老婆给当程序员的老公打电话：“下班顺路买一斤包子带回来，如果看到卖西瓜的，买一个。”当晚，程序员老公手捧一个包子进了家门……老婆怒道：“你怎么就买了一个包子？”老公答曰：“因为看到了卖西瓜的。”程序员买西瓜的笑话可能大部分读者都知道，今天写的这篇文章和这个笑话有一定的关系。任何编程语言都提供了if...else...语句，表示如果（if）满足条件就做某件事，否则（else）就做另外一件事：ifa==b:print("true")else:print("fa
系统 2019-09-27 17:50:46 1490
python读取和保存图片5种方法对比python中对象之间的赋值是按引用传递的，如果需要拷贝对象，需要用到标准库中的copy模块方法一：利用PIL中的Image函数这个函数读取出来不是array格式，这时候需要用np.asarray(im)或者np.array（）函数。区别：np.array()是深拷贝，np.asarray()是浅拷贝copy.copy浅拷贝只拷贝父对象，不会拷贝对象的内部的子对象。copy.deepcopy深拷贝拷贝对象及其子对象例子
系统 2019-09-27 17:50:45 1490
在这个世界上，人们每天都在用Python完成着不同的工作。而文件操作，则是大家最常需要解决的任务之一。使用Python，你可以轻松为他人生成精美的报表，也可以用短短几行代码快速解析、整理上万份数据文件。当我们编写与文件相关的代码时，通常会关注这些事情：我的代码是不是足够快？我的代码有没有事半功倍的完成任务？在这篇文章中，我会与你分享与之相关的几个编程建议。我会向你推荐一个被低估的Python标准库模块、演示一个读取大文件的最佳方式、最后再分享我对函数设计的
系统 2019-09-27 17:50:22 1490
SeriesSeries类似一维数组，由一组数据及一组相关数据标签组成。使用pandas的Series类即可创建。importpandasaspds1=pd.Series(['a','b','c,','d'])print(s1)#输出：0a#1b#2c#3d#dtype:object上面是传入一个列表实现，上面的0，1，2，3就是数据的默认标签。另外可以通过index属性自定义标签。s2=pd.Series(['1','2','3,','4'],index
系统 2019-09-27 17:50:09 1490
PySnooper在GitHub上自嘲是一个“乞丐版”调试工具（poorman'sdebugger）。一般情况下，在编写Python代码时，如果想弄清楚为什么Python代码没有按照预期执行、哪些代码在运行哪些没在运行、局部变量又是什么，我们会使用包含断点和观察模式等功能的调试器，或者直接使用print语句打印出来。但上面的方法都比较麻烦，例如使用调试器需要进行繁琐的设置，使用print打印也要很仔细。与它们相比，使用PySnooper只需为要调试的函数添
系统 2019-09-27 17:50:04 1490
本文通过将同一个数据集在三种不同的简便项窗口部件中显示。三个窗口的数据得到实时的同步,数据和视图分离。当添加或删除数据行，三个不同的视图均保持同步。数据将保存在本地文件中，而非数据库。对于小型和临时性数据集来说，这些简便窗口部件非常有用，可以用在非单独数据集中-数据自身的显示,编辑和存储。所使用的数据集：/home/yrd/eric_workspace/chap14/ships_conv/ships.py#!/usr/bin/envpython3impor
系统 2019-09-27 17:49:43 1490
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 1490
本文通过Python3+PyQt5实现《pythonQtGui快速编程》这本书13章程序Rich文本的行编辑，可以通过鼠标右键选择对文本进行加粗，斜体，下划线，删除线，上标，下标等编辑。#!/usr/bin/envpython3importplatformimportsysimporthtmlfromPyQt5.QtCoreimportQSize,Qt,pyqtSignalfromPyQt5.QtGuiimportQColor,QFont,QFontMet
系统 2019-09-27 17:49:36 1490
01-初心缘由最近在研究语音识别方向，看了很多的语音识别的资料和文章，了解了一下语音识别的前世今生，其中包含了很多算法的演变，目前来说最流行的语音识别算法主要是依赖于深度学习的神经网络算法，其中RNN扮演了非常重要的作用，深度学习的应用真正让语音识别达到了商用级别。然后我想动手自己做一个语音识别系统，从GitHub上下载了两个流行的开源项目MASR和ASRT来进行复现，发现语音识别的效果没有写的那么好，其中如果要从零来训练自己的语言模型势必会非常耗时。因此
系统 2019-09-27 17:49:34 1490
先序遍历1、BinaryTreePreorderTraversal---leetcode144#coding:utf-8classSolution:#根左右defpreorderTraversal(self,root):ifnotroot:return[]return[root.val]+self.preorderTraversal(root.left)+self.preorderTraversal(root.right)#给定二叉树的前序遍历和中序遍历，
系统 2019-09-27 17:49:30 1490
