![](https://img-blog.csdnimg.cn/20201014180756927.png?x-oss-process=image/resize,m_fixed,h_64,w_64)
Python
文章平均质量分 53
Better Bench
CS博士;研究领域:类脑计算、深度学习、机器学习、数据挖掘、自然语言处理、数学建模、量化金融,兼职网球教练4.0
展开
-
【Linux系统】使用g = GloveEmbedding()报错BadZipFile: File is not a zip file
使用embeddings工具包,运行后会自动下载预训练向量的压缩文件,我中断程序后,再运行,就会报错“BadZipFile: File is not a zip file”。原创 2024-03-12 13:49:26 · 269 阅读 · 0 评论 -
【Python】如何判断时间序列数据是否为平稳时间序列或非平稳时间序列?
判断时间序列数据是否为平稳时间序列或非平稳时间序列,通常可以通过以下方法:(1)观察时间序列数据的均值和方差是否随时间变化而发生明显的改变。若均值和方差变化明显,则该时间序列数据可能为非平稳时间序列,反之,则可能为平稳时间序列。(2)对时间序列数据进行差分后,再对数据通过ADF单位根检验或KPSS检验,如果数据平稳,则该时间序列数据可能为非平稳时间序列,反之,则可能为平稳时间序列。为什么先差分再检验平稳性?原创 2023-08-13 15:53:40 · 829 阅读 · 0 评论 -
源码安装openssl遇到的一些问题及解决方式
使用from LAC import LAC时报错。原创 2023-07-04 11:39:36 · 2815 阅读 · 0 评论 -
【Python】解决pandas读取excel,以0向前填充的数字会变成纯数字
test.xlsx的内容如下读取后的codel列,样例如下显然这不是我想要的结果。原创 2023-06-19 12:01:42 · 644 阅读 · 0 评论 -
解决安装ConcurrentLogHandler报错error in ConcurrentLogHandler setup command: use_2to3 is invalid.
python3.7使用以下命令安装时报错:error in ConcurrentLogHandler setup command: use_2to3 is invalid.setuptools 工具包在58版本之后,废弃了use_2to3 方法。卸载过高版本的setuptools。重新安装低版本的使用如下命令安装setuptools工具:原创 2023-04-11 11:19:25 · 1891 阅读 · 1 评论 -
【Python】Python30个笔试题
a = [1, 2, 3, 4, [‘a’, ‘b’]] #原始对象。A1 = {‘小明’:93,‘小红’:88,‘小刚’:100}A2 = {‘小刚’:100,‘小明’:93,‘小红’:88}D、值为0的任何数字对象的布尔值是False。A.[(‘601988’, ‘中国银行’)]D.(‘601988’, ‘中国银行’)C h = Hello(‘张三’)C、空列表对象的布尔值是False。打印结果哪项是正确的( )下面描述正确的是( )下面正确的是:( )下面正确的是:( )原创 2022-12-09 21:26:38 · 3481 阅读 · 0 评论 -
【Leetcode刷题Python】改进的算法,高效求一个数的因子
不用全部遍历,只遍历1到根号(n)的范围即可。当i是可以整除的,用n/i得到的是相对另一个因子。时间复杂度O(n1/2)原创 2022-09-04 12:02:58 · 380 阅读 · 0 评论 -
【Python】正则表达式判断是否存在连续N个字母
先匹配连续的字母,返回列表,计算列表的长度,为0说明不存在,反之。字符串。以N=5为例,判断是否存在连续5个字母。匹配结果ABBBBBaaaabABC。原创 2022-08-12 19:03:36 · 1061 阅读 · 0 评论 -
【Python】正则表达式判断是否存在连续相同的两个字符,连续两个字符一模一样
先匹配连续相同的字符,例子只包括字母和数字。返回列表,计算列表的长度,为0说明不存在,反之。原创 2022-08-12 18:57:36 · 3057 阅读 · 0 评论 -
【Python】实现二维装箱Bottom-Left算法及用人工蜂群算法改进
1 题目将若干个矩形物品装进矩形箱子中,并且在装箱的过程中不允许将矩形物品斜着放,即平行于横坐标。一般来说求解的目标是最小化箱子的箱子数目或者是箱子空间占用率。当该算法适用于矩阵存储时,求解的最优目标是箱子的最大化空间占用率。以下即是求解的过程2 装箱算法2.1 所有装箱算法参考【A Thousand Ways to Pack the Bin - A Practical Approach to Two-Dimensional Rectangle Bin Packing】以下我将会介绍其中一.原创 2022-04-07 10:22:04 · 6500 阅读 · 4 评论 -
【Python】实现MATLAB中计算两个矩形相交面积的rectint函数
1 rectint函数A 和 B 是一个思维向量 [x,y,width,height]area = rectint(A,B)2 Python实现class Rectangle: def __init__(self, x, y,w,h): self.x = x self.y = y self.width = w self.height = hra = Rectangle(3., 3., 5., 5.)rb = Rectangle(1.,原创 2022-04-05 20:13:21 · 1493 阅读 · 0 评论 -
【Python】对key或values是datetime类型或时间字符串的字典dict排序
目录1 key是时间字符串类型1.1 问题1.2 解决办法2 key是datetime类型2.1 问题2.2 解决方案1 key是时间字符串类型1.1 问题当字典的key是时间字符串类型,如下time_dict = {‘2021-05-18’: 119,‘2021-06-05’: 119,‘2020-12-10’: 116,‘2021-04-19’: 110,‘2020-12-04’: 108,‘2021-04-13’: 106,‘2020-12-08’: 106,‘2020-09-原创 2022-01-09 16:53:22 · 1330 阅读 · 0 评论 -
【Deepin20系统】Linux系统中永久解决matplotlib画图中文乱码问题和使用seaborn中文乱码问题
【Deepin20系统】Linux系统中永久解决matplotlib画图中文乱码问题和使用seaborn中文乱码问题1 matplotlib乱码问题1 问题import scipy.stats as stimport pandas as pd import matplotlib.pyplot as pltimport seaborn as sns x = [1, 2, 3, 4, 5] y = [1, 4, 9, 16, 25] plt.plot(x, y) plt.title原创 2021-12-29 17:25:38 · 1532 阅读 · 0 评论 -
【Python】使用LogisticRegression出现错误: invalid type promotion
1 问题将dataframe的数据传入参数,出现错误:TypeError: invalid type promotionfrom sklearn.linear_model import LogisticRegressionLogisticRegression(penalty='l2',C=0.1,solver='lbfgs',multi_class='auto')).fit_transform(train_x,train_y分析是输入的dataframe字段中,存在datetime类型的数据,回归原创 2021-12-27 16:43:49 · 3058 阅读 · 0 评论 -
【python 数据分析】不同情况下的t检验、Wilcoxon符号秩检验、Wilcoxon秩和检验、卡方检验、Fisher检验
目录1 单样本和两样本均值的t检验2 单样本和两样本关于中位数的非参数检验3 拟合优度的X2X^2X2检验4 列联表的X2X^2X2检验及Fisher检验1 单样本和两样本均值的t检验(1)单样本举例:H0:μ=3.1⇌H1:μ≠3.1H_0:\mu= 3.1 \rightleftharpoons H_1:\mu \neq 3.1H0:μ=3.1⇌H1:μ=3.1import scipy.stats as statsimport numpy as npnp.random.seed(10原创 2021-12-01 23:16:19 · 2980 阅读 · 0 评论 -
【Python数据分析】假设检验的基本思想、原理和步骤
目录1 假设检验的基本思想2 假设检验的基本原理3 假设检验中可能犯的错误4 假设检验的基本步骤4.1 第一步:提出假设4.2 第二步:确定理论的显著性水平α\alphaα4.3 第三步:计算用于检验的统计量4.4 第四步:根据统计量对应的P值进行判断假设5 假设检验中总体的集中不同情况1 假设检验的基本思想举例理解,如检验"小明是一个从来不做坏事的好人"按照这个假设前提,小明不会干坏事或干坏事的几率是非常小的,但是只有有一个人发现他干坏事,说明事情的假设是不可靠的,就可以否定这个说法。当然这个结论是原创 2021-12-01 21:50:56 · 2873 阅读 · 0 评论 -
【Python】Python 实现破零(ZF)和最小均方误差(MMSE)信道均衡
目录1 理论2 ZF均衡实现3 MMSE均衡1 理论在无线通信中。 无线信道由各种类型的损伤组成,例如延迟扩展、衰落和多普勒扩展等。信道中的多径传播引入延迟扩展,导致 ISI、ICI等等问题,在信号接收端,我们需要进行均衡以减少失真,减轻 ISI 和噪声的综合影响。 因此为了恢复原始信号,使用滤波器,常用基本的滤波器有破零(Zero Forcing,ZF) 和最小均方误差( Minimum Mean Square Error,MMSE)算法。ZF算法使用一个加权矩阵W消除信道的干扰,根据估计的信道响应原创 2021-11-24 20:21:28 · 3697 阅读 · 5 评论 -
【Python】Python 仿真OFDM发射机、信道和接收机-实现多种调制方式
目录1 引言2 Python实现2.1 初始化和定义函数2.1.1 初始化参数2.1.2 可视化导频插入的格式2.1.3 定义调制和解调方式2.1.4 定义信道2.2 OFDM仿真过程2.2.1 发送端2.2.2 信道2.2.3 接收端1 引言OFDM的通信系统仿真,Matlab实现的版本比比皆是,Python版本的底层详细的仿真过程缺少之又少,本人根据Commpy工具包,实现了OFDM的信号发射、经过信道、接收端接收的过程。并可视化了导频的插入方式、信道冲击响应、信号解调前的星座映射和解调后的星座映射原创 2021-11-18 18:58:37 · 8207 阅读 · 8 评论 -
【Python】解决tqdm ‘module‘ object is not callable
问题tqdm是显示数据处理进度条使用import tqdm报错 ‘module’ object is not callableimport tqdmdatafields = [("text", TEXT), ("label", LABEL)]train_examples= []for text, label in tqdm(zip(train['text'], train['label'])): train_examples.append(data.Example.fromlist([t原创 2021-07-21 16:25:41 · 6351 阅读 · 5 评论 -
【Python】解决Can‘t find model ‘en‘. It doesn‘t seem to be a shortcut link, a Python package or a valid
问题在使用以下代码时,报错Can’t find model ‘en’. It doesn’t seem to be a shortcut link, a Python package or a valid path to a data directory.import spacyNLP = spacy.load('en')解决办法没有下载模型(1)方法一pip install spacy && python -m spacy download en使用方式import原创 2021-07-20 15:47:35 · 1262 阅读 · 0 评论 -
【Python】计算两个日期相差天数
解决方案%m/%d/%Ym表示月d表示天Y表示年只要三个字母对应所给字符串的位置,即可正确计算。分隔符也可自定义,可以是%或-,也可以是其他字符(1)举例一import datetime str1 ='4/3/2019' str2 ='4/3/2018'date1=datetime.datetime.strptime(str1[0:10],"%m/%d/%Y")date2=datetime.datetime.strptime(str2[0:10],"%m/%d/%Y")num原创 2021-06-25 07:36:00 · 10008 阅读 · 0 评论 -
【Pandas+Python】初始化一个全零的Dataframe
解决方案初始化一个100*3的0矩阵,变为Dataframe类型,并为每列赋值一个属性import numpy as npimport pandas as pdarr = np.zeros((100,3))n_data = pd.DataFrame(arr,columns = ['a','b','c'])a b c0 0.0 0.0 0.01 0.0 0.0 0.02 0.0 0.0 0.03 0.0 0.0 0.04 0.0 0.原创 2021-06-24 08:34:18 · 12048 阅读 · 0 评论 -
【python】解决json.dump(字典)时报错Object of type ‘float32‘ is not JSON serializable
1 问题json.dump原生不支持字典类型,会报错Object of type ‘float32’ is not JSON serializableimport jsondict = {'我':1,'是':2,'帅':3,'哥':4}json.dump(dict, open('history.json', 'w'))2 解决办法自定义一个类import numpy as np class NumpyEncoder(json.JSONEncoder): def default(原创 2021-06-14 21:12:09 · 2103 阅读 · 5 评论 -
【信号处理】python按原理实现BPSK、QPSK、QAM信号调制
1 BPSK调制# -*- coding:utf-8 -*- import numpy as npfrom math import piimport matplotlib.pyplot as pltimport matplotlibimport math #码元数 size = 10sampling_t = 0.01t = np.arange(0, size, sampling_t) # 随机生成信号序列a = np.random.randint(0, 2, siz原创 2021-03-20 21:56:05 · 5685 阅读 · 1 评论 -
【Python】对字典进行排序
1 对键排序(1)方法一遍历tutled = {1:'我',2:'是',3:'帅',4:'哥'}# reverse = True:从大到小排序# reverse = Fale:从小到大排序tt = sorted(d.items(),key = lambda kv:kv[0],reverse = True)#(kv[0],kv[1]))for t in tt: print('{}:{}'.format(t[0],t[1]))4:哥3:帅2:是1:我(2)方法二遍历Listd原创 2021-03-14 11:55:01 · 453 阅读 · 0 评论 -
Python实现rician莱斯衰落和rician莱斯信道
基本概念Example来自Github-Rician-Fading-Python2.1 Rician衰落类# -*- coding: utf-8 -*-"""Created on Wed Nov 4 18:55:46 2020@author: Jonathan Browning"""import numpy as npfrom scipy.stats import gaussian_kde as kdffrom scipy import special as spclass原创 2021-03-10 22:58:26 · 7114 阅读 · 4 评论 -
【Pandas】Pandas的DataFrame按行插入list数据或者读取一行并存为csv文件
1 DataFrame插入一行# 初始化一个空Dataframeimport pandas as pddata_frame = pd.DataFrame(columns=['f0','f1', 'f2', 'f3','f4','f5','f6','f7', 'f8', 'f9','f10','f11','f12','f13', 'f14', 'f15','f16','f17'],index=[])# 插入一行,如果需要插入多行,加个for循环即可singlelist = [0,1,0,0,0,原创 2021-02-25 15:21:45 · 7412 阅读 · 2 评论 -
【Tensorflow+Keras】tf.keras.backend.image_data_format()的解析与举例使用
作用返回“channels_first’或“channels_last”,默认是channels_lastchannels_first表示图片数据的通道在第一维度[channel,28,28,3]channels_last表示图片数据的通道在最后一个维度[28,28,3,channel]举例使用import tensorflow.keras.backend as K image_format = K.image_data_format()image_format输出chan原创 2021-02-04 21:12:59 · 1566 阅读 · 5 评论 -
【北京大学】Tensorflow2.0循环神经网络:用基础RNN、LSTM、GRU实现股票预测
目录1 本讲目标2 回顾卷积神经网络3 循环神经网络(1)循环核(2)循环核按时间步展开(3)循环计算层(4)TF描述循环计算层(5)循环计算过程(6)循环计算过程24 RNN实现股票预测5 用LSTM实现股票预测(1)LSTM基本概念和原理(2)TF描述LSTM层6 GRU 实现股票预测(1)GRU计算过程(2)TF描述GRU层1 本讲目标(1)回顾卷积神经网络(2)循环神经网络• 循环核• 循环核时间步展开• 循环计算层• TF描述循环计算层• 循环计算过程(3)实践• ABCDE字原创 2020-11-07 21:25:00 · 1599 阅读 · 1 评论 -
【北京大学】Tensorflow2.0卷积神经网络,用基础 CNN、Lenet、Alexnet、VGGNet、InceptionNet 和ResNet实现图像识别
目录1 本讲目标2 卷积计算过程3 感受野4 全零填充5 TF描述卷积计算层6 批标准化7 池化8 舍弃Dropout10 CIFAR 数据集11 卷积神经网搭建示例12 Lenet实现13 AlexNet14 VGGNet15 INceptionNet16 ResNet1 本讲目标(1)卷积计算过程(2)感受野(3)全零填充(Padding)(4)TF描述卷积计算层(5)批标准化(Batch Normalization,BN)(6)池化(Pooling)(7)舍弃(Dropout)(8)原创 2020-11-05 20:13:22 · 851 阅读 · 6 评论 -
【北京大学】Tensorflow2.0神经网络八股扩展、增加自制数据集、数据增强、断点续参数提取和acc、loss可视化,实现给图识物的应用程序
目录1 本讲目标(1)自制数据集,解决本领域应用(2)数据增强,扩充数据集(3)断点续训,存取模型(4)参数提取,把参数存入文本(5)acc/loss 可视化,查看训练效果(6)应用程序,给图识物2 自制数据集(1) 观察数据集数据结构,给x_train、y_train 、x_test、y_testdef generateds(path, txt): f = open(txt, 'r') # 以只读形式打开txt文件 contents = f.readlines()原创 2020-11-05 09:11:45 · 768 阅读 · 1 评论 -
【北京大学】Tensorflow2.0神经网络搭建八股、用六步法写出手写数字识别训练模型
目录1 本讲摘要3 六步法搭建网络4 搭建网络八股class5 MINIST数据集6 FASHION数据集1 本讲摘要(1)本讲目标:使用八股搭建神经网络(2)摘要• 神经网络搭建八股• Iris代码复现• MNIST数据集• 训练 MNIST 数据集• Fashion数据集3 六步法搭建网络用Tensorflow的API:tf.keras搭建网络八股(1)六步法imorttrain,test# 搭建网络结构```pythonmodel = tf.keras.models原创 2020-11-02 21:14:39 · 777 阅读 · 0 评论 -
【Python 3】解决FeatureNotFound: Couldn‘t find a tree builder with the features you requested: lxml.
问题环境:Python3.6使用如下代码时soup = BeautifulSoup(s, “html”)报错FeatureNotFound: Couldn’t find a tree builder with the features you requested: lxml. Do you need to install a parser library? 解决办法因为可能问题不同,有不同的解决办法(1)第一种可能:根本没有安装lxmlsudo apt-get install libxml原创 2021-02-02 11:47:18 · 5915 阅读 · 2 评论 -
【Python 3】Set集合的解析与使用
作用集合(set)是一个无序的不重复元素序列。可以使用大括号 { } 或者 set() 函数创建集合,注意:创建一个空集合必须用 set() 而不是 { },因为 { } 是用来创建一个空字典。举例使用(1)创建集合Demo1 = set('abcdef'){'a', 'b', 'c', 'd', 'e','f'}Demo2 = {'a', 'b', 'c', 'd', 'e', 'f'}{'a', 'b', 'c', 'd', 'e','f'}Demo3 = {x for x in 'a原创 2021-02-02 10:13:35 · 175 阅读 · 0 评论 -
【Python-Numpy】numpy.expand_dims()的解析与使用
作用扩展数组的形状插入一个新轴,该轴将出现在扩展数组形状的轴位置上举例使用(1)一维数组举例x = np.array([1, 2])x.shape(2,)y = np.expand_dims(x, axis=0)y.shape(1, 2)y = np.expand_dims(x, axis=1)y.shape(2, 1)(2)二维数组举例x = np.array([[1,2,3],[4,5,6]])x.shape(2, 3)y = np.expand_dims(x原创 2021-01-27 11:23:43 · 1816 阅读 · 0 评论 -
【Python-Numpy】numpy.stack()的解析与使用
作用在给定的轴下,增加或改变矩阵的维度一般有四个轴,x = -1 ,x = 0,x = 1,x = 2假设要转变的张量数组arrays的长度为N,其中的每个张量数组的形状为(A, B)如果轴axis=-1,则转变后的张量的形状为(B, A)如果轴axis=0,则转变后的张量的形状为(N, A, B)如果轴axis=1,则转变后的张量的形状为(A, N, B,)如果轴axis=2,则转变后的张量的形状为(A, B, N)举例使用arrays = [np.random.randn(3, 4)原创 2021-01-27 10:44:19 · 1531 阅读 · 0 评论 -
【计算机二级Python】Python全部内置函数解析与使用
1 divmod()作用divmod(a, b)把除数和余数运算结果结合起来,返回一个包含商和余数的元组(a // b, a % b)。2 input()作用Python3.x 中 input() 函数接受一个标准输入数据,返回为 string 类型。Python2.x 中 input() 相等于 eval(raw_input(prompt)) ,用来获取控制台的输入。raw_input() 将所有输入作为字符串看待,返回字符串类型。而 input() 在对待纯数字输入时具有自己的特性原创 2021-01-15 22:20:34 · 1705 阅读 · 5 评论 -
【计算机二级Python】seek()的解析与使用
1 作用用于移动文件读取指针如果如果操作成功,则返回新的文件位置,如果操作失败,则函数返回 -1。2 使用方法fileObject.seek(offset[, whence])参数offset – 开始的偏移量,也就是代表需要移动偏移的字节数whence:可选,默认值为 0。给offset参数一个定义,表示要从哪个位置开始偏移;0代表从文件开头开始算起,1代表从当前位置开始算起,2代表从文件末尾算起。3 举例文件Filetest.txt。有四行文字1 你好2 我是3 一个原创 2021-01-14 22:01:43 · 497 阅读 · 0 评论 -
【Python-Tensorflow】tf.nn.softmax_cross_entropy_with_logits_v2()解析与使用
1 参数解析tf.nn.softmax_cross_entropy_with_logits_v2(labels, logits)第一个参数是实际的标签,label的含义就是一个分类标签,所不同的是,这个label是分类的概率,比如说[0.2,0.3,0.5],labels的每一行必须是一个概率分布(即概率之合加起来为1)。第二个参数是它可以是其他分类器(如逻辑回归等、SVM等)最后一层神经网络的输出。它的值域范围[-inf,+inf](即正负无穷区间)。我们可以把logist理解为原生态的、原创 2020-12-30 09:45:02 · 1157 阅读 · 0 评论 -
【Python-Tensorflow】tf.truncated_normal()解析与使用
1 作用作用是产生均值为mean,标准差为stddev的正态分布的张量2 参数解析tf.truncated_normal(shape, mean, stddev)shape表示生成张量的维度mean是均值stddev是标准差3 举例使用import tensorflow as tfimport numpy as np# 产生一个[32,1,8]的张量的正态分布c = tf.truncated_normal([32, 1, 8], dtype=tf.float64, stddev原创 2020-12-30 14:28:51 · 991 阅读 · 0 评论