![](https://img-blog.csdnimg.cn/20201014180756738.png?x-oss-process=image/resize,m_fixed,h_64,w_64)
python
平清盛_v2
freedom!!!!!!!!!!!!!!
展开
-
python 装饰器案例
# 带参数def maing(p1, p2): print(p1,p2) def inner(fn): def exe(name, age): fn(name, age) return exe return inner@maing(1,2)def mytest(name,age): print(name,age)mytest("小明", 18) # 不带参数def aoo(function): def i原创 2022-10-24 22:20:54 · 326 阅读 · 0 评论 -
opencv 涂抹区域得方法
820:1890,30:1040,]# 进行涂抹处理。原创 2022-08-27 07:51:37 · 927 阅读 · 0 评论 -
cmd指令保存常用
使用popen 可以得到CMD的字符串。原创 2022-08-07 19:28:13 · 1600 阅读 · 0 评论 -
对数坐标轴如何展示
使用semiloy 是让Y轴变成对数坐标,如果当数据差距比较大时候可以这样展示。原创 2022-08-06 19:03:35 · 339 阅读 · 0 评论 -
numpy傅里叶变换
傅里叶原创 2022-08-06 10:21:59 · 466 阅读 · 0 评论 -
模拟键盘操作
按键模拟和监听原创 2022-07-14 14:07:48 · 132 阅读 · 0 评论 -
selenium 最新获取标签以及属性方法
selenium 最新获取标签以及属性方法原创 2022-06-17 11:39:11 · 1160 阅读 · 0 评论 -
python 多参数的设置方案
python多参数设置翻译 2022-06-15 14:52:07 · 869 阅读 · 0 评论 -
快速理解lambda表达式
快速理解lambda表达式原创 2022-06-10 17:16:30 · 56 阅读 · 0 评论 -
利用免费API找到手机归属地
这里写自定义目录标题欢迎使用Markdown编辑器新的改变功能快捷键合理的创建标题,有助于目录的生成如何改变文本的样式插入链接与图片如何插入一段漂亮的代码片生成一个适合你的列表创建一个表格设定内容居中、居左、居右SmartyPants创建一个自定义列表如何创建一个注脚注释也是必不可少的KaTeX数学公式新的甘特图功能,丰富你的文章UML 图表FLowchart流程图导出与导入导出导入import requestsurl = "https://www.iteblog.com/api/mobile.php?原创 2021-07-21 16:17:10 · 238 阅读 · 0 评论 -
pandas-筛选动态的符合条件的数据
import pandashospital = pandas.read_excel("hospital.xls")# 筛多个数据带条件的sets = hospital[ (hospital['NEAR_FID'] != 1) & (hospital['NEAR_FID'] != 2) & (hospital['NEAR_FID'] != 3) ]# 迭代每一行f.原创 2021-05-25 08:14:10 · 430 阅读 · 0 评论 -
pandas 将数据保存成不同的sheet
# 需要事先安装# pip install xlwt -i https://pypi.tuna.tsinghua.edu.cn/simplewriter = pandas.ExcelWriter('result.xls')for flag, i in enumerate([result0_collection, result1_collection]): i.to_excel(writer, sheet_name=str(flag))# result0_collection..原创 2021-05-25 08:10:24 · 876 阅读 · 0 评论 -
BeautifulSoup基本使用
import requestsfrom bs4 import BeautifulSoupurl = ''rp = requests.get(url,)soup = BeautifulSoup(rp.text, "lxml")# 一种方法可以查询到标签,并指定属性content = soup.find_all("div", attrs={'class': 'card'})img_tag = i.find('div', attrs={'class': 'media..原创 2021-04-13 22:06:36 · 116 阅读 · 0 评论 -
m3u8的合并代码
"""ALERT:需要下载ffmpeg工具进行合并如果F12打开后检测有key文件,需要把该文件一并copy并修改m3u8中的KEY文件指向路径../XXX.key"""import requestsimport os, regeneration_new_m3u8 = "newindex.m3u8"need_download_m3u8 = 'index.m3u8'new_mp4_document = 'd:\\test\\combination.mp4'# 这里的URL是请求路径,一般.原创 2021-01-30 22:11:24 · 1356 阅读 · 0 评论 -
当requests发送请求成功后 response常用参数和方法
当requests发送请求成功后,requests就会得到返回值,如果服务器响应正常,就会接收到响应数据;Response响应中的属性和方法常用属性:status_code:数据类型:int作用:返回HTTP响应的状态码:200、404、500、等reason:数据类型:str作用:返回HTTP响应的描述:OK、Not Found、等headers:数据类型:字典作用:返回HTTP响应头url:数据类型:str作用:请求的真实地址history:数据类型原创 2021-01-27 15:00:23 · 2347 阅读 · 0 评论 -
最讨厌的正则表达式---断言
用于查找特定内容之前或之后的内容,但并不包括特定内容本身。请忘记它的各种名字,我们只记忆公式本身:(?=exp) :此位置后面匹配表达式exp(?<=exp):此位置前面匹配表达式exp(?!exp):此位置后面不匹配表达式exp(?<!exp):此位置前面不匹配表达式expexample:import res = 'fsf,abf,defg'# 根据,分隔,匹配a-z但是开头不能是ffor i in re.findall(r'(?!f)[a-z]+', s).原创 2021-01-27 14:13:37 · 165 阅读 · 0 评论 -
python 正则表达式的一个小问题
import res = 'A \n(unshaded)\n'# 匹配开头# 是A-Z (1-3字符);带空格(0或1个);带\n换行符(0-1个) 结尾 # 或 # 匹配开头# 是A-Z (1-3字符);带空格(0或1个);带\n换行符(0-1个)带(符号 A-Z字符(0-9个)配合带)符号 \n符号(0-1个)结尾print(re.findall(r'^[A-Z]{1,3} ?\n?$|^[A-Z]{1,3} ?\n?\([A-Z]{0,9}\)\n?$', g))#排除A .原创 2021-01-24 16:36:56 · 67 阅读 · 0 评论 -
时间处理模块
前言时间我们平常大部分都接触到,在生活上早上七点五十起床,七点五十就是时间;在开发中我们有时候对某些操作需要记录时间,新增操作时间字段,这又涉及到了时间。接下来我们简单对python的时间处理进行简单的总结。在工作中我们大部分用time或者datetime函数进行时间处理,今天我就总结这两模块外,再新增calendar,arrow这两位成员,好啦下面我们开始讲解。timetime模块是涉及到时间功能中最常用的一个模块,在开发中我们使用很频繁的一个模块。time返回当前时间的时间戳(1转载 2021-01-19 14:24:42 · 328 阅读 · 0 评论 -
GRU神经网络-介绍
之前面的博客中,我们已经描述了基本的RNN模型。但是基本的RNN模型有一些缺点难以克服。其中梯度消失问题(Vanishing Gradients)最难以解决。为了解决这个问题,GRU(Gated Recurrent Unit)神经网络应运而生。本篇博客将描述GRU神经网络的工作原理。GRU主要思想来自下面两篇论文:Cho et al., 2014. On the Properties of Neural Machine Translation: Encoder-Decoder ApproachesChu原创 2020-11-25 14:37:48 · 9841 阅读 · 0 评论 -
matplotlib 创建 复合条形图
import matplotlib.pyplot as pltimport numpy as npplt.rcParams['font.sans-serif']=['SimHei'] #用来正常显示中文标签plt.rcParams['axes.unicode_minus']=False #用来正常显示# 设置图片大小plt.figure(figsize=(20, 8), dpi=80)# 一共有多少个x轴类别a = ['1法律基本原理', '2基本民事法律制度', '3物权法律制度', .原创 2020-10-11 11:39:46 · 911 阅读 · 0 评论 -
wechat工具导出的html类型的聊天记录,做情感分析(上)
from bs4 import BeautifulSoupimport os, re, warnings, pickle, jieba, numpy as np, pandas as pdfrom gensim.models import KeyedVectorsimport traceback, loggingfrom tkinter.messagebox import *import tkinter, functoolsfrom scipy.spatial.distance import .原创 2020-07-15 14:36:39 · 1116 阅读 · 0 评论 -
实例决策树-并画图呈现树结构 + 决策树打印输出最大影响特征
from six import StringIOfrom sklearn.feature_extraction import DictVectorizerfrom sklearn import tree, preprocessingimport numpy as npimport pydotplus# 特征必须是字典形式 由于indictor 的标识是y n所以在决策树决策时候,必须把两个状态都输入进,所以在33行预测时候,预测的# 数组也必须含有indictor = y ,indictor.原创 2020-07-03 13:37:47 · 1041 阅读 · 0 评论 -
python 中 处理 字符串常用的 方法
import re# 去除标点text = re.sub("[\s+\.\!\/_,$%^*(+\"\']+|[+——!,。?、~@#¥%……&*()]+", "", text)# 只保留中文content = ''.join(re.findall('[\u4e00-\u9fa5a-zA-Z0-9]+', i.text.strip(), re.S))原创 2020-06-21 11:17:34 · 263 阅读 · 0 评论 -
python 正则匹配字符串中的中文,用来剔除符号的方法
import retext = "OK谢谢"a = re.findall('[\u4e00-\u9fa5a-zA-Z0-9]+', text, re.S) #只要字符串中的中文,字母,数字a = "".join(a)print(a)原创 2020-06-19 09:43:53 · 975 阅读 · 0 评论 -
Use pydotplus And python Sklearn graph Infomation entropy Picture
from six import StringIOfrom sklearn.feature_extraction import DictVectorizerfrom sklearn import tree, preprocessingimport numpy as npimport pydotplus# 特征必须是字典形式 由于indictor 的标识是y n所以在决策树决策时候,必须把两个状态都输入进,所以在33行预测时候,预测的# 数组也必须含有indictor = y ,indict.原创 2020-06-17 15:06:22 · 133 阅读 · 0 评论 -
Python 时间格式化工具使用
import datetimedatetime.datetime.now() # 当前时间datetime.datetime.now() - datetime.timedelta(hours=24)# 当前时间-24小时(datetime.datetime.now() - datetime.timedelta(hours=24)).strftime('%Y-%m-%d') # ...原创 2020-03-27 14:59:31 · 142 阅读 · 0 评论 -
python 调用阿里云mysql服务器
import pymysql as mysqlfrom DBUtils.PooledDB import PooledDBpool = PooledDB(mysql, 5, host='阿里提供的远程host', user='用户账户', passwd='用...原创 2020-03-18 11:53:40 · 267 阅读 · 0 评论 -
python 自定义sorted
import functoolsmyl = ['nihao', 'nibuhao', 'nihenhao', 'hiteyou!!!']# 比较x y 长度大小,长的放前def custmorSort(x, y): return len(x)-len(y)myl2 = sorted(myl, key=functools.cmp_to_key(custmorSort))p...原创 2020-02-24 16:49:47 · 142 阅读 · 0 评论 -
python os.listdir 坑
import ost = os.listdir("输出文件")# 输出后得到的数据['2019中级经济法电子版教材.pdf_0.png.doc','2019中级经济法电子版教材.pdf_1.png.doc','2019中级经济法电子版教材.pdf_10.png.doc','2019中级经济法电子版教材.pdf_100.png.doc','2019中级经济法电子版教...原创 2020-01-16 17:35:04 · 928 阅读 · 0 评论 -
python 两个列表同时排序,下标保持一致
a = [2, 3, 1, 5]b = ["b", "c", "a", "e"]# 利用 * 解包方式 将 一个排序好的元组,通过元组生成器再转成listprint(*sorted(zip(a, b)))print(sorted(zip(a, b)))l1, l2 = (list(t) for t in zip(*sorted(zip(a, b))))print(l1)print(...原创 2019-12-27 11:51:40 · 5159 阅读 · 0 评论 -
pandas 关于信息筛选
import pandas# 利用pandas读取文件infocontext = pandas.read_excel("info.xlsx")# 得到其中两个列的内容needCheckField = infocontext[["FundTypeCode", "SecuCode"]]# 得到其中一个列的内容#needCheckField = infocontext["...原创 2019-12-26 15:39:34 · 143 阅读 · 0 评论 -
决策树中信息增益值的计算
一、 确定数据二、正例(好瓜)占8/17,反例(坏瓜)占9/17,则根结点的信息熵为:三、计算当前属性集合{色泽,根蒂,敲声,纹理,脐带,触感}中每个属性的信息增益。色泽有三个可能的取值:青绿、乌黑、浅白D1{色泽=青绿}={1,4,6,10,13,17},正例3/6,反例3/6D2{色泽=乌黑}={2,3,7,8,9,15},正例4/6,反例2/6D3{色泽=浅白}=...原创 2019-12-10 23:47:42 · 16369 阅读 · 2 评论 -
python 写excel表
import csvwith open('ifind.csv', 'ab',)as f: f_csv = csv.writer(f) print(rows) f_csv.writerow(rows)利用pandasimport pandas as pddatas = pd.DataFrame({"name": ["你好","小明","小光",...原创 2019-12-02 11:17:49 · 91 阅读 · 1 评论 -
python 读取pdf
import tkinterfrom tkinter.messagebox import *import logging, tracebackimport os.pathfrom pdfminer.pdfparser import PDFParser, PDFDocumentfrom pdfminer.pdfinterp import PDFResourceManager, PDF...原创 2019-10-16 15:53:37 · 231 阅读 · 0 评论 -
百度读图识字api调用
import jsonimport requestsimport base64import urllib.parseAPP_ID = '17533460'API_KEY ='Xvnx9Kc5Wn8Mvt1XTPjVAend'SECRECT_KEY = 'y6S7udxXmm2ijjZ6OatxXkeG3uV5eBIc'# invokeurl = 'https://aip.ba...原创 2019-10-16 08:43:35 · 1158 阅读 · 2 评论 -
岭回归正则化
Ridge 回归通过对系数的大小施加惩罚来解决 普通最小二乘法 的一些问题。 岭系数最小化的是带罚项的残差平方和,minw||Xw−y||22+α||w||22minw||Xw−y||22+α||w||22其中,α≥0α≥0 是控制系数收缩量的复杂性参数: αα 的值越大,收缩量越大,这样系数对共线性的鲁棒性也更强。参数alpha:{float,array-like},shape(n...原创 2019-10-14 10:53:56 · 1377 阅读 · 0 评论 -
余弦相似度
import numpy as npx=np.random.random(10)y=np.random.random(10)#方法一:根据公式求解d1=np.dot(x,y)/(np.linalg.norm(x)*np.linalg.norm(y))#方法二:根据scipy库求解from scipy.spatial.distance import pdistX=np.vsta...原创 2019-10-14 10:21:10 · 192 阅读 · 0 评论 -
keras 的损失函数选择
1、目标函数(1)mean_squared_error / mse 均方误差,常用的目标函数,公式为((y_pred-y_true)**2).mean()(2)mean_absolute_error / mae 绝对值均差,公式为(|y_pred-y_true|).mean()(3) mean_absolute_percentage_error / mape公式为:(|(y_true - y...原创 2019-10-14 10:17:18 · 1665 阅读 · 0 评论 -
Keras 搭建卷积
# 2. 导入库和模块from keras.models import Sequentialfrom keras.layers import Conv2D, MaxPool2Dfrom keras.layers import Dense, Flattenfrom keras.utils import to_categorical# 3. 加载数据from keras.datasets...原创 2019-10-14 10:10:40 · 212 阅读 · 0 评论 -
随机森林的参数(分类树)
其中关于决策树的参数:criterion: ”gini” or “entropy”(default=”gini”)是计算属性的gini(基尼不纯度)还是entropy(信息增益),来选择最合适的节点。splitter: ”best” or “random”(default=”best”)随机选择属性还是选择不纯度最大的属性,建议用默认。max_features: 选择最适属性时划分的特征...原创 2019-10-14 10:09:35 · 1321 阅读 · 0 评论