本文继续计算机二级python教程的学习，之前已经学习过了计算机二级python学习教程（1）、计算机二级python学习教程（2）3.1数字类型数字类型：整数类型、浮点数类型、复数类型。整数类型：十进制、二进制、八进制和十六进制。#不同进制的整数之间可以直接运算>>>0x3F2/10101.0>>>(0x3F2+1010)/0o17622.0浮点数类型：必须带有小数部分，小数部分可以是0，例如1010.0。表示方法有一般表示（只有十进制）和科学计数法。数
系统 2019-09-27 17:55:17 2483
Python自带一个轻量级的关系型数据库SQLite。这一数据库使用SQL语言。SQLite作为后端数据库，可以搭配Python建网站，或者制作有数据存储需求的工具。SQLite还在其它领域有广泛的应用，比如HTML5和移动端。Python标准库中的sqlite3提供该数据库的接口。我将创建一个简单的关系型数据库，为一个书店存储书的分类和价格。数据库中包含两个表：category用于记录分类，book用于记录某个书的信息。一本书归属于某一个分类，因此boo
系统 2019-09-27 17:53:53 2483
本文实例为大家分享了python实现抠图给证件照换背景的具体代码，供大家参考，具体内容如下importcv2importnumpyasnpimportmatplotlib.pyplotasplt#建立显示图片的函数defshow(image):plt.imshow(image)plt.axis('off')plt.show()#导入前景图img=cv2.imread('font.jpg')#图片导入img=cv2.cvtColor(img,cv2.COLO
系统 2019-09-27 17:53:19 2483
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 2483
还有多少耿直boy和我一样在等待微信官方送上一顶圣诞帽？最后知道真相的我眼泪掉下来……（还蒙在鼓里的同学请在微信最上方的搜索栏自行搜索『圣诞帽』）好吧，你不给，咱自己来，不就是个帽子嘛。Python在手，圣诞帽我有！OpenCV库加上几张圣诞帽图片，三四十行代码轻松搞定。只不过调试的时候要注意点，图像坐标和像素矩阵索引的维度别搞乱了。大致步骤：安装OpenCV（网上搜下教程有很多）；用OpenCV提供的级联分类器做人脸检测，定位出图片中的人脸位置；根据找出
系统 2019-09-27 17:52:51 2483
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 2483
fromtypingimportListclassSolution:defintersect(self,nums1:List[int],nums2:List[int])->List[int]:#记录两个数组中每个数字出现的次数result1={}result2={}#遍历两个数组，然后将其数字出现次数添加入字典中foriinnums1:ifinotinresult1.keys():result1[i]=1else:result1[i]+=1foriinnu
系统 2019-09-27 17:48:30 2483
前言缓存属性(cached_property)是一个非常常用的功能，很多知名Python项目都自己实现过它。我举几个例子：bottle.cached_propertyBottle是我最早接触的Web框架，也是我第一次阅读的开源项目源码。最早知道cached_property就是通过这个项目，如果你是一个Web开发，我不建议你用这个框架，但是源码量少，值得一读~werkzeug.utils.cached_propertyWerkzeug是Flask的依赖，是
系统 2019-09-27 17:48:15 2483
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 2483
决策树①——信息熵&信息增益&基尼系数决策树②——决策树算法原理（ID3，C4.5，CART）决策树③——决策树参数介绍（分类和回归）决策树④——决策树Sklearn调参（GridSearchCV调参及过程做图）决策树应用实例①——泰坦尼克号分类决策树应用实例②——用户流失预测模型决策树应用实例③——银行借贷模型上一篇总结了Sklearn库用GridSearchCV调参的过程，今天用python依据现代女生的审美创建一颗简单的决策树，看下是否能代表大众的心
系统 2019-09-27 17:45:44 2483
