- 博客(15)
- 收藏
- 关注
RSS订阅原创 SyntaxError: Non-UTF-8 code starting with ‘\xe6‘ in file报错解决
在python文件的第一行（不能有空行）加入# -*- coding: utf-8 -*-即可解决该问题
2021-10-11 17:52:34
5323
原创 getattr使用方法
getattr使用方法作用使用getattr()函数可以返回一个对象属性值语法getattr(object, name[, default])参数object — 对象name — 字符串，对象属性default — 默认返回值，如果不提供该参数，在没有对应属性时，将触发AttributeError使用方法：#普通调用方式result = obj.method(args)#使用getattrfunc = getattr(obj, "method")result = func
2021-10-11 17:49:26
3113
1
原创 Numpy基础六：常用统计函数
NumPy 的统计函数可以实现对整个数组或者是沿着数组轴方向的统计计算，常用的统计函数有求最大值和最小值，求和与平均值，计算百分位数、中位数、标准差和方差等。求最大值和最小值的函数在 NumPy 中，求数组最大值的函数是 amax() 和 nanmax()，求数组最小值的函数是 amin() 和 nanmin()，其中，amax() 和 amin() 函数用于返回一个数组的最大值和最小值或者是沿轴返回数组的最大值和最小值；nanmax() 函数和 nanmin() 函数用于返回忽略任何 NaN 的数组的
2021-08-13 16:58:05
1964
转载 Numpy基础五：广播
广播（Broadcasting）::: tip 另见numpy.broadcastNumpy中的数组广播:::::: tip 注意有关广播概念的说明，请参阅此文章。:::术语广播（Broadcasting）描述了 numpy 如何在算术运算期间处理具有不同形状的数组。受某些约束的影响，较小的数组在较大的数组上“广播”，以便它们具有兼容的形状。广播提供了一种矢量化数组操作的方法，以便在C而不是Python中进行循环。它可以在不制作不必要的数据副本的情况下实现这一点，通常导致高效的算法实现。
2021-08-13 16:36:47
136
原创 Numpy基础四：索引
1、索引一维数组import numpy as npa1 = np.array([1, 2, 3, 4])print(a1) # [1, 2, 3, 4]#元素索引print(a1[0]) # 1print(a1[2]) # 3##2、索引二维数组import numpy as npa2 = np.array([[1, 2, 3], [4, 5, 6], [7, 8, 9]])print(a2[2, 1]) # 8
2021-08-13 11:06:13
260
原创 Numpy基础三：Numpy形状维度操作
1. ndarray.ndim使用ndarray.ndim可以查看array中轴的数量（axes）例如：>>> array_example = np.array([[[0, 1, 2, 3],... [4, 5, 6, 7]],...... [[0, 1, 2, 3],... [4, 5, 6, 7]],.....
2021-08-13 09:23:22
413
原创 Numpy基础二：Numpy数据类型
1.Numpy常见数据类型类型类型代码说明int8、uint8i1、u1有符号和无符号的8位(1个字节)整型int16、uint16i2、u2有符号和无符号的16位（2个字节）整型int32、uint32i4、u4有符号和无符号的32位（4个字节）整型int64、uint64i8、u8有符号和无符号的64位（8个字节） 整型float16f2半精度浮点数float32f4或f标准的单精度浮点数。与C的float兼容float
2021-08-12 15:56:30
2638
原创 Numpy基础一：ndarray
1. ndarray对象numpy中的内置多维数组类型ndarray由一系列同类型数据所构成，并以0作为下标开始索引。ndarray中的每个元素在内存中都有相同的存储大小区域。ndarray由以下四部分构成：一个指向数据（内存或内存映射文件中的一块数据）指针数据类型或 dtype，描述在数组中的固定大小值的格子一个表示数组形状（shape）的元组，表示各维度大小的元组一个跨度元组（stride），其中的整数指的是为了前进到当前维度下一个元素需要"跨过"的字节数 [0123456
2021-08-12 00:06:12
378
原创 Matplotlib常见统计图绘制方法
0、Matplotlib常见统计图Matplotlib中常见的统计图有折线图、散点图、直方图、条形图等。其中，折线图一般用来描述数据数据的变化情况，通过折线图可以清晰的看到数据的变化走势，例如股票市场中的分时线走势。散点图用于寻找变量(x ,y)的关系，展示离群点，分析潜在联系等，例如猪周期，24节气与变盘点对应关系，黄金价格与美元汇率关系等。直方图用来显示定量数据的分布，例如图像分析中的灰度直方图、颜色直方图、梯度直方图等。而条形图则是对分类对象进行分组，而不是根据具体数值进行分组，分组顺序可以调
2021-08-09 21:39:24
1068
原创 Matplotlib无法正常显示中文
1、问题描述使用matplotlib绘制图表时出现显示错误，以气温绘制为例from matplotlib import pyplot as pltimport randomx = range(0,120)y = [random.randint(20,35) for i in range(120)]plt.figure(figsize=(20,8),dpi=80)plt.plot(x,y)#调整x轴的刻度_xtick_labels = ["10点{}分".format(i) for i in
2021-08-07 20:49:09
211
原创 Matplotlib绘图报错Error: failed to send plot to http://127.0.0.1:XXXXX
使用Matplotlib执行plt.show()遇到Error: failed to send plot to http://127.0.0.1:63342错误时可通过取消Show plots in tool window解决
2021-08-07 20:27:45
946
1
原创 windows设置环境变量代理
在环境变量选项卡中新建http_proxy和https_proxy环境变量，这样配置的代理全局有效，适用于anaconda下包时网络不佳需要代理的场景如果希望临时使用代理则在cmd或Anaconda prompt中直接输入：set http_proxy=http://127.0.0.1(代理的IP地址):1088(代理的端口号)set https_proxy=http://127.0.0.1(代理的IP地址):1088(代理的端口号)...
2021-08-07 11:57:58
9265
1
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