 2020-05-23 09:07:26 · 955 阅读 · 0 评论 -
python manage.py makemigrations 和 python manage.py migrate的区别
无论当我们第一次在models.py中创建类对象还是对类中的属性进行修改,我们都会使用python manage.py makemigrations 和 python manage.py migrate 两个命令,单纯从这两这个命令来看的话其实仅仅只是后面makemigrations和migrate的区别 在models中第一次创建models类,如图所示: 下面使用python manage.py makemigration.转载 2020-05-23 08:58:17 · 786 阅读 · 0 评论 -
Acwing 刷题指南
Acwing 刷题指南1. 二分LeetCode 69. Sqrt(x)LeetCode 35. Search Insert PositionLeetCode 34. Find First and Last Position of Element in Sorted ArrayLeetCode 74. Search a 2D MatrixLeetCode 153. Find Mini...原创 2020-02-12 14:41:53 · 1691 阅读 · 0 评论 -
python中OrderedDict的使用
很多人认为python中的字典是无序的,因为它是按照hash来存储的,但是python中有个模块collections(英文,收集、集合),里面自带了一个子类OrderedDict,实现了对字典对象中元素的排序。请看下面的实例:import collectionsprint "Regular dictionary"d={}d['a']='A'd['b']='B'd['c']='C'...原创 2019-10-17 21:26:07 · 193 阅读 · 0 评论 -
XGBoost——xgboost算法
全栈工程师开发手册 (作者:栾鹏)python数据挖掘系列教程安装xgboost目前还不能pip在线安装,所以先在网址https://www.lfd.uci.edu/~gohlke/pythonlibs/#xgboost 中下载whl文件,然后参考https://blog.csdn.net/luanpeng825485697/article/details/77816740 进行离线安装...原创 2019-05-15 18:03:22 · 1122 阅读 · 2 评论 -
史上最详细的XGBoost实战
0. 环境介绍Python 版 本: 3.6.2操作系统 : Windows集成开发环境: PyCharm1. 安装Python环境安装Python首先,我们需要安装Python环境。本人选择的是64位版本的Python 3.6.2。去Python官网https://www.python.org/选择相应的版本并下载。如下如所示: 接下来安装,并最终选择将Python加入...转载 2019-05-15 16:47:35 · 858 阅读 · 0 评论 -
python机器学习库sklearn——参数优化(网格搜索GridSearchCV、随机搜索RandomizedSearchCV、hyperopt)
全栈工程师开发手册 (作者:栾鹏) python数据挖掘系列教程优化的相关的知识内容可以参考 https://blog.csdn.net/luanpeng825485697/article/details/78765923网格搜索GridSearchCVGridSearchCV用于系统地遍历多种参数组合,通过交叉验证确定最佳效果参数。classsklearn.model_s...转载 2019-05-10 15:02:27 · 2580 阅读 · 0 评论 -
梯度下降算法以及其Python实现
一、梯度下降算法理论知识我们给出一组房子面积,卧室数目以及对应房价数据,如何从数据中找到房价y与面积x1和卧室数目x2的关系?为了实现监督学习,我们选择采用自变量x1、x2的线性函数来评估因变量y值,得到:这里,sita1、sita2代表自变量x1、x2的权重(weights),sita0代表偏移量。为了方便,我们将评估值写作h(x),令x0=1,则h(x)可以写作:其中n为输入样本...原创 2019-05-03 14:18:20 · 401 阅读 · 0 评论 -
python基础系列教程——Python3.x标准模块库目录
全栈工程师开发手册 (作者:栾鹏)python教程全解文本string:通用字符串操作re:正则表达式操作difflib:差异计算工具textwrap:文本填充unicodedata:Unicode字符数据库stringprep:互联网字符串准备工具readline:GNU按行读取接口rlcompleter:GNU按行读取的实现函数二进...转载 2019-04-19 09:51:01 · 230 阅读 · 0 评论 -
python开发大全、系列文章、精品教程
分享一个朋友的人工智能教程。零基础!通俗易懂!风趣幽默!还带黄段子!大家可以看看是否对自己有帮助http://www.captainbed.net/luanpeng教程更新到自家网站上:http://www.data-master.net/python基础教程python基础系列教程——Python的安装与测试:python解释器、PyDev编辑器、pycharm编译器python基础...转载 2019-04-19 08:19:41 · 515 阅读 · 0 评论 -
python机器学习库sklearn——支持向量机svm
python数据挖掘系列教程支持向量机svm的相关的知识内容可以参考 https://blog.csdn.net/luanpeng825485697/article/details/78823919支持向量机的优势在于:在高维空间中非常高效.即使在数据维度比样本数量大的情况下仍然有效.在决策函数(称为支持向量)中使用训练集的子集,因此它也是高效利用内存的.通用性: 不同的核...转载 2019-04-19 08:16:34 · 1918 阅读 · 0 评论 -
Linux中 anaconda 启动其终端命令行
anaconda-navigator$ source ~/anaconda3/bin/activate root$ anaconda-navigator转载 2019-04-17 21:34:47 · 4609 阅读 · 0 评论 -
numpy -- np.linalg
1、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)①x: 表示矩阵(也可以是一维)②ord: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ord=∞:...转载 2018-07-12 09:05:33 · 664 阅读 · 0 评论 -
python中 from __future__ import * 的作用
我们在读代码的时候,总是会看到代码开头会加上from __future__ import *这样的语句。这样的做法的作用就是将新版本的特性引进当前版本中,也就是说我们可以在当前版本使用新版本的一些特性。例如,在python2.x和python3.x中print的标准写法分别是,# python 2.xprint "Hello World" # python 3.xpr...转载 2019-05-30 14:16:23 · 233 阅读 · 0 评论 -
pytorch: Tensor 常用操作
pytorch: Tensor 常用操作torch.tensor是一个包含多个同类数据类型数据的多维矩阵。常用参数dtype: tessor的数据类型,总共有八种数据类型。其中默认的类型是torch.FloatTensor,而且这种类型的别名也可以写作torch.Tensor。 Data type dtype CPU tensor GPU tensor 3...转载 2019-05-30 17:23:35 · 645 阅读 · 0 评论 -
求和问题总结
文章目录题目列表问题描述注意事项一、2 sum 解法二、3 sum 解法三、3 sum closest 解法四、3 sum Smaller 解法五、4 sum 解法六、K sum 解法引用题目列表2 sum2 sum II - input array is sorted2 sum III - data structure design3 sum3 sum closest3 sum ...原创 2019-09-24 15:47:49 · 493 阅读 · 0 评论 -
K 数之和总结
文章目录1. Two Sum2. Three Sum3. Four Sum4. K SumProblem:Example:Note:1. Two Sum题目: https://leetcode-cn.com/problems/two-sum/description/给定一个整数数组和一个目标值,找出数组中和为目标值的两个数。你可以假设每个输入只对应一种答案,且同样的元素不能被重复利用。示...原创 2019-09-24 11:35:20 · 905 阅读 · 0 评论