python的多进程性能要明显优于多线程，因为cpython的GIL对性能做了约束。Python是运行在解释器中的语言，查找资料知道，python中有一个全局锁（GIL），在使用多进程(Thread)的情况下，不能发挥多核的优势。而使用多进程(Multiprocess)，则可以发挥多核的优势真正地提高效率。对比实验资料显示，如果多线程的进程是CPU密集型的，那多线程并不能有多少效率上的提升，相反还可能会因为线程的频繁切换，导致效率下降，推荐使用多进程；如果
系统 2019-09-27 17:56:12 2354
1.知乎文章图片爬取器之二博客背景昨天写了知乎文章图片爬取器的一部分代码，针对知乎问题的答案json进行了数据抓取，博客中出现了部分写死的内容，今天把那部分信息调整完毕，并且将图片下载完善到代码中去。首先，需要获取任意知乎的问题，只需要你输入问题的ID，就可以获取相关的页面信息，比如最重要的合计有多少人回答问题。问题ID为如下标红数字编写代码，下面的代码用来检测用户输入的是否是正确的ID，并且通过拼接URL去获取该问题下面合计有多少答案。在学习过程中有什么
系统 2019-09-27 17:55:50 2354
修改、查看私有属性、名字重整如下，Test类定义一个私有属性__name实例化一个对象a，无法调用该属性，打印a.__dict__（可以检查一个对象的所有属性）查看，发现__name存在并且名字变为_Test__name（无法调用的原因，名字被改变）改变规则：私有属性前添加类名，再在类名前添加一个下划线（名字重整）我们验证一下，打印修改后的属性，如下这里有个疑问，既然无法直接打印，那我们为什么可以直接修改？修改测试一下，打印输出，此时__name并不是私有
系统 2019-09-27 17:53:05 2354
前言关于时间的处理，Python中自带的处理时间的模块就有time、datetime、calendar，另外还有扩展的第三方库，如dateutil等等。通过这些途径可以随心所欲地用Python去处理时间。当我们用NumPy库做数据分析时，如何转换时间呢？在NumPy1.7版本开始，它的核心数组（ndarray）对象支持datetime相关功能，由于'datetime'这个数据类型名称已经在Python自带的datetime模块中使用了，NumPy中时间数据
系统 2019-09-27 17:53:05 2354
在Python中定义函数，可以用必选参数（位置参数），默认参数，可变参数，关键字参数和命名关键字参数，这5种参数都可以组合使用。但参数定义的顺序必须是：必选参数（位置参数）默认参数可变参数命名关键字参数关键字参数例如：定义：deff1(x,y=0,*args,z,**kw):print(x,y,args,z,kw)调用：f1(1,2,3,4,5,z=6,p=7,q=8)输出：12(3,4,5)6,{'p':7,'q':8}定义：deff2(x,y=0,*,
系统 2019-09-27 17:50:10 2354
将程序转换为exe文件我们先来介绍如何使用工具Pyinstaller安装Pyinstaller我们用pip安装Pyinstaller。注意，如果使用Pyinstaller，则应使用python2.7或python3.3到python3.6（截至2018年7月）的环境。安装方法非常简单，我们执行以下命令$pipinstallpyinstaller接下来我们将python脚本转换为exe文件我们将“.py”文件转换为“.exe”文件首先，我们创建原始的“.py
系统 2019-09-27 17:50:03 2354
正则表达式是定义搜索模式的字符序列。通常这种模式被字符串搜索算法用于字符串上的“查找”或“查找和替换”操作，或者用于输入验证。1.正则表达式的语法.表示任何单个字符[]字符集，对单个字符给出取值范围[^]非字符集，对单个字符给出排除范围*前一个字符0次或者无限次扩展+前一个字符1次或无限次扩展?前一个字符0次或1次扩展|左右表达式任意一个{m}扩展前一个字符m次{m,n}扩展前一个字符m至n次^匹配字符串开头$匹配字符串结尾()分组标记，内部只能使用|操作
系统 2019-09-27 17:49:57 2354
点击上方“何俊林”，马上关注，每天早上8:50准时推送真爱，请置顶或星标昨天的朋友圈都在丧心病狂的秀恩爱，秀520红包！于是就有人出来普法教育。。。可是还有更多老铁连发红包的机会都没有。。。为什么这么多如此优秀的同学都还是单身呢？你有分析过自己单身的原因吗？一、需求背景今天逛微博的时候发现一个有趣的话题#90后单身原因TOP3#七夕之际，一份针对全国90后青年婚恋观进行抽样调查公布了结果。结果显示，一线城市单身占比持续领先。90后单身原因TOP3：圈子小、
系统 2019-09-27 17:48:50 2354
在如今这个处处以数据驱动的世界中，机器学习正变得越来越大众化。它已经被广泛地应用于不同领域，如搜索引擎、机器人、无人驾驶汽车等。本书首先通过实用的案例介绍机器学习的基础知识，然后介绍一些稍微复杂的机器学习算法，例如支持向量机、极端随机森林、隐马尔可夫模型、条件随机场、深度神经网络，等等。本书特色用最火的Python语言、通过各种各样的机器学习算法来解决实际问题！书中介绍的主要问题如下。探索分类分析算法并将其应用于收入等级评估问题使用预测建模并将其应用到实际
系统 2019-09-27 17:47:46 2354
这个周末是六一，笔者分享一下给孩子做的一个小程序，这样的例子需要有趣、简单有动画效果，所以我就用python的dash_bio给孩子展示了DNA的分子结构，效果不错：）dash_bio库的安装·首先是安装dash_bio库，他的例程是基于python2.7的，不过python3应该也行，稍微改一下代码即可。执行下列语句即可完成安装。这其中没遇到什么坑。pipinstalldash-bio==0.0.10pipinstalldash_html_compone
系统 2019-09-27 17:45:49 2354
