python入门知识简述(八)——模块

我们都知道,python不仅语言核心非常强大,还提供了其他工具以供使用。标准安装包含一组称为标准库模块
几个重要的模块:

sys—访问与python解释器紧密相关的变量和函数

argv—命令行参数,包括脚本名
exit([arg])—退出当前程序,可通过可选参数制定返回值或错误消息
modules—一个字大点,将模块名映射到加载的模块
path—一个列表,包含要在其中查找模块的目录的名称
platform—一个平台标识符,如sunos5或win32
stdin—标准输入流——一个类似于文件的对象
stdout—标准输出流——一个类似于文件的对象
stderr—标准错误刘——一个类似于文件的对象

os—访问多个操作系统

environ—包含环境变量的映射
system(command)—在子shell中执行操作系统命令
sep—路径中使用的分隔符
pathsep—分割不同路径的分隔符
linesep—行分隔符(‘\n’、’\r’、’\r\n’)
urandom(n)—返回n个字节的强加密随机数据

fileinput—迭代一系列文本文件中的所有行

input—帮助迭代多个输入流中的行
filename()—返回当前文件的名称
lineno()—返回(累计的)当前行号
filelineno()—返回在当前文件中的行号
isfirsline()—检查当前行是否是文件中的第一行
isstdin()—检查最后一行是否来自sys.stdin
nextfile()—关闭当前文件并移到下一个文件
close()—关闭序列

time—包含由于获取当前时间、操作时间和日期的函数

asctime([tuple])—将时间远足转换为字符串
localtime([secs])—将秒数转换为表示当地时间的日期元组
mktime(tuple)—将时间元组转换为当地时间
strptime(string[,format])—将字符串转换为时间元组
time()—当前时间

random—包含生成伪随机数的函数

random()—返回一个0~1的随机实数
getrandbits(n)—以长整数方式返回n哥随机的二进制位
uniform(a,b)—返回一个a~b的随机实数
randrange([start],stop,[step])—从range(start,stop,step)中随机选择一个数

choice(seq)—从序列seq中随机选择一个元素
shuffle(seq[,random])—就地打乱序列seq
sample(seq,n)—从序列seq中随机选择n个值不同的元素
高亮部分个人感觉用的地方最多

  • 0
    点赞
  • 0
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
机器学习是一种人工智能(AI)的子领域,致力于研究如何利用数据和算法让计算机系统具备学习能力,从而能够自动地完成特定任务或者改进自身性能。机器学习的核心思想是让计算机系统通过学习数据中的模式和规律来实现目标,而不需要显式地编程。 机器学习应用非常广泛,包括但不限于以下领域: 图像识别和计算机视觉: 机器学习在图像识别、目标检测、人脸识别、图像分割等方面有着广泛的应用。例如,通过深度学习技术,可以训练神经网络来识别图像中的对象、人脸或者场景,用于智能监控、自动驾驶、医学影像分析等领域。 自然语言处理: 机器学习在自然语言处理领域有着重要的应用,包括文本分类、情感分析、机器翻译、语音识别等。例如,通过深度学习模型,可以训练神经网络来理解和生成自然语言,用于智能客服、智能助手、机器翻译等场景。 推荐系统: 推荐系统利用机器学习算法分析用户的行为和偏好,为用户推荐个性化的产品或服务。例如,电商网站可以利用机器学习算法分析用户的购买历史和浏览行为,向用户推荐感兴趣的商品。 预测和预测分析: 机器学习可以用于预测未来事件的发生概率或者趋势。例如,金融领域可以利用机器学习算法进行股票价格预测、信用评分、欺诈检测等。 医疗诊断和生物信息学: 机器学习在医疗诊断、药物研发、基因组学等领域有着重要的应用。例如,可以利用机器学习算法分析医学影像数据进行疾病诊断,或者利用机器学习算法分析基因数据进行疾病风险预测。 智能交通和物联网: 机器学习可以应用于智能交通系统、智能城市管理和物联网等领域。例如,可以利用机器学习算法分析交通数据优化交通流量,或者利用机器学习算法分析传感器数据监测设备状态。 以上仅是机器学习应用的一部分,随着机器学习技术的不断发展和应用场景的不断拓展,机器学习在各个领域都有着重要的应用价值,并且正在改变我们的生活和工作方式。

“相关推荐”对你有帮助么?

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值