拥有Python标签的文章
Python

Python之readline踩坑记录

importreadlineimportosdefcompleter(text,state):ds=os.listdir()rs=list(filter(lambdas:s.startswith(text),ds))ifstate

系统 2019-09-27 17:45:38 2395

Python

Python中变量、数据以及引用的理解

概念变量即为高级语言中可以变化的量,相对于常量。数据也就是值,如int型的2019,字符串型的"hellopython"。1.变量名和数据内容是分开存储的。2.数据保存在内存中的一个位置(地址)。3.变量中保存着数据在内存中的地址。引用就是变量中记录数据的地址。理解举例理解:定义num(变量)=1(数据)id(num)和id(1)返回结果都一样,都是数据1的地址。num就是数据1的引用。当重新定义一个变量num2=num时,num2的地址也变为了数据1的地

系统 2019-09-27 17:57:32 2392

Python

Python:AES加解密

fromCrypto.CipherimportAESfrombinasciiimportb2a_hex,a2b_hexclassAES_enc():def__init__(self,key,iv):self.block_size=AES.block_size#设置block_size的大小为16字节,也就是128位self.key=keyself.iv=ivself.mode=AES.MODE_CBC#采用CBC模式#加密时自动补全16位,填充内容是“16

系统 2019-09-27 17:55:13 2392

Python

python数据分析之机器学习K-Means聚类算法学习笔记!

K-Means是一种聚类算法,无参照物,没有训练数据。该算法的原理:有一群杂乱无章的点,分布混乱,现在规定把这些点分成K类,首先找到这K类的中心店,然后选择一个距离(欧氏距离、曼哈顿距离、切比雪夫距离等),计算各点到各中心点之间的距离,离哪个中心店近就划分到该中心店所属的类中。重复上述操作,直到类不发生变化,或者你也可以设置最大迭代次数,这样即使类中心点发生变化,但是只要达到最大迭代次数就会结束。下面通过一个实例:利用python给亚洲球队做聚类分析(以下

系统 2019-09-27 17:56:40 2391

Python

Python随机生成一个6位的验证码代码分享

1.生成源码复制代码代码如下:#-*-coding:utf-8-*-importrandomdefgenerate_verification_code():'''随机生成6位的验证码'''code_list=[]foriinrange(10):#0-9数字code_list.append(str(i))foriinrange(65,91):#A-Zcode_list.append(chr(i))foriinrange(97,123):#a-zcode_li

系统 2019-09-27 17:51:21 2389

Python

以股票RSI指标为例,学习Python发送邮件功能(含RSI指标确定卖点策略)

本人之前写过若干“给程序员加财商”的系列文,目的是通过股票案例讲述Python知识点,让大家在学习Python的同时还能掌握相关的股票知识,所谓一举两得。在之前的系列文里,大家能看到K线,均线,成交量的案例,在本文里,大家能看到通过RSI案例讲述Python邮件编程的知识点,在后继系列文里,大家还能看到MACD,BIAS,KDJ等指标相关案例。1RSI指标的原理和算法描述相对强弱指标(RSI)是通过比较某个时段内单股价格的涨跌幅度来判断多空双方的强弱程度,

系统 2019-09-27 17:51:10 2389

Python

查看Python安装路径以及安装包路径小技巧

特别是linux系统,装了多个python,有时候找不到python的绝对路径,有时候装了个django,又找不到django安装到哪里了。。当然查看的方法有很多种,这里列出几种,供没有经验的人参考下。复制代码代码如下:G:\code\moniter>python-c"fromdistutils.sysconfigimportget_python_lib;print(get_python_lib())"C:\Python27\Lib\site-packag

系统 2019-09-27 17:48:37 2389

Python

Python:给定数据集计算样本之间的距离矩阵

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 2388

Python

剑指offer python解题

文章目录回溯法67机器人的运动范围66矩阵中的路径栈和队列65滑动窗口的最大值21包含min函数的栈22栈的压入和弹出序列二叉树58二叉树的下一个结点59对称二叉树60二叉树打印多行61之字形打印二叉树62序列化二叉树63二叉搜索树的第K个结点50二叉树的最低公共祖先39二叉树的深度判断是不是平衡二叉树19二叉树的镜像23从上往下打印二叉树24二叉搜索树的后续遍历25二叉树中和为某一值的路径27二叉搜索树与双向链表18树的子结构6重建二叉树链表56链表中环

系统 2019-09-27 17:49:25 2388

Python

在Python中获取操作系统的进程信息

本文主要介绍在Python中使用psutil获取系统的进程信息。1概述psutil是Python的一个进程和系统工具集模块,通过使用psutil,我们可以在Python中获取操作系统中进程的相关信息。本文中使用的rpm包为:python2-psutil.x86_64,该rpm包定义如下:python2-psutil.x86_64:AprocessandsystemutilitiesmoduleforPython2代码示例下面给出一个示例程序,该程序有两个功

系统 2019-09-27 17:47:07 2388

Python

python用format把float、int等数字字符串化设置左对齐右对齐

版权声明:转载请注明作者(独孤尚良dugushangliang)出处:https://blog.csdn.net/dugushangliang/article/details/89884591print("float占8位留2位小数:{:8.2f}——默认右对齐".format(1192.68123))print("float占18位留2位小数:{:18.2f}——默认右对齐".format(1192.68123))print("float占18位留2位小

系统 2019-09-27 17:32:54 2388

Python

Python 画出来六维图

来自维基百科我们的大脑通常最多能感知三维空间,超过三维就很难想象了。尽管是三维,理解起来也很费劲,所以大多数情况下都使用二维平面。不过,我们仍然可以绘制出多维空间,今天就来用Python的plotly库绘制下三维到六维的图,看看长什么样。数据我们使用一份来自UCI的真实汽车数据集,该数据集包括205个样本和26个特征,从中选择6个特征来绘制图形:基础工作安装好plotly包:pipinstallplotly加载数据集(文末会提供):importpandas

系统 2019-09-27 17:56:01 2387

Python

Python中字典与恒等运算符的用法分析

本文实例讲述了Python中字典与恒等运算符的用法。分享给大家供大家参考,具体如下:字典字典是可变数据类型,其中存储的是唯一键到值的映射。elements={"hydrogen":1,"helium":2,"carbon":6}字典的键可以是任何不可变类型,例如整数或元组,而不仅仅是字符串。甚至每个键都不一定要是相同的类型!print(elements["helium"])#2我们可以使用方括号并在括号里放入键,查询字典中的值或向字典中插入新值elemen

系统 2019-09-27 17:50:48 2387

Python

Python 获取 Access 表字段名

时效说明:walker的旧文迁移,某些地方可能过时,最后更新时间为2015-09-25以下所有代码Python2.7、Python3.4均可用。win32.com#encoding:utf-8#author:walker#date:2015-09-25#summary:打印指定access文件、指定表的所有字段importwin32com.clientdefPrintColumns_win32com(pathfile,tablename):conn=win

系统 2019-09-27 17:49:46 2387

Python

《Python神经网络编程》第一章难点理解

这本书是科普性读物,如果你对神经网络理解的很透彻,可以在闲时读一读当放松;对于小白来讲,这本书真的很不错,很多概念讲的可以说很透彻了。这里我把最难理解的反向传播中的梯度下降做了笔记,方便更好地理解。

系统 2019-09-27 17:51:51 2386