阅读更多python:>>>favorite_language='python'>>>favorite_language.strip()注：rstrip消右空白right()lstrip消做空白left()大小写：首字母大写.title()全小写.lower()全大写.upper()换行制表：换行符\n制表符\t列表：索引从0开始##提出列表中的某个元素：print（列表[索引]）或者直接print("元素")##-1表示最后一个元素，以此类推##修改列表
系统 2019-09-27 17:57:20 2070
Python的property属性的功能是：property属性内部进行一系列的逻辑计算，最终将计算结果返回。使用property修饰的实例方法被调用时，可以把它当做实例属性一样property的用法1――装饰器方式在类的实例方法上应用@property装饰器classTest:def__init__(self):self.__num=100@propertydefnum(self):print("--get--")returnself.__num@num
系统 2019-09-27 17:57:10 2070
最近开始研究Python的并行开发技术，包括多线程，多进程，协程等。逐步整理了网上的一些资料，今天整理了一下greenlet相关的资料。并发处理的技术背景并行化处理目前很受重视，因为在很多时候，并行计算能大大的提高系统吞吐量，尤其在现在多核多处理器的时代，所以像lisp这种古老的语言又被人们重新拿了起来，函数式编程也越来越流行。介绍一个python的并行处理的一个库：greenlet。python有一个非常有名的库叫做stackless，用来做并发处理，主
系统 2019-09-27 17:56:35 2070
1.新式类与经典类在Python2及以前的版本中，由任意内置类型派生出的类（只要一个内置类型位于类树的某个位置），都属于“新式类”，都会获得所有“新式类”的特性；反之，即不由任意内置类型派生出的类，则称之为“经典类”。“新式类”和“经典类”的区分在Python3之后就已经不存在，在Python3.x之后的版本，因为所有的类都派生自内置类型object(即使没有显示的继承object类型)，即所有的类都是“新式类”。官方文档https://www.pytho
系统 2019-09-27 17:55:48 2070
python中random的常用方法总结一、random常用模块1.random.random()随机生成一个小数print(random.random())#输出0.60605621179967842.random.randint(m,n)随机生成一个m到n的整数（包括n）print(random.randint(1,5))#输出53.random.randrange(m,n)随机生成m到n中的一个数，包括m但是不包括nprint(random.rand
系统 2019-09-27 17:54:35 2070
关卡二：1.练习题1面向对象的理解要求：在类内定义一个可以重新设置私有属性name的函数条件为字符串长度小于10,才可以修改.答:defSetName(self,newname):iflen(newname)<10:self.__name=newnameelse:print("error:名字太长!")在创建一个类之后需要调用什么函数?答:应调用__del__()函数.del()方法是手动调用还是类默认调用?答:手动调用如何访问对象的属性?答:使用(.)来
系统 2019-09-27 17:54:18 2070
is和==先了解下官方文档中关于is和==的概念。is表示的是对象标示符（objectidentity），而==表示的是相等（equality）；is的作用是用来检查对象的标示符是否一致，也就是比较两个对象在内存中的地址是否一样（相当于检查id(a)==id(b)），而==是用来检查两个对象引用的值是否相等（相当于检查a.eq(b)）；这点和Java有点类似，只不过Java中是用==来比较两个对象在内存中的地址，用equals()来检查两者之间的值是否相等
系统 2019-09-27 17:53:56 2070
Python高级专用类方法的实例详解除了__getitem__和__setitem__之外Python还有更多的专用函数。某些可以让你模拟出你甚至可能不知道的功能。下面的例子将展示UserDict一些其他专用方法。def__repr__(self):returnrepr(self.data)(1)def__cmp__(self,dict):(2)ifisinstance(dict,UserDict):returncmp(self.data,dict.dat
系统 2019-09-27 17:53:44 2070
#使用StandardScaler进行数据预处理importnumpyimportmatplotlib.pyplotaspltfromsklearn.datasetsimportmake_blobsX,y=make_blobs(n_samples=40,centers=2,random_state=50,cluster_std=2)plt.scatter(X[:,0],X[:,1],c=y,cmap=plt.cm.cool)plt.show()#导入Sta
系统 2019-09-27 17:52:41 2070
1#!/usr/bin/envpython3.72#-*-coding:utf-8-*-3#Author:Lancer2019-09-0210:07:2145importsys,getopt67defusage():8print("usagecall")910defmain():11try:12opts,args=getopt.getopt(sys.argv[1:],"ho:v",["help","output="])13print(sys.argv[1:
系统 2019-09-27 17:52:18 2070
