python语言的学习
文章平均质量分 67
从入门到开发
山外小楼听夜雨.
每天敲点代码..
展开
-
Pytorch学习——Pytorch的入门操作 02(未完)
CUDA 是一种NVIDIA退出的通用并行计算架构,该架构能够使GPU解决复杂的计算问题。是将一个张量的值 以一个python数字形式返回,但该方法只能包含一个元素的张量。注意:这里括号内都表示的是shape。对于包含多个元素的张量,可以考虑。,是和numpy的操作一样的。各种数值数都可以称为张量。类似于numpy中的。原创 2022-09-12 20:17:06 · 569 阅读 · 0 评论 -
Pytorch学习——入门知识 01
深度学习是机器学习的分支,以人工神经网络为基础,对数据的特征进行学习的方法。机器学习和深度学习的区别a. 特征抽取机器学习:人工的特征抽取过程深度学习:自动的进行特征抽取b. 数据量机器学习:数据量少,效果不好特别好深度学习:数据量多,效果更好框架a. 目前企业中常用的深度学习框架有很多,比如说Tensorflow,Caffe2,Keras,Theano, Pytorch,Chainer,DyNet,MXNet,CNTK 等等。原创 2022-09-07 21:09:47 · 1172 阅读 · 0 评论 -
遗传算法(GA)学习 || 原理、本质、代码、例题
种群(Population):种群是指用遗传算法求解问题时, 初始给定的多个解的集合。遗传算法的求解过程是从这个子集开始的。个体(Individual):个体是指种群中的单个元素,它通常 由一个用于描述其基本遗传结构的数据结构来表示。例如, 可以用0、1组成的长度为1的串来表示个体。染色体(Chromosome):染色体是指对个体进行编码后 所得到的编码串。染色体中的每1位称为基因,染色体上由 若干个基因构成的一个有效信息段称为基因组。适应度函数(Fitness)...原创 2022-08-13 15:00:25 · 995 阅读 · 0 评论 -
Windows系统下,python安装netCDF4步骤
自己写程序主要用的是Pycharm,查看一下当前的Python版本(在Terminal里面可以查看)选择Settings,查看Project Interpreter, 查看目前安装的包:重点去看了一下numpy和matplotlib从最后一张图可以看出,这里对numpy的版本是有要求的,需要大于等于1.9。...原创 2022-08-08 10:56:50 · 2225 阅读 · 0 评论 -
学习Python3数据结构——列表
Python中,列表示可变的,这是区别于字符串和元组最重要的特点。即列表可以修改,而字符串和元组不能。把添加到列表的结尾。通过添加指定列表L的所有元素来扩充列表。在上插入一个。例如会插入到整个列表之前删除列表中值为x的第一个元素。从列表的指定位置移除元素,并将其返回。表示传入参数i是可选的。 表示移除并返回最后一个元素。移除列表中的所有项。返回列表中第一个值为x的元素的索引。对列表中的元素进行排序逆序返回 列表的浅复制。...原创 2022-07-08 14:49:41 · 178 阅读 · 0 评论 -
利用python数据分析——Numpy基础:通用函数、利用数组进行数据处理
通用函数(ufunc)是一种对ndarray 中的数据执行元素级运算的函数。还有一些函数,例如add或maximum,接收2个数组。(也叫作二元ufunc),并返回一个结果数组:有些ufunc可以返回多个数组(但是不多)。例如modf是可以返回浮点数数组的小数和整数部分:2 利用数组进行数据处理NumPy 数组可以使得 多种数据处理任务表述为简洁的 数组表达式(否则需要编写循环)。用数组表达式代替循环的做法,通常被称为矢量化。np.meshgrid() 函数指的是,根据所给的向量返回坐原创 2022-06-28 20:30:53 · 559 阅读 · 0 评论 -
利用python数据分析——Numpy基础:数组和矢量计算
基于NumPy的算法要比纯Python快10到100倍(甚至更快),并且使用的内存更少。1 ndarray:一种多维数组对象1.1 numpy.random.randn(d0,d1, …,dn) 函数介绍rand() 函数,会根据指定的维度,生成[0,1) 之间的数据;dn 表示每个维度返回值为指定维度的 array代码:输出:1.2 numpy.random.seed() 函数介绍使得随机数据可预测当设置相同的seed时,那么每次生成的随机数相同;如果不设置seed,则每次会原创 2022-06-27 21:26:13 · 610 阅读 · 0 评论 -
利用Python进行数据分析——文件和操作系统
将磁盘上的数据文件读入Python数据结构,大多是使用之类的高级工具。为了打开一个文件以便读写,可以使用内置的open函数,以及一个相对或者绝对的文件路径。默认情况下,文件是以只读模式打开的。然后,我们就可以像处理列表那样来处理这个文件句柄f了,比如对行进行迭代:由于从文件中取出的行都有行结束符(EOL),因此去掉EOL的方法如下:...原创 2022-06-26 09:20:04 · 242 阅读 · 0 评论 -
利用Python进行数据分析——函数部分
可以同时拥有多条return语句,如果达到函数末尾时没有遇到return,则返回None。(和c语言是不一样的)函数可以有一些位置参数(不指定默认值)和关键字参数(指定默认值)。但是,关键字参数必须位于位置参数(如果有的话)之后。1.1 命名空间函数可以访问两种不同作用域中的变量:全局(global)和局部(local)。Python有一种更科学的,用于描述变量作用域的名称,即命名空间(namespace)。任何在函数中赋值的变量,默认都是被分配到局部命名空间的。局部命名空间是在函数被调用时创建的,原创 2022-06-25 16:02:24 · 483 阅读 · 0 评论 -
Python的数据结构(下)
字典可能是Python最为重要的数据结构。它更为常见的名字是哈希映射或关联数组。它是键值对的大小可变集合,键和值都是Python对象。创建字典的方法之一是使用花括号{},用冒号分隔键和值:可以像访问列表或元组中的元素一样,访问、插入或设定字典中的元素。注意 的写法1.1 in方法可以用检查列表和元组是否包含某个值的方法,检查字典中是否包含某个键。注意,这里是检查键,不是值1.2 del函数和pop方法可以用关键字或方法(返回值的同时删除键)删除值注意,del方法是直接删去键原创 2022-06-04 11:03:26 · 141 阅读 · 0 评论 -
Python的数据结构(上)
文章目录1 元组、拆分、tuple方法1.1 元组(tuple):固定长度、不可改变的Python序列对象1.2 拆分元组,这个操作非常灵活!1.3 "舍弃”操作1.4 count:统计某个值出现频率2 列表、添加和删除、串联和组合、排序、切片2.1 列表[list]:可变长度,内容可修改2.2 实体化迭代器或生成器2.3 添加和删除元素2.4 【如果不考虑性能,append和remove 就可以把python列表当做“多重集”】2.5 解释列表是否包含某个值:in2.6 在列表中检查是否存在某个值,速度远原创 2022-05-27 16:27:40 · 215 阅读 · 0 评论 -
XGBoost学习(一):学习原理
文章目录0 准备工作:安装库1 介绍怎么使用XGBoost2 XGBoost的三大板块3 提升集成算法:重要参数 n_estimators3.1 集成弱评估器方法0 准备工作:安装库这是我自己的环境,目前是兼容的。Python :3.7Scikit-learn 0.22.1numpy 1.19pandas 1.2.5matplotlib 2.2.3scipy 1.7.31 介绍怎么使用XGBoost方法一:可以直接调用xgboost库(pip install xgboost)原创 2022-05-22 15:31:10 · 174 阅读 · 0 评论 -
pandas中的DataFrame 的values 方法
文章目录1 DataFrame对象2 `.values` 属性3 `.columns` 列索引4 `.index` 行索引pandas 的DataFrame 对象,是机器学习人必备的知识!1 DataFrame对象最常用的就是 pd.read_csv , 可以返回一个 DataFrame 对象。import pandasdata_pd = pd.read_csv('chengdu.csv', header=0, index_col=0)2 .values 属性可以返回对应的 Numpy原创 2022-05-16 13:14:48 · 4735 阅读 · 0 评论 -
Python的数据切片操作
文章目录1 一维数组的切片操作1.1 A[i]1.2 A[-1]1.3 A[:n]1.4 A[:-1]1.5 A[n:]1.6 A[-1:]1.7 A[m,n]2 二维数组的切片操作2.1 B[1,:]2.2 B[:,1]2.3 B[0,2]2.4 B[1:, 1:]1 一维数组的切片操作A = [0, 1, 2, 3, 4, 5, 6, 7, 8, 9] 1.1 A[i]作用:取数组中下标为 i 的元素A = [0, 1, 2, 3, 4, 5, 6, 7, 8, 9] A[4]Out原创 2022-04-22 11:00:28 · 3967 阅读 · 0 评论 -
python之pandas df.dropna()
文章目录1 函数原型2 功能3 参数说明4 举例1 函数原型DataFrame.dropna(axis=0, how='any', thresh=None, subset=None, inplace=False) Remove missing values. See the User Guide for more on which values are considered missing, and how to work with missing data.Returns DataFr原创 2022-04-20 14:32:53 · 1378 阅读 · 0 评论 -
python之pandas.concat()连接函数
文章目录1 函数原型2 常用的参数含义3 举例1 函数原型pd.concat(objs, axis=0, join='outer', join_axes=None, ignore_index=False, keys=None, levels=None, names=None, verify_integrity=False, copy=True)2 常用的参数含义obj:为Series、DataFrame、Pannel对象的序列或映射。axis:默认为0,原创 2022-04-20 13:38:46 · 888 阅读 · 0 评论 -
python 列表 list.append()函数
文章目录1 作用:向list中添加元素2 奇怪的事情3 解释原因1 作用:向list中添加元素append()方法,向列表末尾追加元素。fruits = ['apple', 'banana', 'cherry']fruits.append("orange")print(fruits)>>>['apple', 'banana', 'cherry', 'orange']2 奇怪的事情x = [1, 2, 3]y = []y.append(x) x.append(9原创 2022-04-20 10:56:41 · 20141 阅读 · 1 评论 -
Pandas库的DataFrame.shift()方法
文章目录1 函数作用2 函数原型3 举例①1 函数作用把数据移动指定的位数2 函数原型DataFrame.shift(periods=1, freq=None, axis=0)假设现在有一个DataFrame类型的数据df,调用函数就是df.shift()periods: 类型为int,表示移动的步幅,可正可负,默认periods=1freq: 默认为None 只适用于时间序列, 会按照参数值移动时间索引,而数据值则不发生变化。axis: 默认为0, 按行从上往下移动。3 举例原创 2022-04-20 10:29:33 · 3014 阅读 · 0 评论 -
python——利用scatter绘制散点图【简单的数据可视化】
文章目录1 绘制单个点 / 输入单个点数据1 绘制单个点 / 输入单个点数据原创 2022-04-16 10:20:30 · 4954 阅读 · 0 评论 -
python学习(一)
文章目录pycharm简介创建第一个python文件基础语法变量算术运算逻辑运算输出print 和%占位符input接收输入条件分支产生随机数pycharm简介pycharm是一款适合专业开发人员的Python IDE,可以提高代码质量,编写整洁和可维护的代码。创建第一个python文件在项目名称上右击新建一个项目文件就好了。基础语法变量定义规则:变量名 = 数据变量的类型由数据的类型决定。算术运算** 是求指数左边是底数右边是指数// 地板除忽略小数位,只保留整数位原创 2021-10-05 19:12:22 · 69 阅读 · 0 评论 -
spyder无法打开,“点击无反应”
文章目录问题描述解决1解决2解决3写在前面:两年前下载anaconda的时候,用过一段时间的spyder,后来就没再使用了。现在有新的学习需求再次打开时遇到问题,具体就是无反应,打不开。问题描述在CSDN中,发现有同样的问题,首先是win+R,输入cmd,然后输入下面一行,查看spyder的问题。spyder --new-instance输出结果如下图。问题就是:no model named pyside就是说,缺少pyside包,(pyside是python的一个图形界面库)。解决1原创 2021-12-27 10:10:22 · 13339 阅读 · 2 评论