- 博客(15)
- 收藏
- 关注
RSS订阅原创 Python数据分析与展示（二）
一、数据的CSV文件存取1.CSV文件介绍2.数据写入CSV文件3.读取CSV文件4.CSV文件的局限性（1）CSV只能有效存储一维和二维数组（2）np.savetxt()、np.loadtxt()只能有效存取一维和二维数组二、多维数据的存取1.tofile函数2.fromfile方法注：该方法需要读取时知道存人文件时数组的维度和元素类型a.tofile()和np.fromfile()需要配合使用,可以通过元数据文件来存储额外信息。三、NumPy便捷文件提取方法四、Num
2022-03-07 20:36:36
905
原创 Python数据分析与展示—1
一、数据的维度1.一维数据由对等关系的有序或无序数据构成,采用线性方式组织。2.列表和数组区别：（1）列表:数据类型可以不同（2）数组:数据类型相同3.二维数据由多个一维数据构成,是一维数据的组合形式。表格是典型的二维数据其中，表头是二维数据的一部分。4.多维数据由一维或二维数据在新维度上扩展形成。5.高维数据仅利用最基本的二元关系展示数据间的复杂结构。6.数据维度的python表示：二、numpy的数组对象ndarray1.numpy：2.N维数组对象：ndarraynda
2022-02-14 21:13:49
475
原创 python面向对象版学员管理系统
⼀. 系统需求使⽤⾯向对象编程思想完成学员管理系统的开发，具体如下：系统要求：学员数据存储在⽂件中。系统功能：添加学员、删除学员、修改学员信息、查询学员信息、显示所有学员信息、保存学员信息及退出系统等功能。二. 创建程序文件程序⽂件如下：程序⼊⼝⽂件：main.py学员⽂件：student.py学员信息包含：姓名、性别、⼿机号。管理系统⽂件：managerSystem.py三. 书写程序3.1 student.pyclass Student(object): def
2022-01-16 17:18:43
221
原创 python学习笔记——连接MySQL数据库
一、连接数据库import pymysql # 导入pymysql库host = 'localhost' # 配置地址信息user = 'root' # 配置用户名信息password = '123456' # 配置密码信息database = 'python' # 配置数据库名称信息try: db = pymysql.connect(host=DBHOST,user=DBUSER, password=DBPASS, database=DBNAME) pr
2022-01-13 23:14:58
363
原创 python学习笔记5
Python多线程—定时器在实际应用中，我们经常需要使用定时器去触发一些事件。Python中通过线程实现定时器timer,其使用非常简单。在使用Python定时器时需要注意如下4个方面：定时器构造函数主要有2个参数，第一个参数为时间，第二个参数为函数名，第一个参数表示多长 时间后调用后面第二个参数指明的函数。第二个参数注意是函数对象，进行参数传递，用函数名(如fun_timer)表示该对象，不能写成函数 执行 语句fun_timer()，不然会报错。用type查看下，可以看出两者的区别。必须在定时
2022-01-11 21:16:22
301
原创 python学习笔记4
Semaphore(信号量)信号量是多把锁，同时允许多个线程来更改数据，而互斥锁同时只允许一个线程更改数据。Python信号量与互斥锁的关系信号量的一个特殊用法是互斥量。互斥量是初始值为 1 的信号量，可以实现数据、资源的互斥访问。Python信号量使用语法：import threadingsem = threading.Semaphore(3)sem.acquire()sem.release()Python多线程信号量使用使用 threading.Semaphore 信号量控制多线程
2022-01-09 23:57:21
44
原创 python学习--多线程
多线程多线程类似于同时执行多个不同程序，多线程运行有如下优点：使用线程可以把占据长时间的程序中的任务放到后台去处理。用户界面可以更加吸引人，比如用户点击了一个按钮去触发某些事件的处理，可以弹出一个进度条来显示处理的进度。程序的运行速度可能加快。在一些等待的任务实现上如用户输入、文件读写和网络收发数据等，线程就比较有用了。在这种情况下我们可以释放一些珍贵的资源如内存占用等等。创建线程一个进程里面必然有一个主线程。Python3 线程中常用的两个模块为：1. _thread2. thr
2022-01-08 16:18:47
421
原创 python面向对象-2
动态添加实例方法：使用types.MethodType这个方法了，示例代码如下：import typesclass Person(object): def __init__(self,name): self.name = namedef run(self): print('%s在奔跑' % self.name)p1 = Person('p1')p1.run = types.MethodType(run,p1)p1.run()其中types.MethodTyp
2022-01-06 17:42:02
397
原创 python面向对象-1
python面向对象面向对象的三大特征：封装，继承，多态封装：根据职责将属性和方法封装到一个抽象的类中继承：实现代码的重用，相同的代码不需要重复的编写多态:(以封装和继承为前提)不同的子类调用相同的方法，产生不同的结果1.Python中的类提供了面向对象编程的所有基本功能：类的继承机制允许多个基类，派生类可以覆盖基类中的任何方法，方法中可以调用基类中的同名方法。2.对象可以包含任意数量和类型的数据。一、类和对象1、类和对象得区别：类是对客观世界中事物得抽象，而对象是类实例化后的实体2
2022-01-04 19:27:18
317
原创 SVM支持向量机
一、SVM简介1.支持向量机(SVM)定义：三种：线性可分支持向量机、线性支持向量机、非线性支持向量机。SVM的学习算法就是求解凸二次规划的最优化算法；SVM是一种二类分类模型，基本模型是定义在特征空间中的间隔最大的线性分类器。学习策略是间隔最大化。训练集线性可分时，通过硬间隔最大化，学习一个线性可分支持向量机；训练集近似线性可分时，通过软间隔最大化，学习一个线性支持向量机；训练集线性不可分时，通过核技巧与软间隔最大化，学习一个非线性支持向量机。线性可分支持向量机给定线性可分训练集，通过
2021-08-29 15:59:06
598
原创 KNN算法
1. knn K近邻算法原理K近邻算法：给定一个训练数据集，对新的输入实例，在训练数据集中找到与该实例最邻近的的K个实例，这K个实例的多数属于某个类，就把该实例分为这个类。K值选择、距离度量、以及分类决策(一般多数表决)为K近邻算法的三个基本要素。1.1 通用步骤（1）计算距离（常用欧几里得距离或者马氏距离）（2）升序排列（3）取前K个（4）加权平均1.2 K的选取（1）K太大：导致分类模糊（2）K太小：受个例影响，波动较大1.3 如何选取K（1）经验（2）均方根误差2.计算公
2021-08-25 00:19:10
63
原创 PyTorch学习笔记第四次
十、卷积神经网络（Convolutional Neural Networks，CNN）（基础篇）1.卷积层（Convolution layer）：保留图像的空间特征和结构2.栅格图像：从自然界获取图像的基本方式3.矢量图像：（1）很少能够直接捕获，大部分是人工生成或者是程序生成（2）描述方式：如圆，圆心，直径，边的颜色，填充颜色等等4.Convolution（对图像块做卷积）（1）Input Channel:RGB（2）Output Channel：通过卷积之后得到新的patch5.代码一
2021-08-24 22:44:12
45
原创 PyTorch学习笔记第三次
七、处理多维特征的输入1.数据集：（1）回归：y∈R（2）分类：y∈{ }（离散集合）2.模型的变化：3.Mini-Batch(N samples):（1）Sigmoid函数以向量形式计算（2）4.Linear Layer（线性层）：5.Neural Network（神经式网络）6.人工神经网络：7.阅读文档能力，对基本架构的理解：泛化能力8.用神经网络来解决多维输入的过程：（1）准备数据集（2）使用类来设计模型（3）构造损失和优化器（4） 训练周期9.代码如
2021-04-03 00:25:40
73
原创 PyTorch学习笔记第二次
##四、反向传播1.矩阵的求导：找matrix cookbook书中的公式2.Nonlinear Function 非线性函数3.链式求导过程（链式法则）：（1）Create Compntational Graph:创建计算图（Forward:前馈运算）（2）Local Gradient：局部梯度（3）Given gradient from successive node：给定连续节点的梯度（4）Use chain rule to compute the gradient（Backward
2021-03-28 17:31:48
87
原创 pytorch学习笔记第一次
pytorch学习笔记第一次一、Overview1.算法设计的思维方式:（1）穷举法 （2）贪心法 （3）分治法 （4）动态规划2.How to develop learning system?（1）Rule-based systems(基于规则的系统)（2）Classic machine learning（经典的机器学习）（3）Represtation learning（表示学习）注：采用从数据进行训练来得到算法(Training from data)（4）Deep learn
2021-03-23 21:18:49
91
空空如也
空空如也
TA创建的收藏夹 TA关注的收藏夹
TA关注的人