首先我们认定，python中定义域查找遵循local->Enclosing->Global->Built-in顺序：a=1deffunc1():...print(a)...a=111...print(a)...func1()Traceback(mostrecentcalllast):File"",line1,inFile"",line2,infunc1UnboundLocalError:localvariable'a'referencedbeforeass
系统 2019-09-27 17:53:22 1986
本文主要介绍如何在ubuntu下快速部署Python3网站环境，不需要一步一步手工部署，借助URLOS面板即可实现5分钟快速部署。让我们正式开始吧！首先通过以下命令安装URLOS面板:curl-LOwww.urlos.com/siu&&shsiu面板安装完成后，登录URLOS，在应用市场中搜索python3网站环境，点击安装按钮：在基本信息中填写服务名称、运行节点、端口号：在网站中填写网站域名、引导文件等：完成以上步骤后，点击提交即可。等待系统自动部署完成
系统 2019-09-27 17:52:36 1986
一、线性回归的理论1）线性回归的基本概念线性回归是一种有监督的学习算法，它介绍的自变量的和因变量的之间的线性的相关关系，分为一元线性回归和多元的线性回归。一元线性回归是一个自变量和一个因变量间的回归，可以看成是多远线性回归的特例。线性回归可以用来预测和分类，从回归方程可以看出自变量和因变量的相互影响关系。线性回归模型如下：对于线性回归的模型假定如下：（1）误差项的均值为0，且误差项与解释变量之间线性无关（2）误差项是独立同分布的，即每个误差项之间相互独立且
系统 2019-09-27 17:52:24 1986
生成器，可迭代对象，迭代器之间究竟是什么关系？用一幅图来概括：1.生成器定义生成器方式一：//区别于列表生成式gen=[x*xforxinrange(5)]gen=(x*xforxinrange(5))print(gen)//Out:at0x00000258DC5CD8E0>方式二：deffib():prev,curr=0,1whileTrue:yieldcurrprev,curr=curr,curr+prevf=fib()print(f)//Out:定义
系统 2019-09-27 17:52:19 1986
一.概述首先需要先介绍一下无监督学习，所谓无监督学习，就是训练样本中的标记信息是位置的，目标是通过对无标记训练样本的学习来揭示数据的内在性质以及规律。通俗得说，就是根据数据的一些内在性质，找出其内在的规律。而这一类算法，应用最为广泛的就是“聚类”。聚类算法可以对数据进行数据归约，即在尽可能保证数据完整的前提下，减少数据的量级，以便后续处理。也可以对聚类数据结果直接应用或分析。而Kmeans算法可以说是聚类算法里面较为基础的一种算法。二.从样例开始我们现在在
系统 2019-09-27 17:50:00 1986
pandas中选取方式有很多种，最常用的是一下几种：直接选取（单维度选取）、iloc();loc();ix()函数选取（区域选区），at();iat()函数选取（单元格选取）。通过以上几种方式可以实现：选取某些行、某些列、某区域（同时选择某些行和某些列）、某个单元格，还可以进行条件选区。具体实现方法如下。首先创建一个DataFrame.importpandasaspdimportnumpyasnpdata={'name':['Joe','Mike','Ja
系统 2019-09-27 17:49:56 1986
8.计数排序8.1算法思想计数排序是一个非基于比较的排序算法。它的优势在于在对一定范围内的整数排序时，它的复杂度为Ο(n+k)（其中k是整数的范围），当o（k）O(nlog(n))的时候其效率反而不如基于比较的排序（基于比较的排序的时间复杂度在理论上的下限是O(nlog(n)),如归并排序，堆排序）。作为一种线性时间复杂度的排序，计数排序要求输入的数据必须是有确定范围
系统 2019-09-27 17:49:42 1986
题目描述给定n个字符串，请对n个字符串按照字典序排列。输入描述:输入第一行为一个正整数n(1≤n≤1000),下面n行为n个字符串(字符串长度≤100),字符串中只含有大小写字母。输出描述:数据输出n行，输出结果为按照字典序排列的字符串。示例1输入9captocatcardtwotooupboatboot输出boatbootcapcardcattotootwouppython3代码实现为：n=int(input())word=[]foriinrange(n
系统 2019-09-27 17:48:16 1986
摘要本文为系列博客tensorflow模型部署系列的一部分，用于实现通用模型的部署。通用主要体现在通过tensorboard图从已保存的模型中还原并查看模型详细结构，以及自定义模型的输入输出tensor。相关源码见链接引言本文为系列博客tensorflow模型部署系列的一部分，用于python语言实现通用模型的部署。通用主要体现在通过tensorboard图从已保存的模型中还原并查看模型详细结构，以及自定义模型的输入输出tensor。本文主要使用keras
系统 2019-09-27 17:47:35 1986
本文结构：1、常见错误总结2、tryexcept方法一、常见错误总结AttributeError试图访问一个对象没有的树形，比如foo.x，但是foo没有属性xIOError输入/输出异常；基本上是无法打开文件ImportError无法引入模块或包；基本上是路径问题或名称错误IndentationError语法错误（的子类）；代码没有正确对齐IndexError下标索引超出序列边界，比如当x只有三个元素，却试图访问x[5]KeyError试图访问字典里不存
系统 2019-09-27 17:45:50 1986
