如下所示：importmatplotlib.pyplotaspltimportnumpyasnpimportmathdefgaussian(sigma,x,u):y=np.exp(-(x-u)**2/(2*sigma**2))/(sigma*math.sqrt(2*math.pi))returny#x=np.linspace(220,230,10000)x=np.linspace(-800,800,10000)plt.title('PDFinHorizon
系统 2019-09-27 17:55:55 2384
正则表达式有两种基本的操作，分别是匹配和替换。匹配就是在一个文本字符串中搜索匹配一特殊表达式；替换就是在一个字符串中查找并替换匹配一特殊表达式的字符串。1.基本元素正则表达式定义了一系列的特殊字符元素以执行匹配动作。正则表达式基本字符字符描述text匹配text字符串.匹配除换行符之外的任意一个单个字符^匹配一个字符串的开头$匹配一个字符串的末尾在正则表达式中，我们还可用匹配限定符来约束匹配的次数。匹配限定符最大匹配最小匹配描述**重复匹配前表达式零次或多
系统 2019-09-27 17:55:12 2384
就向上篇博文中提到的，每种异常都有不同的名称，在实际开发中，不可能把每种异常都涉及到，这里就要用到今天提到的这点：万能异常。万能异常：万能异常：Exception，可以捕获任意异常。什么时候使用万能异常呢？1、如果无论出现什么异常，我们统一丢弃，或者使用同一处理方式去处理这些异常，那么用Exception就足够了。try:代码块exceptException:异常解决办法2、如果对于不同的异常呦不同的处理方式，那就需要用到多分支。当然，还可以使用多分支+万
系统 2019-09-27 17:53:08 2384
项目地址：https://github.com/jrainlau/wallpaper-downloader前言好久没有写文章了，因为最近都在适应新的岗位，以及利用闲暇时间学习python。这篇文章是最近的一个python学习阶段性总结，开发了一个爬虫批量下载某壁纸网站的高清壁纸。注意：本文所属项目仅用于python学习，严禁作为其他用途使用！初始化项目项目使用了virtualenv来创建一个虚拟环境，避免污染全局。使用pip3直接下载即可：pip3inst
系统 2019-09-27 17:52:28 2384
前言:json是一种通用的数据类型，任何语言都认识，长得像字典，形式也是k-v{}，其实json是字符串。字符串不能用key、value来取值，要先转成字典才可以格式如下：{"error_code":0,#要使用双引号，如果是单引号则运行时会报错，可以上网做在线json格式校验"stu_info":[{"id":0,"name":"a","sex":"男","age":22,"grade":"天蝎座","gold":100},{"id":1,"name":
系统 2019-09-27 17:50:53 2384
正则表达式是定义搜索模式的字符序列。通常这种模式被字符串搜索算法用于字符串上的“查找”或“查找和替换”操作，或者用于输入验证。1.正则表达式的语法.表示任何单个字符[]字符集，对单个字符给出取值范围[^]非字符集，对单个字符给出排除范围*前一个字符0次或者无限次扩展+前一个字符1次或无限次扩展?前一个字符0次或1次扩展|左右表达式任意一个{m}扩展前一个字符m次{m,n}扩展前一个字符m至n次^匹配字符串开头$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 2384
10.基数排序10.1算法思想基数排序是对桶排序的扩展。第一类：最低位优先法，简称LSD法：先从最低位开始排序，再对次低位排序，直到对最高位排序后得到一个有序序列；第二类：最高位优先法，简称MSD法：先从最高位开始排序，再逐个对各分组按次高位进行子排序，循环直到最低位。（位没有数的话，补0）这里以LSD为例，由于待排序元素每一位上的数字的取值范围是0—9，因此每按照某一位，需要10个桶，这样每一位上相同的数字会分配到一个桶里。10.2算法过程假设有一未排序
系统 2019-09-27 17:49:44 2384
前言我看到最近几部电影很火，查了一下猫眼电影上的数据，发现还有个榜单，里面有各种经典和热映电影的排行榜，然后我觉得电影封面图还挺好看的，想着一张一张下载真是费时费力，于是突发奇想，好像可以用一下最近学的东西实现我的需求，学习了正则表达式之后，想着要感受一下它在爬虫里面的效果和优缺点。目标：爬取Top100榜单上电影的封面图Top100榜单规则：将猫眼电影库中的经典影片，按照评分和评分人数从高到低综合排序取前100名，每天上午10点更新。相关数据来源于“猫眼
系统 2019-09-27 17:48:31 2384
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 2384
一、线程常用属性1.threading.currentThread:返回当前线程变量2.threading.enumerate:返回一个包含正在运行的线程的list，正在运行的线程指的是线程启动后，结束前的状态3.threading.activeCount：返回正在运行的线程数量，效果跟len(threading.enumer)一样4.thr.setName:给线程设置名字5.thr.getName:得到线程的名字。举例：mport_threadasthr
系统 2019-09-27 17:45:57 2384
