呵呵

1. 函数原型2. 应用参考文献http://blog.csdn.net/vernice/article/details/50990919

http://blog.csdn.net/sxingming/article/details/52164249

1. 创建2. 访问3. 更新4. 删除5. 操作符：交差并补6. 集合内建方法

1. 函数原型2. 应用参考文献http://blog.csdn.net/seetheworld518/article/details/46959871http://www.cnblogs.com/superxuezhazha/p/5714970.html

Python的面向对象没有严格的定义私有，公有，保护；但是有一定的命名风格来显示当前成员变量，成员函数的属性。先挖坑参考文献http://www.cnblogs.com/wanpython/archive/2013/05/23/3095534.htmlhttp://www.cnblogs.com/wangshuyi/p/6096362.html

numpy切片:1. 数组切片2. 列表下标存取办法3. 以数组为下标存取数组4. 多维数组切片存取# 1. 数组切片if False: arr = np.arange(0,10) print(arr[2]) print(arr[3:5]) print(arr[:5]) print(arr[-1]) print(ar

x1 = [1, 2, 3, 4, 5, 6, 7, 8, 9, 10, 11, 12, 13]y1 = [30,31,31,32,33,35,35,40,47,62,99,186,480] x2 = [1, 2, 3, 4, 5, 6, 7, 8, 9, 10, 11, 12, 13, 14] y2 = [32,32,32,33,34,34,34,34,38,43,54,69,116

读写csv文件写入 df.to_csv(filename)读取 pd.read_csv(filename,header=0) #保留列属性，header=None不读列属性缺失值处理去掉包含缺失值的行 df.dropna(how=’any’)对缺失值进行填充 df.fillna(value=5)选择行或列df.iloc[3] #第四行df.iloc[

argsort

http://blog.csdn.net/csujiangyu/article/details/45176399

series序列中每个元素都是带有日期形式的字符串，需要将其转化为一个同等大小的series，且其中每个元素都是星期几。1）将Series转化为datetime格式；2）将Series中每个元素转化为星期；time_list = ["2017-05-10 17:19:19", "2017-05-11 17:19:20", "2017-05-12 17:19:20", "2017

参考文献http://www.cnblogs.com/vamei/archive/2013/03/12/2954938.html

https://www.ibm.com/developerworks/cn/opensource/os-cn-python-yield/

下列程序在Python3.6下运行通过。# -*- coding=utf-8 -*-from matplotlib import font_managerimport matplotlib.pyplot as plt;if __name__ == '__main__': thread_num = [1, 3, 5, 10, 20, 30, 40, 50, 60, 70, 80

Python3还是没有switch，可以利用if-else来实现，但是非常不方便。使用dict来实现会比较简洁优雅。# -*- coding: utf-8 -*-"""Python利用dict实现switch"""def add(x, y): return x + y def subtract(x, y): return x - y

pandas中合并两张表的函数包括merge，concat。1. merge2. concat

参考文献http://jingyan.baidu.com/article/adc8151358a781f723bf73c4.htmlhttp://jingyan.baidu.com/article/d45ad148947fd369552b80f6.html

1. 函数原型strptime函数可以从一个具有时间格式的字符串中获取时间信息，其函数原型为：strptime(string, [format)2. 应用import time""" 返回值struct_day为一个struct格式的时间, 包含9个元素: tm_year: 年 tm_mon: 月 tm_mday: 日

numpy随机数模块random# 1. 随机数种子randomState = np.random.RandomState(1)# 2. 生成随机整数A = [randomState.randint(1,10) for i in range(10)]# 3. 生成随机数组B = randomState.randn(10,4)# 4. 按照均匀分布生成数据C = [rando

1. numpy可以对整个数组元素直接进行操作。# 计算一个一维数组和二维数组的距离distance = np.sum((test_x[i, :] - train_x)**2, axis=1)

利用Python的pandas库进行数据分组分析十分便捷，其中应用最多的方法包括：groupby、pivot_table及crosstab，以下分别进行介绍。0、样例数据[python] view plain copydf = DataFrame({'key1':['a','a','b','b','a'],'key2':['one',

原文见：http://www.analyticsvidhya.com/blog/2016/03/complete-guide-parameter-tuning-xgboost-with-codes-python/这篇文章按照原文的分节，共分为三个部分，其中本章介绍第一部分。 1、简介与XGboost2、参数理解3、参数调优关于XG

要考研，想看看各个院校的真题，网上找了下，发现新东方真题库里面的考研真题还挺齐全的，网址：http://new.bj.xdf.cn/zhentiku/daxue/kaoyan/kyzyk/list_381_1.html于是随手写了个爬虫爬取所有 新闻学 的考研题，脚本如下：from urllib import urlopenfrom bs4 import BeautifulSoup

本文是学习《matplotlib for python developers》的一点笔记plot画图时可以设定线条参数。包括：颜色、线型、标记风格。1）控制颜色颜色之间的对应关系为b---blue   c---cyan  g---green    k----blackm---magenta r---red  w---white    y----yellow有三种表示颜色的方

Numpy的Universal functions 中要求输入的数组shape是一致的，当数组的shape不想等的时候，则会使用广播机制，调整数组使得shape一样，满足规则，则可以运算，否则就出错 。广播：对形状不同的数组，采取的运算操作。但被操作的数组中必须至少有一个某轴长度为1；或者缺少一个维度（这时候会自动补全）。换句话说，通过对两个数组中的一个或者多个在行、列上进行复制元素扩

自python2.6开始，新增了一种格式化字符串的函数str.format()，可谓威力十足。那么，他跟之前的%型格式化字符串相比，有什么优越的存在呢？让我们来揭开它羞答答的面纱。语法它通过{}和:来代替%。“映射”示例通过位置In [1]: '{0},{1}'.format('kzc',18) Out[1]: 'kzc,18' In [2]: '{},{}'.

字典排序在程序中使用字典进行数据信息统计时，由于字典是无序的所以打印字典时内容也是无序的。因此，为了使统计得到的结果更方便查看需要进行排序。Python中字典的排序分为按“键”排序和按“值”排序。按“值”排序按“值”排序就是根据字典的值进行排序，可以使用内置的sorted()函数。 sorted(iterable[, cmp[, key[, reverse]]]）

1. 这两个函数主要提供，基于字典的访问局部变量和全局变量的方式。python 使用叫做名字空间的东西来记录变量的轨迹。名字空间是一个字典 ，它的键就是字符串形式的变量名字，它的值就是变量的实际值。名字空间可以像 Python 的 dictionary 一样进行访问。在一个 Python 程序中的任何一个地方，都存在几个可用的名字空间。每个函数都有着自已的名字空间，叫做局部名字空间

Pandas中DataFrame修改列名在做数据挖掘的时候，想改一个DataFrame的column名称，所以就查了一下，总结如下： 数据如下：>>>import pandas as pd>>>a = pd.DataFrame({'A':[1,2,3], 'B':[4,5,6], 'C':[7,8,9]})>>> a A B C0 1 4 71 2 5

使用matplotlib的示例：调整字体-设置刻度、坐标、colormap和colorbar等[python] view plain copy # -*- coding: utf-8 -*-  #**********************************************************  import os 

7 – 数据框合并当我们有收集自不同来源的数据时，合并数据框就变得至关重要。假设对于不同的房产类型，我们有不同的房屋均价数据。让我们定义这样一个数据框：prop_rates = pd.DataFrame([1000, 5000, 12000], index=['Rural','Semiurban','Urban'],columns=['rates'])prop_rates

numpy的神奇广播函数在使用pandas的时候，一般来说对两个DataFrame（简写df）的加减乘除，会自动索引对齐，很方便，DataFrame与Series之间的运算也会沿着指定的轴进行广播。最为人称道的广播形式大概就是apply和applymap这样的操作了，很方便，很强大。 但是也有不能满足需求的时候，比如一个DataFrame根据另一个DataFrame对应的元素进行自定义

数组拼接方法一思路：首先将数组转成列表，然后利用列表的拼接函数append()、extend()等进行拼接处理，最后将列表转成数组。示例1：>>> import numpy as np>>> a=np.array([1,2,5])>>> b=np.array([10,12,15])>>> a_list=list(a)>>> b_list=list(b)>>> a_l

在游戏项目中，我们会在每个接口验证客户端传过来的参数类型，如果验证不通过，返回给客户端“参数错误”错误码。这样做不但便于调试，而且增加健壮性。因为客户端是可以作弊的，不要轻易相信客户端传过来的参数。def compute_entropy(self, dataset): """ 计算数据集dataset的信息熵 dataset: 第一列为数据集的label """

正表达式基本上是通用的，这里主要是使用Python来学习。

Python列表的index方法，[elements].index(element)，求取元素element在列表中第一次出现的索引。list_1 = list(range(5)) * 10 begin, end = 0, len(list_1)print(list_1.index(1, begin, end))

与numpy的random不太一样，random模块使用似乎更简单。1. 种子random.seed看了好几个例程以及官网，使用起来却总是不对，最后只能这样：import randomrandom.seed2. 采样random.samplelist_A = list(range(10))list_B = random.sample(A, 3)

一、无参装饰器函数Python的 decorator (装饰器) 本质上就是一个高阶函数，它接收一个函数作为参数，然后，返回一个新函数。使用 decorator 用python提供的 @ 语法，这样可以避免手动编写 f = decorate(f) 这样的代码。例1：[html] view plain copy print?

一、引出装饰器概念引入问题：  定义了一个函数，想在运行时动态的增加功能，又不想改动函数本身的代码？示例：希望对下列函数调用增加log功能，打印出函数调用：[html] view plain copy print?def f1(x):     return x*2  def f2(x):     return x*x

更改numpy中元素类型。1. 在创建时，使用np.类型直接更改data = np.ones((3,4), np.int)2. astypedata = np.random.randn(3,4)new_data = data.astype(int)