![](https://img-blog.csdnimg.cn/20201014180756913.png?x-oss-process=image/resize,m_fixed,h_64,w_64)
python
happyprince
这个作者很懒,什么都没留下…
展开
-
Django中表单的用法深探
django的表单设计真的很棒,涉及非常多的功能,今天介绍django较为主流的几种表单使用方法。注:本文中表单与form通用、模型与model通用。表单、模型的基础知识可以通过django book学习。传送门:http://djangobook.py3k.cn/2.0/0、用例我在本篇博客中,将使用同一个用例,前后会以不同的方式表示它,以此介绍不同的表单实现方法。用例很简单,是一个叫做Ser...原创 2014-11-22 16:00:17 · 95 阅读 · 0 评论 -
Python字典的应用详解<转>
一.创建字典方法①:>>> dict1 = {}>>> dict2 = {'name': 'earth', 'port': 80}>>> dict1, dict2({}, {'port': 80, 'name': 'earth'})方法②:从Python 2.2 版本起>>> fdict = dict((['x', 1], [...原创 2013-10-07 15:31:48 · 253 阅读 · 0 评论 -
jupyter安装测试
官网:http://jupyter.org/ 安装: python -m pip install –upgrade pip python -m pip install jupyter 配置: 生成配置文件:jupyter notebook –generate-config 设置密码:jupyter notebook password 找到.jupyter文件夹,发现文件jupyter...原创 2018-08-03 12:33:17 · 689 阅读 · 1 评论 -
专家系统--pyKE小例01
事实库[family.kfb]son_of(david, bruce)son_of(bruce, thomas)son_of(thomas, frederik)son_of(frederik, hiram)规则库[fc_familykrb]direct_father_son foreach family.son_of($son, $father)...原创 2018-08-04 13:12:57 · 1746 阅读 · 0 评论 -
pyKE专家系统
官网:http://pyke.sourceforge.net/about_pyke/index.html下载:《Python Knowledge Engine (PyKE)》 https://sourceforge.net/projects/pyke/files/安装: #python setup.py build# python setup.py instal...原创 2018-08-03 17:38:41 · 4471 阅读 · 0 评论 -
python3.5日常记录
1.pickle有时会遇到cPickle这个方法,在python3中没有发现这个模型。找了一个叫pickle的方法。 功能:python对象进行序列化操作。import pickle# 数据列表my_data = [145, 6, 9, '中国']# wb 写入 二进制saveFile = open('mybin.pkl', 'wb')# 将列表写入文件pickle.d...原创 2018-01-15 23:04:52 · 339 阅读 · 0 评论 -
python调用zxing项目进行二维码识别
摘要:首先创建一个java的maven项目,加入zxing相关包,编写二维码相关代码,调试运行,打包;然后创建一个python项目,安装jpype,编写代码把相关的jar包加载,运行。0. 创建一个maven项目1. 配置pom.xml文件 dependency> groupId>com.google.zxinggroupId>原创 2017-11-29 23:05:25 · 6473 阅读 · 1 评论 -
DM03-NumPy的索引总结
摘要:NumPy的索引,分解为基础索引,多维度,增加维度,省略号,布尔等几个方面去总结,方便数据的获取。基础索引[i:j:k模型]import numpy as np# 基础索引[i:j:k模型]原创 2018-01-03 11:47:40 · 232 阅读 · 0 评论 -
DM05-奇异点处理总结
sklearn的奇异点检测 可以考虑四种方法去处理这个问题。经过词典及停用过滤并分词收集文本,本次选择母婴主题的文章,建立相关词典及停词之后,再进行分词: hash向量化作降维文本向量化,由于文本语料比较大,采用hash向量化。class ForHash(object): def __init__(self, in_file, n):原创 2018-01-11 10:03:45 · 1759 阅读 · 0 评论 -
Linux下python升级步骤
首先下载源tar包 可利用linux自带下载工具wget下载,如下所示:1# wget http://www.python.org/ftp/python/3.3.0/Python-3.3.0.tgz 或自己去网上找,这里提供一个最新版的下载链接:http://xiazai.zol.com.cn/detail/33/320958.shtml 这...原创 2015-05-01 12:37:18 · 159 阅读 · 0 评论 -
Python装饰器学习(九步入门)
http://www.cnblogs.com/rhcad/archive/2011/12/21/2295507.html 第一步:最简单的函数,准备附加额外功能12345678# -*- coding:gbk -*-'''示例1: 最简单的函数,表示调用了两次''' def myfunc(): pr...原创 2015-07-16 00:17:32 · 72 阅读 · 0 评论 -
Django 模板过滤器列表(转)
Django 模板过滤器也是我们在以后基于 Django 网站开发过程中会经常遇到的,如显示格式的转换、判断处理等。以下是 Django 过滤器列表,希望对为大家的开发带来一些方便。一、形式:小写{{ name | lower }}二、串联:先转义文本到HTML,再转换每行到{{ my_text|escape|linebreaks }}三、过滤器的参数显示前30个字{...原创 2015-07-23 12:18:49 · 117 阅读 · 0 评论 -
django模板
最近研究openstack出现了一些问题,需要自己来解决,openstack的是使用python来实现的,他的dashboard就是一个django的project。所以重新拾起django看了一下,发现有些东西已经遗忘掉了,重新看了一下,并记录,以防再次遗忘。django模板把指令放在{% %}中,{{}}中的是在python代码中的变量。extends 与 include分别是模板的...原创 2014-11-22 11:39:11 · 94 阅读 · 0 评论 -
django 引用{% url "name"%} 避免链接硬编码<转>
http://blog.chinaunix.net/uid-11390629-id-4059271.html前提条件,为每个url指定name且name值要唯一。比如:项目中的url.py文件:urlpatterns = patterns('', url(r'^$',TemplateView.as_view(template_name='welcome.html'),name="hom...原创 2014-11-08 20:55:56 · 306 阅读 · 0 评论 -
Python & Django 学习笔记,转.
http://www.cnblogs.com/zhxhdean/p/3173663.html0.python-dev安装(ubuntu) apt-get install python-dev 1.Open(filename,mode)报错实例: f = open('d:\Users\168935495Request.xml','r')错误信息"SyntaxError: (u...原创 2014-11-08 20:42:43 · 329 阅读 · 0 评论 -
Django_request对象
Django使用request和response对象当请求一张页面时,Django把请求的metadata数据包装成一个HttpRequest对象,然后Django加载合适的view方法,把这个HttpRequest 对象作为第一个参数传给view方法。任何view方法都应该返回一个HttpResponse对象。我们在本书中大量使用这两个对象;本附录详细解释HttpRequest...原创 2014-11-08 19:28:32 · 89 阅读 · 0 评论 -
Django_urls.py(01)
在 Django 框架中,urls.py 的设置很关键,它决定了所有页面的 URL 长什么样子。所以很有必要我们开一个专题来探讨它的使用。我们先来粗略看看 urls.py 的样子,虽然前面也有介绍,我们这里算是复习一下吧:from django.conf.urls import patterns, include, url# Uncomment the next two line...原创 2014-11-04 22:45:29 · 127 阅读 · 0 评论 -
Python version 2.7 required, which was not found in the registry
## script to register Python 2.0 or later for use with win32all# and other extensions that require Python registry settings## written by Joakim Loew for Secret Labs AB / PythonWare## sour...原创 2014-10-29 21:54:57 · 100 阅读 · 0 评论 -
python模块:win32com用法详解
python模块:win32com用法详解 使用技巧import win32comfrom win32com.client import Dispatch, constantsw = win32com.client.Dispatch('Word.Application')# 或者使用下面的方法,使用启动独立的进程:# w = win32com.clien...原创 2014-10-29 11:13:43 · 629 阅读 · 0 评论 -
Python鸟视<转>
(二)Python简介 Python很自由,语法简单,函数库多,我最喜欢Python的就是它的缩进,哈哈,全都要靠缩进来解释。对于我这种只爱读清晰代码的人来说简直太棒了。 先把一些需要注意的基础给列出来: 1.'/'除号与c不同,单个'/'是浮点除,两个除号'//'才是整除,而且整除也适用于浮点数,比如3.5//2.2,结果是1.0。 2.乘方的符号是**,两个乘号,太好...原创 2014-10-29 10:43:18 · 89 阅读 · 0 评论 -
python[变量作用域-函数-闭包-装饰器-生成器]
摘要:主要对python的系统与关联地复习一下,从最基础的变量作用域,到函数,闭包,装饰器,生成器作相关的复习。变量作用域-函数-闭包-装饰器-生成器原创 2017-12-07 22:45:09 · 600 阅读 · 0 评论 -
NLP14-基于Gensim中的Doc2Vec的试探
摘要:经过加载数据,分词,运行Gensim中的Doc2Vec进行训练并作文本相似性的预测,可实验的结果不满意,有待进一步研究Doc2Vec。关于Doc2Vec的论文:http://cs.stanford.edu/~quocle/paragraph_vector.pdfDoc2Vec与Word2Vec来自同一大师的手笔,两者的思想也比较像。语料分词###代码#### -*- coding:utf-8原创 2017-11-26 22:32:56 · 970 阅读 · 0 评论 -
NLP02-Gensim语料与向量空间
摘要:对Gensim的语料与向量空间的官方文档的学习,对相关内容进行记录与翻译,并实践操作进行记录。gensim使用文档:《Corpora and Vector Spaces》 来源:https://radimrehurek.com/gensim/tut1.html以下为文档阅读理解后记录内容:This tutorial is available as a Jupyter Notebook her翻译 2017-10-26 14:20:16 · 1401 阅读 · 0 评论 -
NLP08-Gensim源码简析[ShardedCorpus&UciCorpus&LowCorpus]
摘要:分析ShardedCorpus&UciCorpus&LowCorpus三种语料结构的存储,可从语料格式方面去分析其意思。1. ShardedCorpusThe corpus stores its data in separate files called"shards". This is a compromise between speed (keeping the whole datase原创 2017-11-02 18:03:07 · 325 阅读 · 0 评论 -
NLP07-Gensim源码简析[MmCorpus&SvmLightCorpus]
摘要:主要分析MmCorpus&SvmLightCorpus两个源代码,查看语料是以什么形式来保存的,对矩阵的相关储存格式进行了了解,并对相关代码进行阅读。1. MmCorpus1.1 MM介绍MM是种矩阵的模型:Matrix Market File Format 《Text File Formats》 http://math.nist.gov/MatrixMarket/formats.html原创 2017-10-30 20:28:08 · 813 阅读 · 0 评论 -
NLP10-Gensim源码简析[LsiModel]
摘要: 浏览完整个代码,对整个思路有所了解, 实现LSI模型其实就是一个SVD分解,然后进行TSVD截断奇异值分解;采用了两个算法:随机二阶段相似算法,另一个采用了svdlibc中实现的Lanczos算法。另外,采用两种计算模式:一个是单机;一个分布式;分布式的实现是依赖了Pyro4框架来实现,先实现一个调度器,让调度器来实现工作节点,每个工作节点又相当于单机了,这个实现也是串联来计算的,一个一个工原创 2017-11-07 23:52:19 · 2497 阅读 · 1 评论 -
Pyro4分布式计算入门例子
摘要:主要是两个Pyro4入门的例子,作为Pyro4的初步入门认识。记得要把NS开启,不然会出错。Pyro4官网:https://pythonhosted.org/Pyro4/index.html 安装:pip install Pyro4Demo01:来自官网的一个例子: 服务器端:# saved as greeting-server.pyimport Pyro4# greeting-serv原创 2017-11-07 14:49:15 · 2873 阅读 · 0 评论 -
NLP06-Gensim源码简析[字典]
摘要:分析Ginsim中的字典源代码,包括分析Dictionary类与HashDictionary类,对比两类的异同点,重点学习doc2bow函数,一句解读其中的意思。0 前置NLP05-Gensim源码[包与接口]:http://blog.csdn.net/ld326/article/details/783794491. 例子from gensim import corporatexts = [[原创 2017-10-29 16:08:06 · 732 阅读 · 0 评论 -
NLP01-python的wordcloud实现中文词云小例
摘要:只是wordcloud的安装与演示测试,可为入门者提供帮助。原创 2017-10-25 14:30:28 · 878 阅读 · 0 评论 -
NLP05-Gensim源码[包与接口]
摘要:粗略从的方面查看一下gensim包中的文件结构与接口,感性地认识一下gensim的源码都有些什么东西,这个是认识Gensim源码的第一步。内容包含了文件结构,核心接口,Corpora模块,Models模块 ,Similarity模块,Models模块 ,scripts, 集成sklearn,摘要与关键词,单元测试,topic coherence这几个方面。0.文件结构把开gensim包,目录结原创 2017-10-28 21:20:49 · 1867 阅读 · 0 评论 -
NLP03-Gensim转换与相似计算
摘要:根据Gensim官网的说明文档,进行动手操作,记录实践过程,为以后及相关学习同伙作参考。学习来源Topics and Transformations https://radimrehurek.com/gensim/tut2.html Similarity Queries https://radimrehurek.com/gensim/tut3.html说明与入门代码以下的数据都是来之前一篇文原创 2017-10-26 18:21:37 · 424 阅读 · 0 评论 -
NLP11-基于Gensim的文本相似性挖掘[LsiModel]
摘要:通过对数据的抓取,基于jieba分词,去掉停用词,运用Gensim建立词典,生成BOW语料,运行tfidf模型计算词权重,采用LsiModel进行降维,最后运用Gensim提供的MatrixSimilarity类来计算两文档的相似性【基于余弦的距离的计算】。1. 爬取数据确定一个内容主题为健康信息类, python的requests包可以对所给的信息URL进行请求并抓取,可采用beautifu原创 2017-11-11 20:02:59 · 11613 阅读 · 1 评论 -
NLP12-Bayes与文本分类探讨
摘要: 学习Bayes的基础,公式,原理,把Bayes应用到文本分类的小例子。通过手工例子理解后,依托skLearn工具,进行对中文作一个分类探讨,采用三类200多条记录做实现,三类组合起来的正确率为83%,两两区别90%以上。0. Bayes定义Bayes的定义网上很多,可以看一下< 从贝叶斯方法谈到贝叶斯网络> http://blog.csdn.net/v_july_v/article/det原创 2017-11-13 20:58:25 · 353 阅读 · 0 评论 -
DM02-sklearn特征选择总结与Demo
摘要:学习sklearn的特征选择模型,先画导向图,然后写demo,最后给出了离散类型的几种用法。作为初探指导记录与学习。0. 学习sklearn的特征选择http://scikit-learn.org/stable/modules/feature_selection.html#removing-features-with-low-variance1. 特征选择2. demo代码# coding=u原创 2017-12-22 16:10:54 · 584 阅读 · 0 评论 -
twisted介绍与用户端服务器端
摘要:介绍twisted是什么,分析一下编程的三个经典模型,说明twisted 走的是异步编程的路线,了解一下twisted的构成及reactor模式;参考官网编写twisted简单的例子,也是用来入门的,一个服务器端,一个客户端。1.twisted是什么Twisted is an event-driven networking engine written in Python; Twisted原创 2017-12-09 20:47:45 · 861 阅读 · 0 评论 -
python[回调-内联回调]
摘要:理解什么是回调,回调函数就应该是一个模板框架,也像是一个抽像流程,也像面向对象中的模块模式设计,也像wiki说那样,允许低层代码调用高层代码;根据这样思想,应用python进行实现,实现的方法有多种,分别为: 简单回调,基于闭包的回调,基于类的回调, 基于生成器的回调,采用队列管理的回调,内联回调等5个方法去实现相关的回调。环境:Python 3.5.2 (v3.5.2:4def2a2901a原创 2017-12-09 18:41:38 · 2013 阅读 · 0 评论 -
DM01-TSVD进一步探索
摘要:进一步了解TSVD,进一步确认TSVD与LSA的关系,以sklearn的TruncatedSVD为例,在sklearn的文档帮助下理解对TSVD的理解及动手实现一个例子来一探究竟。在学习LSA时,遇到了TSVD,或者叫截断奇异值分解,后面在sklearn中再次发现了它,TSVD在实现像PCA那样进行降维,在文本的处理,TSVD就是实现与解决LSA的模型算法。sklearn中,TSVD被注解为“原创 2017-11-30 23:16:35 · 1210 阅读 · 0 评论 -
爬取百度百科[scrapy启发]
摘要:主要是基于业务的需要,要一批词,学习了scrapy,借鉴scrapy的一点点思想,写了一个临时爬虫。 一开始,是采用scrapy来写的,可是对于一个框架不熟悉,需要要花时间学习;还有一个主要的,好像代码并不会因为用了这个框架少了多少,可能抓取大量的会有优势。还有一个,我的研究业务单一,就是想要一批词,并且现在就想要,来做一个研究。还有一个, scrapy的异常机制还未找到怎么应用,当出现一些原创 2017-12-09 09:39:11 · 1528 阅读 · 0 评论 -
层次分析法
层次分析法是一个比较经典的分析方法,具体方法网上挺多的,可以看这个 https://wenku.baidu.com/view/96cc92ac195f312b3069a54e.html, 把要计算的指标,模型列行放置,准备构建N*N的矩阵,N表示指标数;可以借助excel来填数据。因为是对称的,取了一下倒数,只填一半就可以了。如何填,按下面的标准来写,下面的因素与即是指标: 这是这个方法的原创 2017-11-30 20:55:46 · 1178 阅读 · 0 评论 -
NLP15-基于keras的中文情感挖掘试探
摘要:keras开发,tf为后端;采用了两个样本(ChnSentiCorp_htl_ba_2000与imdb),三个神经网络的试探性运行(全连接的一般神经网络NN,LSTM,CNN),感觉keras比tf写代码更简单。对于NN只要参数充够的多,会拟合得很好,不过这样产生了过拟合;LSTM比CNN运行的效果好很多。 keras的中文文档:http://keras-cn.readthedocs.io/原创 2017-11-29 22:51:01 · 3410 阅读 · 2 评论