Star!Python学习的必备法宝,随查随用,太方便了吧 !

大多数的cheatsheet都是简单的语法规则列表,如果你手头有一份cheatsheet会让你的工作效率大大提升。

近日,有一叫Python-cheatsheet项目在Hacker News、Reddit、Github等网站上成功引起了广大程序员的注意。

Python-cheatsheet是一份超全的Python速查表,最大的特点就是你无需安装和配置,在线就能使用,内容十分全面

Python资源共享群:484031800

 

 

 

 

目前,python-cheatsheet已经过在Github上获得 7885 个Star,1572 个Fork(Github地址:https://github.com/gto76/python-cheatsheet)

 

 

 

 

 

清单的开头就对这份内容进行一个梳理,可以看出内容涵盖:容器、类型、语法、系统、数据、库,以及Advanced Python等。你只要点击相关知识点,就会跳转到相关的详情页,下面以Main和List为例

Main

if __name__ == '__main__':     # Runs main() if file wasn't imported.    main()

List

<list> = <list>[from_inclusive : to_exclusive : ±step_size]
<list>.append(<el>)            # Or: <list> += [<el>]<list>.extend(<collection>)    # Or: <list> += <collection>
<list>.sort()<list>.reverse()<list> = sorted(<collection>)<iter> = reversed(<list>)
sum_of_elements  = sum(<collection>)elementwise_sum  = [sum(pair) for pair in zip(list_a, list_b)]sorted_by_second = sorted(<collection>, key=lambda el: el[1])sorted_by_both   = sorted(<collection>, key=lambda el: (el[1], el[0]))flatter_list     = list(itertools.chain.from_iterable(<list>))product_of_elems = functools.reduce(lambda out, x: out * x, <collection>)list_of_chars    = list(<str>)
index = <list>.index(<el>)     # Returns index of first occurrence or raises ValueError.<list>.insert(index, <el>)     # Inserts item at index and moves the rest to the right.<el> = <list>.pop([index])     # Removes and returns item at index or from the end.<list>.remove(<el>)            # Removes first occurrence of item or raises ValueError.<list>.clear()                 # Removes all items. Also works on dict and set.

整份文档基本都是代码,只有个别内容会添加一些简短的文字说明,对于用法创建者为了减少使用者的负担,只给了最常见的用法,用最简洁的方式给你最需要的用法

【电能质量扰动】基于ML和DWT的电能质量扰动分类方法研究(Matlab实现)内容概要:本文研究了一种基于机器学习(ML)和离散小波变换(DWT)的电能质量扰动分类方法,并提供了Matlab实现方案。首先利用DWT对电能质量信号进行多尺度分解,提取信号的时频域特征,有效捕捉电压暂降、暂升、中断、谐波、闪变等常见扰动的关键信息;随后结合机器学习分类器(如SVM、BP神经网络等)对提取的特征进行训练与分类,实现对不同类型扰动的自动识别与准确区分。该方法充分发挥DWT在信号去噪与特征提取方面的优势,结合ML强大的模式识别能力,提升了分类精度与鲁棒性,具有较强的实用价值。; 适合人群:电气工程、自动化、电力系统及其自动化等相关专业的研究生、科研人员及从事电能质量监测与分析的工程技术人员;具备一定的信号处理基础和Matlab编程能力者更佳。; 使用场景及目标:①应用于智能电网中的电能质量在线监测系统,实现扰动类型的自动识别;②作为高校或科研机构在信号处理、模式识别、电力系统分析等课程的教学案例或科研实验平台;③目标是提高电能质量扰动分类的准确性与效率,为后续的电能治理与设备保护提供决策依据。; 阅读建议:建议读者结合Matlab代码深入理解DWT的实现过程与特征提取步骤,重点关注小波基选择、分解层数设定及特征向量构造对分类性能的影响,并尝试对比不同机器学习模型的分类效果,以全面掌握该方法的核心技术要点。
评论
成就一亿技术人!
拼手气红包6.0元
还能输入1000个字符
 
红包 添加红包
表情包 插入表情
 条评论被折叠 查看
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值