StringIO经常被用来作为字符串的缓存，应为StringIO有个好处，他的有些接口和文件操作是一致的，也就是说用同样的代码，可以同时当成文件操作或者StringIO操作。比如：复制代码代码如下:importstring,os,sysimportStringIOdefwritedata(fd,msg):fd.write(msg)f=open('aaa.txt','w')writedata(f,"xxxxxxxxxxxx")f.close()s=Strin
系统 2019-09-27 17:50:39 2584
之前介绍过单个nii文件转换成png图像：https://www.jb51.net/article/165693.htm这里介绍将多个nii文件（保存在一个文件夹下）转换成png图像。且图像单个文件夹的名称与nii名字相同。importnumpyasnpimportos#遍历文件夹importnibabelasnib#nii格式一般都会用到这个包importimageio#转换成图像defnii_to_image(niifile):filenames=os
系统 2019-09-27 17:49:24 2584
当遇到一个模板标签（templatetag）时，模板解析器就会把标签包含的内容，以及模板解析器自己作为参数调用一个python函数。这个函数负责返回一个和当前模板标签内容相对应的节点（Node）的实例。例如，写一个显示当前日期的模板标签：{%current_time%}。该标签会根据参数指定的strftime格式（参见：http://www.djangoproject.com/r/python/strftime/）显示当前时间。首先确定标签的语法是个好主意
系统 2019-09-27 17:37:40 2584
importnumpyasnpfromsklearn.datasetsimportload_irisiris=load_iris()#data=iris.data#print(data[0])#print(data[2])#print(type(iris.data))#print(iris.data.shape)#LenRow,LenColumn=iris.data.shape#print("LenRow={}".format(LenRow))#print
系统 2019-09-27 17:54:16 2583
下午写了一个简单的bash脚本，用来测试程序，输入一个测试用例文件，输出没有通过测试的用例和结果，然后把结果保存到数据库里。如何在bash脚本里直接访问数据库呢？既然在shell里可以直接用mysql命令操作数据库，那么在shellscript里也应该可以通过调用mysql来操作数据库。比如用下面的bashshell脚本查询数据库：Bash复制代码代码如下:#!/bin/bashmysql-uvpsee-ppasswordtest<
系统 2019-09-27 17:48:41 2583
今天继续爬取一个网站，http://www.27270.com/ent/meinvtupian/这个网站具备反爬，所以我们下载的代码有些地方处理的也不是很到位，大家重点学习思路，有啥建议可以在评论的地方跟我说说。为了以后的网络请求操作方向，我们这次简单的进行一些代码的封装操作。这里在你可以先去安装一个叫做retrying的模块pipinstallretrying这个模块的具体使用，自己去百度吧。嘿嘿哒〜在这里我使用了一个随机产生USER_AGENT的方法i
系统 2019-09-27 17:57:21 2581
【语音识别】语音端点检测及Python实现一、语音信号的分帧处理二、端点检测方法2.1、短时能量2.2、短时过零率三、Python实现从接收的语音信号中准确检测出人声开始和结束的端点是进行语音识别的前提。本博文介绍基于短时过零率和短时能量的基本语音端点检测方法及Python实现。如图所示为语音信号，红色方框内为人声：一、语音信号的分帧处理语音信号是时序信号，其具有长时随机性和短时平稳性。长时随机性指语音信号随时间变化是一个随机过程，短时平稳性指在短时间内其
系统 2019-09-27 17:55:51 2581
时间序列（或称动态数列）是指将同一统计指标的数值按其发生的时间先后顺序排列而成的数列。时间序列分析的主要目的是根据已有的历史数据对未来进行预测。本文我们会分享如何用历史股票数据进行基本的时间序列分析（以下简称时序分析）。首先我们会创建一个静态预测模型，检测模型的效度，然后分享一些用于时序分析的重要工具。在创建模型之前，我们先简要了解时间序列的一些基本参数，比如移动平均线、趋势、季节性等。获取数据我们本文会用到MRF过去五年的“调整价格”，用pandas_d
系统 2019-09-27 17:46:25 2581
多元线性回归分析什么是线性回归？线性回归，如上图所示（这里用二维的例子比较好理解），我们知道许多的(x1,y1),(x2,y2),...,(xn,yn)(x_1,y_1),(x_2,y_2),...,(x_n,y_n)(x1,y1),(x2,y2),...,(xn,yn)，即图中红色的点，通过某种方法，得到图中蓝色的线（y=w×x+by=w\timesx+by=w×x+b），即求w，bw，bw，b的值；然后可以使得未知数据xnewx_{new}
系统 2019-09-27 17:45:34 2581
C/C++是可以写python库的，这里咧也可以写出python库，让python调用，来扩展python。到目前为止，嵌入式Python解释器还不能从应用程序本身访问功能。PythonAPI通过扩展嵌入式解释器来实现这一点。也就是说，嵌入式解释器通过应用程序提供的例程得到扩展。虽然听起来很复杂，但也没那么糟糕。只需暂时忘记应用程序启动Python解释器。相反，将应用程序看作一组子例程，并编写一些胶水代码，使Python能够访问这些例程，就像编写普通的Py
系统 2019-09-27 17:56:31 2580
我们平时接触的长乘法，按位相乘，是一种时间复杂度为O(n^2)的算法。今天，我们来介绍一种时间复杂度为O(n^log3)的大整数乘法(log表示以2为底的对数)。介绍原理karatsuba算法要求乘数与被乘数要满足以下几个条件，第一，乘数与被乘数的位数相同；第二，乘数与被乘数的位数应为2次幂，即为2^2,2^3,2^4，2^n等数值。下面我们先来看几个简单的例子，并以此来了解karatsuba算法的使用方法。两位数相乘我们设被乘数A=85，乘数B=41。下
系统 2019-09-27 17:55:47 2580
1、参数#设定浏览器调用选项，以谷歌为例options=webdriver.ChromeOptions()#设定浏览器启动模式-以iPhone6模式启动mobileEmulation={'deviceName':'iPhone6'}options.add_experimental_option('mobileEmulation',mobileEmulation)#设定浏览器全屏显示options.add_argument("start-maximized"
系统 2019-09-27 17:57:32 2579
1、高斯过程：scikit-learn(sklearn)官方文档scikit-learn(sklearn)官方文档中文版scikit-learn(sklearn)官方文档中文版（1.7.高斯过程）其他介绍：AVisualExplorationofGaussianProcesses看得见的高斯过程：这是一份直观的入门解读（上面中文翻译-机器之心）IntroductiontoGaussianProcesses-PartI从数学到实现，全面回顾高斯过程中的函数最
系统 2019-09-27 17:54:26 2579
#-*-coding:utf-8-*-importrequestsimportosfrombiplistimport*frommod_pbxprojimportXcodeProjectdefCleanDirectory(dirPath):isexits=os.path.exists(dirPath)ifisexits:forroot,dirs,filesinos.walk(dirPath):forfileNameinfiles:del_file=os.pa
系统 2019-09-27 17:54:18 2579
这是书籍《PandasCookbook》书籍第02章的代码复现，所有代码运行在JupyterNotebook上，原讲解地址是：https://www.jianshu.com/p/13dcecdacd7c我上传代码的github地址是：https://github.com/Asunqingwen/PandasCookbook.gitgithub上有该书中用到的data，里面代码会不定期更新（因为工作原因，时间不定），直到本书学习完成！相比原讲解，会穿插一些自
系统 2019-09-27 17:53:40 2577
