wlile循环whileTrue表示永远为真,不管是什么条件都会向下执行,下面是写的一个例子。#!/usr/bin/envpythonage=24#给age赋一个值whileTrue:#进入循环inputting=int(input("Theinputnumberis:"))#保存用户输出到变量inputtingifinputting==age:#然后依次比较print("Guessedit!!!")breakifinputting
系统 2019-09-27 17:53:52 2306
数据归一化问题是数据挖掘中特征向量表达时的重要问题,当不同的特征成列在一起的时候,由于特征本身表达方式的原因而导致在绝对数值上的小数据被大数据“吃掉”的情况,这个时候我们需要做的就是对抽取出来的featuresvector进行归一化处理,以保证每个特征被分类器平等对待。下面我描述几种常见的NormalizationMethod,并提供相应的python实现(其实很简单):1、(0,1)标准化:这是最简单也是最容易想到的方法,通过遍历featurevecto
系统 2019-09-27 17:53:19 2306
fromcopyimport*#String浅复制aList=[3,5,7]bList=aList[::]flag=aList==bListprint(flag)flag=aListisbListprint(flag)#Answer#True#False#切片aList=[3,5,7,9]aList[:3]=[]#删除列表中前3个元素print(aList)#Answer:#[9]aList=[3,5,7,9,11]delaList[:3]#同上print
系统 2019-09-27 17:50:39 2306
发现问题上周,我的测试同事告诉我,你的用户名怎么还允许中文啊?当时我心里就想,你们测试肯定又搞错接口了,我用的是正则w过滤了参数,怎么可能出错,除非Python正则系统出错了,那是不可能的。本着严谨的作风,我自己先测试一下,没问题看我怎么怼回去。可是当我测试,我就懵逼了,中文真TM都验证通过,不对啊,我以前也是这么过滤参数的,测试没问题啊?唯一的区别是现在用的是Python3。上网搜了一圈,发现没有一篇文章讲述Python2和Python3的正则在处理字符
系统 2019-09-27 17:49:01 2306
importosimportsocketfile_path=os.getcwd()print('目录'+file_path+'中的文件包括:')print_dir_files(file_path)#print('***获取当前目录***')#print(os.getcwd())print(os.path.abspath(os.path.dirname(__file__)))print('***获取上级目录***')#print(os.path.abspat
系统 2019-09-27 17:47:46 2306
文章目录一、做出决策一、做出决策使用双等号(==)做比较可以在数字之间比较,序列片段之间比较,序列之间比较,字符串之间比较、字典比较。同样也可以使用不等于(!=)比较大小(>或<)当比较字母的大小的时候,A最小,z最大。比较字符串的时候从左至右,依次比较。lower和upper方法将字母进行全部大写或者全部小写。>>>"Hello".upper()'HELLO'>>>"Hello".lower()'hello'>>>"Hello".upper()=="HE
系统 2019-09-27 17:47:17 2306
例题:假设你获取了250部电影的时长(列表a中),希望统计出这些电影时长的分布状态(比如时长为100分钟到120分钟电影的数量,出现的频率)等信息,你应该如何呈现这些数据?一些概念及问题:把数据分为多少组进行统计组数要适当,太少会有较大的统计误差,太多规律不明显组数:将数据分组,共分为多少组组距:指每个小组的两个端点的距离组数:极差/组距,也就是(最大值-最小值)/组距频数分布直方图与频率分布直方图,hist()方法需增加参数normed注意:一般来说能够
系统 2019-09-27 17:47:12 2306
用Python可视化股票指标一个完整的量化交易策略指考虑到交易的方方面面,但是能不能赚钱,谁知道呢:)但是一个量化交易可以通过回测系统建立信心然后让其一如既往的运行,以达到让钱生钱的目的,并且是自动的。笔者主要谈纯技术面的量化交易,基本面的一些情况并不好处理及量化,我也暂时没有涉及。量化交易一个完整的量化交易策略,个人觉得应该包含以下两个部分:交易策略资金管理交易策略一个完整的交易策略应该包含何时买,何时卖。到底应该如何买卖,市场上大致分为两个技术流派。趋
系统 2019-09-27 17:46:54 2306
Atom是一款功能强大的跨平台编辑器,插件化的解决方案为atom社区的繁荣奠定了基础。任何人都可以把自己做的组件贡献在github上,并能方便的安装到Atom上使用。JupyterNotebook是另一款广受欢迎的交互式笔记本,支持40多种编程语言。Atom上有一款广受欢迎的插件名叫Hydrogen,是用来在Atom上支持Jupyter的运行,有了它,我们就可以摆脱浏览器,回到IDE里愉快的借助Jupyter写代码了!但是,由于现在处于python向pyt
系统 2019-09-27 17:46:06 2306
对于pandas的dataframe,绘制直方图方法如下://pdf是pandas的dataframe,delta_time是其中一列//xlim是x轴的范围,bins是分桶个数pdf.delta_time.plot(kind='hist',xlim=(-50,300),bins=500)对于pandas的dataframe,绘制概率密度图方法如下://pdf是pandas的dataframe,delta_time是其中一列pdf.delta_time.d
系统 2019-09-27 17:45:41 2306