![](https://img-blog.csdnimg.cn/20201014180756928.png?x-oss-process=image/resize,m_fixed,h_64,w_64)
人生苦短来玩Python
文章平均质量分 87
小菜的OnePiece
这个作者很懒,什么都没留下…
展开
-
Django 实战开发(一)项目搭建
用pycharm 编辑器可以直接 New 一个 Django 项目。原创 2023-10-25 23:26:45 · 1338 阅读 · 0 评论 -
Python装饰器扫盲
my_greet 函数 被 my_decorator 函数 增强了,本来my_greet 函数只会输出 “hello 我是海贼王路飞”,经过my_decorator 的增强后,多了一句 wrapper of decorator。装饰器在用户登录验证中的一个常见用法是,它可以用来检查用户是否已登录,以确保只有已登录的用户才能访问某些受保护的页面或执行某些操作。这里的@,我们称之为语法糖,@my_decorator就相当于前面的greet=my_decorator(greet)语句,只不过更加简洁。原创 2023-10-24 21:43:38 · 80 阅读 · 0 评论 -
Flask开发网页步骤详解
注意在具体的应用中,需要根据文件名的编码和需要的展示方式,选择合适的字符编码进行处理,以确保文件名的正确性和兼容性。视图函数是处理用户请求的函数,它接收并处理用户发送的请求,并返回相应的响应结果。获取表单数据时,要确保请求的方法为POST,并且表单中的字段名称与代码中使用的名称一致。通过路由,你可以将不同的URL路径映射到不同的视图函数上,从而实现对不同页面或功能的处理。通过使用HTML表单和Flask的路由和视图函数,你可以实现与用户的交互,并通过POST请求将数据发送到服务器进行处理。原创 2023-06-28 20:56:45 · 1846 阅读 · 2 评论 -
Python数据分析之Pandas核心使用进阶
透视表中的行表示’A’列的唯一值,列表示’B’列的唯一值,单元格中的值表示’C’列在对应’A’和’B’的组合上的聚合结果(这里使用了求和操作)。Pandas的列自动对齐是指在进行DataFrame操作(例如计算、合并、拼接等)时,Pandas会根据列的名称自动对齐数据,以确保数据在正确的位置进行操作。这样会将原来的行索引恢复为默认的整数索引,并将原来的行索引作为新的列添加到DataFrame中。这样会将原来的行索引恢复为默认的整数索引,并将原来的行索引作为新的列添加到DataFrame中。原创 2023-06-27 21:56:57 · 1193 阅读 · 0 评论 -
Python数据分析之从零学Pandas基础操作
Pandas是一个在Python编程语言中广泛使用的开源数据分析和数据处理库。它提供了高效、灵活和易于使用的数据结构,特别适用于处理结构化和标签化数据。Pandas的主要数据结构是DataFrame和Series。DataFrame是一个类似于电子表格或SQL表的二维数据结构,可以存储和处理具有不同数据类型的列。Series是一维标签化数组,类似于一列数据。使用这些数据结构,Pandas提供了许多功能强大的方法和函数,用于数据清洗、数据转换、数据筛选、数据分组、数据合并等数据操作任务。原创 2023-06-27 09:46:37 · 1144 阅读 · 0 评论 -
Python学习之NumPy(二)
皮尔逊相关系数衡量的是两个变量之间的线性关系,当变量之间的关系不是线性的时候,皮尔逊相关系数可能不适用。该函数接受一个数组作为输入,并返回一个相关系数矩阵,其中矩阵的(i, j)位置的值表示第i个数组和第j个数组之间的相关系数。该函数返回一个布尔类型的数组,与输入数组形状相同,对应位置为True表示该位置上的值是缺失值(NaN),为False表示该位置上的值不是缺失值。对于多维数组,可以根据需要选择合适的轴进行复制。相关系数矩阵是一个2x2的矩阵,对角线上的值都是1,表示每个数组与自身的相关系数为1。原创 2023-06-26 21:44:35 · 851 阅读 · 0 评论 -
Python 学习之NumPy(一)
通过一个案例来比较分析numpy和python的数值计算性能通过上面的案例 可以看出 NumPy 的数值计算能力比python自带的要快一个数量级,所以NumPy 值得我们学习它。3.NumPy筛选使用介绍筛选出上面nb数组中能被3整除的所有数筛选出数组中小于9的所有数提取出数组中所有的奇数数组中所有的奇数替换为-1二维数组交换2列生成数值5—10,shape 为(3,5)的二维随机浮点数NumPy数组维度等进阶操作NumPy做矩阵乘法实现的两种方法NumPy求平均值,原创 2023-06-26 16:29:34 · 1224 阅读 · 0 评论 -
Python进阶知识(四)
所以,在 Python 的垃圾 回收实现中,mark-sweep 使用双向链表维护了一个数据结构,并且只考虑容器类的对象(只 有容器类对象才有可能产生循环引用)。通常,新创建的对象会被放入第0代,随着时间的推移,存活下来的对象会被转移到更高的代。而每一代启动自动垃圾回收的阈值,则是可以单独指定 的。Python的计数引用是一种基于引用计数的内存管理技术,通过追踪对象的引用数量来决定何时释放对象的内存空间。事实上,分代收集基于的思想是,新生的对象更有可能被垃圾回收,而存活更久的对象也有更 高的概率继续存活。原创 2023-06-24 18:58:54 · 609 阅读 · 0 评论 -
Python进阶知识(三)
这些任务通常涉及与外部资源的交互,需要等待IO操作完成,而任务本身在等待的过程中并不会占用大量的 CPU 资源。协程在单线程中运行,并使用事件循环调度任务的执行,因此适合处理 IO 密集型任务,而不是 CPU 密集型任务。协程允许在执行过程中暂停和恢复函数的执行,并在需要时交替执行多个任务,以实现更高效的异步编程。Python 中的列表推导式(List Comprehension)是一种简洁而强大的语法,用于创建新的列表,通常基于现有的列表或其他可迭代对象进行转换、过滤或组合操作。原创 2023-06-23 13:52:47 · 364 阅读 · 0 评论 -
Python进阶知识(二)
在实际工作中,如果你怀疑某些函数的耗时过长,导致整 个系统的 latency(延迟)增加,所以想在线上测试某些函数的执行时间,那么,装饰器就是 一种很常用的手段。通过嵌套装饰器,可以在函数或类上应用多个装饰器,从而按照特定的顺序为其添加不同的功能。需要注意的是,装饰器的嵌套可以有多层,你可以根据需要在函数或类上应用多个装饰器。通过装饰器的嵌套,你可以灵活地组合和应用多个装饰器,以满足特定的需求,并在不修改原始代码的情况下为函数或类添加各种功能。可以看到,它们的定义与之前的例子中的装饰器函数相同。原创 2023-06-22 19:31:02 · 719 阅读 · 1 评论 -
Python进阶知识(一)
最简单的模块化方式,你可以把函数、类、常量拆分到不同的文件,把它们放在同一个文 件夹,然后使用 from your_file import function_name, class_name 的方式调 用。之后,这些函数和类就可以在文件内直接使用了。看看上面的示例代码,get_sum() 函数定义在 utils.py,Encoder 和 Decoder 类则在 class_utils.py,我们在 main 函数直接调用 from import ,就可以将我们需要的东西 import 过来。原创 2023-06-21 23:15:30 · 1480 阅读 · 0 评论 -
Python 基础语法(二)
函数就是为了实现某一功能的代码段,只要写好以后,就可以重复利用。Python是一种功能强大的编程语言,支持函数的定义和使用。函数是一段可重用的代码块,用于执行特定的任务。这将输出函数返回的值。原创 2023-06-19 22:41:23 · 718 阅读 · 0 评论 -
Python 基础语法(一)
在Python中,列表(list)和元组(tuple)都是用于存储多个对象的数据结构。它们之间有一些重要的区别,下面是一些关于列表和元组的基本知识:需要注意的是,尽管元组是不可变的,但如果元组中的元素是可变的对象(例如列表),那么可以修改可变对象中的元素。综上所述,列表适用于需要频繁修改数据的场景,而元组适用于那些不希望数据被修改的场景,例如表示一组常量值或者在函数返回多个值时使用元组。选择列表或元组取决于你的需求和数据的特性。原创 2023-06-18 22:59:00 · 498 阅读 · 0 评论