前言树是数据结构中非常重要的一种，主要的用途是用来提高查找效率，对于要重复查找的情况效果更佳，如二叉排序树、FP-树。另外可以用来提高编码效率，如哈弗曼树。用Python实现树的构造和几种遍历算法。实现功能如下：树的构造递归实现先序遍历、中序遍历、后序遍历堆栈实现先序遍历、中序遍历、后序遍历队列实现层次遍历#-*-coding=utf-8-*-classNode(object):"""节点类"""def__init__(self,element=-1,l_
系统 2019-09-27 17:54:16 1914
变量不是盒子在示例所示的交互式控制台中，无法使用“变量是盒子”做解释。图说明了在Python中为什么不能使用盒子比喻，而便利贴则指出了变量的正确工作方式。变量a和b引用同一个列表，而不是那个列表的副本>>>a=[1,2,3]>>>b=a>>>a.append(4)>>>b[1,2,3,4]如果把变量想象为盒子，那么无法解释Python中的赋值；应该把变量视作便利贴，这样示例中的行为就好解释了注意：对引用式变量来说，说把变量分配给对象更合理，反过来说就有问题
系统 2019-09-27 17:53:57 1914
前言在Python中，enumrate和range都常用于for循环中，enumrate函数用于同时循环列表和元素，而range()函数可以生成数值范围变化的列表，而能够用于for循环即都是可迭代的。range概述range是用于产生连续或者带步长的数字元素组成的列表，下面是一些基本使用及场景示例。产生数字序列#产生0-9的序列foriinrange(0,10):print(i)print('-'*40)#产生0-20，步进(间隔)为3的数字元素组成的序列
系统 2019-09-27 17:53:03 1914
本文实例讲述了Python数据分析模块pandas用法。分享给大家供大家参考，具体如下：一介绍pandas（PythonDataAnalysisLibrary）是基于numpy的数据分析模块，提供了大量标准数据模型和高效操作大型数据集所需要的工具，可以说pandas是使得Python能够成为高效且强大的数据分析环境的重要因素之一。pandas主要提供了3种数据结构：1）Series，带标签的一维数组。2）DataFrame，带标签且大小可变的二维表格结构。
系统 2019-09-27 17:52:24 1914
随着脚本复杂程度增加，配置文件成了必不可少。之前一直使用json文件，当作配置文件。比较之下，configparser库更加适合。下述文件为一个简单的configparser库的配置文件config.ini[testdb]db_port=3306db_host=127.0.0.1db_user=rootdb_passwd=123456#remark[zhfx]target="zy-zhfx"targets=["zy-zhfx"]num=3上述方括号内的[]
系统 2019-09-27 17:52:13 1914
print("我想打印一个字符串%s"%123)print("我想打印一个字符串",123)print("我想打印一个字符串{}".format(123))这三个输出有什么区别喃?Python中一个数据是否可以迭代(能否使用For)isinstance(需要判断的数据,Iterable)查看返回值，true则可以迭代，false不能迭代。如果创建一个可以迭代的对象？必须实现__iter__()方法在__iter__方法中需要返回一个具有__iter__方法
系统 2019-09-27 17:52:09 1914
示例标准线程多进程，生产者/消费者示例：Worker越多,问题越大复制代码代码如下:#-*-coding:utf8-*-importosimporttimeimportQueueimportthreadingfromPILimportImagedefcreate_thumbnail(filename,size=(128,128)):try:fp,fmt=filename.rsplit('.',1)im=Image.open(filename)im.thum
系统 2019-09-27 17:52:06 1914
个人想到的解决方法有两种,一种是.replace('old','new')第一个参数是需要换掉的内容比如空格,第二个是替换成的内容,可以把字符串中的空格全部替换掉.第二种方法是像这样str_1_data='abc'str_2_list=str_1_data.split()str_1=''foriinrange(len(str_2_list)):#这里可以直接用str_1.join(str2_list)str_1+=str_2_list[i]print(st
系统 2019-09-27 17:51:45 1914
一、缺失值的处理方法由于各种各样的原因，真实世界中的许多数据集都包含缺失数据，这些数据经常被编码成空格、nans或者是其他的占位符。但是这样的数据集并不能被scikit-learn算法兼容，因为大多数的学习算法都会默认数组中的元素都是数值，因此素偶有的元素都有自己的代表意义。使用不完整的数据集的一个基本策略就是舍弃掉整行或者整列包含缺失值的数值，但是这样处理会浪费大量有价值的数据。下面是处理缺失值的常用方法：1.忽略元组当缺少类别标签时通常这样做（假定挖掘
系统 2019-09-27 17:50:59 1914
问题背景:源于公司的原来的代码是python2开发的，后来改为python3开发，设计到的property的用法有点不一样直接上代码公司原来的python2的代码classLineItem:def__init__(self,description,weight,price):self.description=descriptionself.__weight=weightself.price=price@propertydefweight(self):ret
系统 2019-09-27 17:49:16 1914
