Python鸟巢0926

写于20190926，中文语料库构建分词模型时的
菜鸟笔记

1.生成固定维度矩阵

transmetrix = np.zeros((4,4))

2.log函数使用

import math
math.log(number)	#此处number必须大于零，不然会ValueError: math domain error 

可以手动设置，当x为0时，置成无穷小值float("-inf")

3.中文处理

split函数：将字符串按某字符分割,返回字符串的列表

content = re.split(' ',content)

join函数：用re正则表达式提取需要的内容

for str1 in content:
        str1 = ''.join(re.findall('[\u4e00-\u9fa5]',str1))

replace函数：

   for line in file:
  	for i in del_dic:
             	 line=line.replace(i,'')

判断是不是中文：

def is_char(char):
  if ('\u4e00' <= char <= '\u9fa5'):
      return True

4.字符串拼接的规格化表示：用+ 来连接字符串时只能连接str类型，如果是int类型

str3 = state.name+': %d   '%(state.count)+'  '+str2

5.时间计算

import time
start = time.clock()	#开头

print('\n %f s'%(time.clock()-start))	#结尾