如下所示：deflocatebyLatLng(lat,lng,pois=0):'''根据经纬度查询地址'''items={'location':str(lat)+','+str(lng),'ak':'你自己申请的百度ak','output':'json'}res=requests.get('http://api.map.baidu.com/geocoder/v2/',params=items)result=res.json()print(result)pr
系统 2019-09-27 17:46:40 1939
字典是另一种可变容器模型，且可存储任意类型对象。字典的每个键值key=>value对用冒号:分割，每个键值对之间用逗号,分割，整个字典包括在花括号{}中,格式如下所示：d={key1:value1,key2:value2}键一般是唯一的，如果重复最后的一个键值对会替换前面的，值不需要唯一。值可以取任何数据类型，但键必须是不可变的，如字符串，数字或元组。一个简单的实例：dict={'WJ':'female','CT':'male'}这里主要说明一键一值和一键
系统 2019-09-27 17:46:12 1939
今天为大家整理了32个Python爬虫项目。整理的原因是，爬虫入门简单快速，也非常适合新入门的小伙伴培养信心。所有链接指向GitHub，祝大家玩的愉快~O(∩_∩)OWechatSogou[1]-微信公众号爬虫。基于搜狗微信搜索的微信公众号爬虫接口，可以扩展成基于搜狗搜索的爬虫，返回结果是列表，每一项均是公众号具体信息字典。DouBanSpider[2]-豆瓣读书爬虫。可以爬下豆瓣读书标签下的所有图书，按评分排名依次存储，存储到Excel中，可方便大家筛选
系统 2019-09-27 17:45:44 1939
前言ROC（ReceiverOperatingCharacteristic）曲线和AUC常被用来评价一个二值分类器（binaryclassifier）的优劣。这篇文章将先简单的介绍ROC和AUC，而后用实例演示如何python作出ROC曲线图以及计算AUC。AUC介绍AUC(AreaUnderCurve)是机器学习二分类模型中非常常用的评估指标，相比于F1-Score对项目的不平衡有更大的容忍性，目前常见的机器学习库中(比如scikit-learn)一般也
系统 2019-09-27 17:45:41 1939
协同过滤在用户――物品（user-item）的数据关系下很容易收集到一些偏好信息（preference），比如评分。利用这些分散的偏好信息，基于其背后可能存在的关联性，来为用户推荐物品的方法，便是协同过滤，或称协作型过滤（collaborativefiltering）。这种过滤算法的有效性基础在于：用户的偏好具有相似性，即用户是可分类的。这种分类的特征越明显，推荐的准确率就越高物品之间是存在关系的，即偏好某一物品的任何人，都很可能也同时偏好另一件物品不同环
系统 2019-09-27 17:38:39 1939
encode()方法返回字符串的编码版本。默认编码是当前的默认字符串编码。可给予设置不同的错误处理机制。语法以下是encode()方法的语法：str.encode(encoding='UTF-8',errors='strict')参数encoding--这是所使用的编码。对于所有的编码方案的列表，请访问：标准编码库errors--这可能是给定一个不同的错误处理机制。默认的错误是“严格”，即编码错误提出UnicodeError。其他可能的值是ignore',
系统 2019-09-27 17:38:07 1939
一直用的是python2，从python2.3到python2.7.6，出于想了解python3的新特性，又安装了python3.3.3.用了才发现蛮方便的。python的各个版本是独立共存的，不相互冲突的。下面说下如何操作:1.独自安装好python2.7.6和python3.3.32.修改注册表:打开->regeditHKEY_CLASSES_ROOT\Python.File\shell\open\command的默认值修改为"C:\Python27\
系统 2019-09-27 17:37:47 1939
数据类型判断在python（版本3.0以上）使用变量，并进行值比较时。有时候会出现以下错误：TypeError:unorderabletypes:NoneType()
系统 2019-09-27 17:37:39 1939
向量空间模型将文档映射为一个特征向量V(d)=(t1,ω1(d)；…；tn,ωn(d))，其中ti(i=1,2,…,n)为一列互不雷同的词条项，ωi(d)为ti在d中的权值,一般被定义为ti在d中出现频率tfi(d)的函数，即。在信息检索中常用的词条权值计算方法为TF-IDF函数，其中N为所有文档的数目，ni为含有词条ti的文档数目。TF-IDF公式有很多变种，下面是一个常用的TF-IDF公式：根据TF-IDF公式，文档集中包含某一词条的文档越多，说明它区
系统 2019-08-29 23:45:14 1939
最近A股大盘出现了一个小变化，那就是下午2点的时间窗有点前移，盘中短线抛盘开始在13点35分出现。从盘面看，今天的调整比较温和，除了智能概念外，其他股票涨停的品种不是很多，说明市场资金开始保守。从下图看，大盘的调整应该做主动性调整理解。第一：从技术面看，股指逐步接近下图的黄色阻力线，它可以理解为一个新的上升趋势的雏形；在不跌破下轨的时候，可以理解为箱体的震荡。第二：热点轮换速度不能太快。最近一个时期，主力做多的线路是新能源、泛消费、生物医药，伴随着迪斯尼等
系统 2019-08-29 23:45:07 1939
