准备在断网的和联网的机器安装pip，下载地址https://pypi.python.org/pypi/pip在联网的开发机器上安装好需要的包例如：pip3installparamikopip3installfabric打包已安装的包新建pyenv文件夹用来存储下载下来的所需安装包pip3list#查看安装的包#使用pip导出当前环境所有依赖包信息文件pip3freeze>requirements.txt#下载所有依赖包到本地pip3install-rreq
系统 2019-09-27 17:54:56 2073
实例如下：#-*-coding:utf-8-*-fromnumpyimport*importnumpyasnpimportpandasaspdfrommathimportlogimportoperator#计算数据集的香农熵defcalcShannonEnt(dataSet):numEntries=len(dataSet)labelCounts={}#给所有可能分类创建字典forfeatVecindataSet:currentLabel=featVec[-
系统 2019-09-27 17:54:47 2073
本文实例讲述了决策树的python实现方法。分享给大家供大家参考。具体实现方法如下：决策树算法优缺点：优点：计算复杂度不高，输出结果易于理解，对中间值缺失不敏感，可以处理不相关的特征数据缺点：可能会产生过度匹配的问题适用数据类型：数值型和标称型算法思想：1.决策树构造的整体思想：决策树说白了就好像是if-else结构一样，它的结果就是你要生成这个一个可以从根开始不断判断选择到叶子节点的树，但是呢这里的if-else必然不会是让我们认为去设置的，我们要做的是
系统 2019-09-27 17:54:26 2073
本文实例为大家分享了python利用tkinter实现屏保的具体代码，供大家参考，具体内容如下importrandomimporttkinterclassRandomBall():'''运动的球'''def__init__(self,canvas,scrn_width,scrn_heigh):'''球的构造函数:paramcanvas:传入画布，在画布上进行球的构造:paramscrn_width:传入屏幕宽度:paramscrn_heigh:传入屏幕高度
系统 2019-09-27 17:54:04 2073
Python支持一种有趣的语法，它允许你快速定义单行的最小函数。这些叫做lambda的函数，是从Lisp借用来的，可以用在任何需要函数的地方。lambda的语法时常会使人感到困惑，lambda是什么，为什么要使用lambda，是不是必须使用lambda？>>>deff(x):...returnx+2...>>>f(1)3>>>f=lambdax:x+2>>>f(1)3>>>(lambdax:x+2)(1)3Pythondef和Pythonlambda它们有
系统 2019-09-27 17:53:35 2073
使用open函数，第一个参数为文件名，例如“C:\abc.txt”,这里要注意的是r“C:\abc.txt”。第二个参数为文件的操作方式，这里着重探讨写入，写入主要分为覆盖写入和追加写入。#覆盖写入例子：file=open(r'C:\abc.txt','w')file.write("abc")#写入字符串file.close#关闭文件#追加写入例子：file=open(r'C:\abc.txt','a')file.write("abc")#写入字符串fil
系统 2019-09-27 17:53:29 2073
描述sin()返回的x弧度的正弦值。语法以下是sin()方法的语法:importmathmath.sin(x)注意：sin()是不能直接访问的，需要导入math模块，然后通过math静态对象调用该方法。参数x--一个数值。返回值返回的x弧度的正弦值，数值在-1到1之间。实例以下展示了使用sin()方法的实例：#!/usr/bin/pythonimportmathprint"sin(3):",math.sin(3)print"sin(-3):",math.s
系统 2019-09-27 17:53:29 2073
函数的嵌套在Python编程语言中，在函数体内创建另外一个函数（对象，因为Python一切皆对象，函数其实也是对象）是完全合法的，这种函数叫做内部/嵌套函数。例子：#coding:utf-8defouter():definner():print("isInnerMethod")print("IsouterMethod")inner()#调用outer函数outer()#调用outer()的内部函数，报错#inner()运行结果：IsouterMethodi
系统 2019-09-27 17:52:56 2073
一、问题引出浅拷贝首先看下面代码的执行情况：a=[1,2,3]print('a=%s'%a)#a=[1,2,3]b=aprint('b=%s'%b)#b=[1,2,3]a.append(4)#对a进行修改print('a=%s'%a)#a=[1,2,3,4]print('b=%s'%b)#b=[1,2,3,4]b.append(5)#对b进行修改print('a=%s'%a)#a=[1,2,3,4,5]print('b=%s'%b)#b=[1,2,3,4,
系统 2019-09-27 17:52:42 2073
今天接到一个新的任务,要对一个140多M的csv文件进行数据处理,总共有170多万行,尝试了导入本地的MySQL数据库进行查询,结果用Navicat导入直接卡死....估计是XAMPP套装里面全默认配置的MySQL性能不给力,又尝试用R搞一下吧结果发现光加载csv文件就要3分钟左右的时间,相当不给力啊,翻了翻万能的知乎发现了Python下的一个神器包:Pandas(熊猫们?),加载这个140多M的csv文件两秒钟就搞定,后面的分类汇总等操作也都是秒开,太牛
系统 2019-09-27 17:52:33 2073
