文章目录前言初探configparser配置文件读入配置：读取数据SectionSection增加Section检索Section删除高级操作单个option对应多行值单个option无对应值Interpolation插值BasicInterpolationExtendedInterpolation总结前言configparser是Python中的一个配置文件解析库，可以读取配置文件中的变量和值。配置文件有什么作用呢？作用就是当你写程序的时候，有一些固定的
系统 2019-09-27 17:54:50 2692
目录一、概要二、保留字三、温度转换一、概要缩进、注释、命名、变量、保留字数据类型、字符串、整数、浮点数、列表赋值语句、分支语句、函数input()、print()、eval()、print()格式化二、保留字三、温度转换
系统 2019-09-27 17:55:10 2691
项目：基于Pymysql的专家随机抽取系统引入库函数：>>>importtreelib>>>fromtreelibimportTree,Node构造节点类：>>>classNodex(object):\def__init__(self,num):\self.num=num构造多叉树：（注意节点的第2个属性已标红，它是节点ID，为str类型，不能与其他节点重复，否则构建节点失败）>>>tree1=Tree()>>>tree1.create_node('Roo
系统 2019-09-27 17:47:34 2691
chrome右键有copyxpath地址但是有些时候获取的可能不对可以自己用代码验证一下如果还是不行可以考虑从源码当中取出来趁热打铁，使用前一篇文章中XPath节点来定位HTML页面。HTML文件如下（您可以将其拷贝，保存成html文件，跟我笔者实验）：Storm这是一个h1标签文本域1：文本域2：密码字段：单选按钮1：malefemale宠物：猫狗兔子1、节点上面的HTML文件，为根节点，他有个lang的属性，他有两个子节点和。2、选取节点实验（1）/，
系统 2019-09-27 17:46:38 2691
python之最常用的模块一箩筐其实我挺羡慕火车的为什么？他们连擦肩而过都那么久request模块:requests是一个功能强大、简单易用的HTTP请求库请求requests.get('http://httpbin.org/get')requests.post('http://httpbin.org/post')requests.put('http://httpbin.org/put')requests.delete('http://httpbin.or
系统 2019-09-27 17:56:33 2690
本文实例讲述了Python机器学习算法库scikit-learn学习之决策树实现方法。分享给大家供大家参考，具体如下：决策树决策树(DTs)是一种用于分类和回归的非参数监督学习方法。目标是创建一个模型，通过从数据特性中推导出简单的决策规则来预测目标变量的值。例如，在下面的例子中，决策树通过一组if-then-else决策规则从数据中学习到近似正弦曲线的情况。树越深，决策规则越复杂，模型也越合适。决策树的一些优势是:便于说明和理解，树可以可视化表达；需要很少
系统 2019-09-27 17:48:44 2690
场景描述线上mysql数据库里面有张表保存有每天的统计结果，每天有1千多万条，这是我们意想不到的，统计结果咋有这么多。运维找过来，磁盘占了200G，最后问了运营，可以只保留最近3天的，前面的数据，只能删了。删，怎么删？因为这是线上数据库，里面存放有很多其它数据表，如果直接删除这张表的数据，肯定不行，可能会对其它表有影响。尝试每次只删除一天的数据，还是卡顿的厉害，没办法，写个Python脚本批量删除吧。具体思路是：每次只删除一天的数据；删除一天的数据，每次删
系统 2019-09-27 17:57:14 2689
目录一、题意理解二、求解思路更新、更全的《数据结构与算法》的更新网站，更有python、go、人工智能教学等着你：一、题意理解给定两棵树T1和T2。如果T1可以通过若干次左右孩子互换就变成T2，则我们称两棵树是“同构的”。现给定两棵树，请你判断它们是否是同构的。输入格式：输入给出2棵二叉树的信息：先在一行中给出该树的结点树，随后N行第i行对应编号第i个结点，给出该结点中存储的字母、其左孩子结点的编号、右孩子结点的编号如果孩子结点为空，则在相应位置给出“-”
系统 2019-09-27 17:56:51 2689
一、装饰函数（1）概念：装饰器本质上是一个Python函数或类，它可以让其他函数或类在不需要做任何代码修改的前提下增加额外功能，装饰器的返回值也是一个函数/类对象。它经常用于有切面需求的场景，比如：插入日志、性能测试、事务处理、缓存、权限校验等场景，装饰器是解决这类问题的绝佳设计。有了装饰器，我们就可以抽离出大量与函数功能本身无关的雷同代码到装饰器中并继续重用。概括的讲，装饰器的作用就是为已经存在的对象添加额外的功能。使用方法：先定义一个装饰器（帽子）再定
系统 2019-09-27 17:55:30 2689
Docker-Appium安装Githubdocker-appium地址：https://github.com/appium/app...创建临时容器（用于简单命令测试）dockerrun--privileged-d-p4723:4723-v~/.android:/root/.android-v/dev/bus/usb:/dev/bus/usb--namecontainer-appiumappium/appium若使用模拟器等（非USB连接）模拟器的adb
系统 2019-09-27 17:54:28 2689
先上个爬取的结果图最后的结果为每部漫画按章节保存运行环境IDEVS2019Python3.7Chrome、ChromeDriverChrome和ChromeDriver的版本需要相互对应先上代码，代码非常简短，包含空行也才50行，多亏了python强大的库importosimporttimeimportrequestsfromseleniumimportwebdriverfromlxmlimportetreedefgetChapterUrl(url):he
系统 2019-09-27 17:51:22 2689
问题描述：假设我有这样两个list，一个是list1，list1=[1,2,3,4,5]一个是list2，list2=[1,4,5]我们如何得到一个新的list，list3，list3中包括所有不在list2中出现的list1中的元素。即：list3=list1�Clist2解决方案：我们可以用set（集合）操作list3=list(set(list1)�Cset(list2))set操作会将一个list转换成一个集合。假设：list_t=[1,2,3,1
系统 2019-09-27 17:37:55 2689
接上篇博客题目描述：自定义一个可微并且存在最小值的一元函数，用梯度下降法求其最小值。并绘制出学习率从0.1到0.9（步长0.1）时，达到最小值时所迭代的次数的关系曲线，根据该曲线给出简单的分析。代码：#-*-coding:utf-8-*-"""CreatedonTueJun410:19:032019@author:Administrator"""importnumpyasnpimportmatplotlib.pyplotaspltplot_x=np.lin
系统 2019-09-27 17:55:44 2688
获取数据集，并画图代码如下：importnumpyasnpfromsklearn.datasetsimportmake_moonsimportmatplotlib.pyplotasplt#手动生成一个随机的平面点分布，并画出来np.random.seed(0)X,y=make_moons(200,noise=0.20)plt.scatter(X[:,0],X[:,1],s=40,c=y,cmap=plt.cm.Spectral)plt.show()得到图如
系统 2019-09-27 17:52:09 2688
神经网络模型一般用来做分类，回归预测模型不常见，本文基于一个用来分类的BP神经网络，对它进行修改，实现了一个回归模型，用来做室内定位。模型主要变化是去掉了第三层的非线性转换，或者说把非线性激活函数Sigmoid换成f(x)=x函数。这样做的主要原因是Sigmoid函数的输出范围太小，在0-1之间，而回归模型的输出范围较大。模型修改如下：代码如下：#coding:utf8''''author:Huangyuliang'''importjsonimportra
系统 2019-09-27 17:47:41 2688
