python
黄小猿
数学系的孩子,对人工智能有着极大的热情,让机器像人一样,学习提升,是挑战人类对大脑的认知底限,愿尽自己的绵薄之力,让这个世界更美好。
展开
-
np.nonzero()
今天突遇一个矩阵的函数,np.nonzeros()看了半天才看到是怎么回事。下面来看一下官方的解释。x = np.array([[1,0,0], [0,2,0], [1,1,0]])xarray([[1, 0, 0], [0, 2, 0], [1, 1, 0]])试一下她返回什么鬼东西:np.nonzero(x)(array([0, 1,翻译 2017-09-01 14:57:33 · 867 阅读 · 0 评论 -
python拾遗
虽然用python用了快半年了,还是有一些小细节没有注意到,现在来回顾一下。整数运算和浮点数运算布尔运算广播整数运算和浮点数运算整数和浮点数混合运算,结果为浮点数。>>> 1.0 + 2 3.0为什么要区分整数运算和浮点数运算呢?这是因为整数运算的结果永远是精确的,而浮点数运算的结果不一定精确,因为计算机内存再大,也无法精确表示出无限循环小原创 2018-01-19 09:00:11 · 643 阅读 · 0 评论 -
python tuples详细解析
目录tuples基础tuples的性质tuples的使用tuples的比较tuple排序1.tuples基础tuples是python的数据结构之一,和list很像,也是序列,且索引也是从0开始的。>>> x = ("Glenn",'Sally','Joseph')>>> print x[2]Joseph>>> y = (1,9,2)>>> print原创 2018-01-12 11:01:22 · 6894 阅读 · 0 评论 -
python数据结构之链表(linked list)
目录基础 知识 1.1 链表的基本结构 1.2 节点类和链表节点的定义 1.3 顺序打印和逆序打印链表的基本操作 2.1 计算链表长度 2.2 从前,后插入数据 2.3 查找与删除参考1.基础 知识 1.1 链表的基本结构链表是通过一个个节点组成的,每个节点都包含了称为cargo的基本单元,它也是一种递归的数据结构。它能保持数据之间的逻辑顺序,但存储空间原创 2018-01-06 15:12:40 · 95739 阅读 · 11 评论 -
python数据结构之栈(stack)
目录栈的定义栈的基本操作小练习1.栈的定义栈遵循后进先出(Last In First Out),现实生活中也有不少这样的例子,比如在学校食堂吃完饭时,你把盘子放到桌子上,叠起来之后,阿姨过来拿盘子出去洗,假如是手洗,那肯定是先从最上面的盘子开始拿来洗的,而最上面的盘子是最后放上去的,却是第一个 被拿出来的,这就是后进先出,与之相同的还有查看网页,比如你查找“stack”,往往你会打开好几张网原创 2018-01-12 09:39:48 · 17612 阅读 · 0 评论 -
python numpy学习
目录np.meshgridnp.where 1.np.meshgrid可以生成一对协调的点,x = np.arange(-5, 5, 1)y = np.arange(-5, 5, 1)xx, yy = np.meshgrid(x, y, sparse=True)xx#输出:array([[-5, -4, -3, -2, -1, 0, 1, 2, 3,原创 2017-12-19 08:35:40 · 472 阅读 · 0 评论 -
python数据结构之队列(queue)
1.队列队列是一种特殊的线性表,先进先出,只允许在前端进行删除,在后端进行插入操作,它的操作方式与堆栈类似,区别在于队列只允许在后端插入数据。在python中有相应的类:import Queueq = Queue.Queue()for i in range(4): q.put(i) #将一个值放入队列中while not q.empty(): print q.get(), #将值取出原创 2018-01-11 16:16:58 · 4020 阅读 · 0 评论 -
python之matplotlib应用
画简单图添加标题,图例,x,y轴的名字创建子图在子图中展示图片数据—uint8转化 1.画简单图import numpy as npimport matplotlib.pyplot as pltx = np.arange(0, 3 * np.pi, 0.1)y = np.sin(x)# 使用matplotlib画图plt.plot(x, y)plt.show() # 这个必须要原创 2017-11-25 12:33:58 · 1445 阅读 · 0 评论 -
python .ravel() .flatten()
两者的本质都是想把多维的数组降为1维。区别在于numpy.flatten()返回一份拷贝,对数据更改时不会影响原来的数组,而numpy.ravel()则返回视图,对数据更改时会影响原来的数组。共同点:>>> import numpy as np>>> x = np.array([[1,3,4],[2,3,5]])>>> x.ravel()array([1, 3, 4, 2, 3, 5])>>原创 2017-11-27 13:11:47 · 9304 阅读 · 0 评论 -
scipy运用
1.处理图片数据scipy可以将图片数据读取出来,并转为array数组,或者重新设定图片的大小。from scipy.misc import imread,imsave,imresizeimg = imread('/Users/huanghuaixian/desktop/图片/风景.png')print(img.dtype,img.shape)#这是输出的格式 (dtype('uint8'),原创 2017-11-25 11:07:18 · 711 阅读 · 0 评论 -
collections deque详解
deque能把字符串拆开成一个一个字符from collections import dequed = deque('hello')for elem in d: print(elem.upper())结果:HELLOd.append('j') #默认在最后面添加d.appendleft('N') #在前面添加d结果:deque(['N', 'h'原创 2017-12-03 12:28:48 · 1038 阅读 · 0 评论 -
python 的可视化:Pyecharts VS Matplotlib
Pyecharts基础用Pandas和Numpymatplotlib以前用Python画图,一般用Matplotlib,现在我们可以用Pyecharts啦。Echarts是目前百度做的不被吐槽的几个产品之一了,Echarts有的图,Pyecharts以后都会有的。Pyecharts基础 效果和在Echarts上的展示完全一样,而且,改数据还非常方便...原创 2018-07-25 16:17:34 · 16049 阅读 · 3 评论