
Python
aihaly
这个作者很懒,什么都没留下…
展开
-
【Python】Numpy扩充数组函数之repeat和tile用法
用repeat和tile扩充数组元素,例如>>> import numpy as np>>> np.arange(10)array([0, 1, 2, 3, 4, 5, 6, 7, 8, 9])>>> a = np.arange(10)>>> aarray([0, 1, 2, 3, 4, 5, 6, 7, 8, 9])>>> a.repeat(5)array([0,原创 2015-04-10 10:08:13 · 1047 阅读 · 0 评论 -
python有三种导入模块的方法
其一,import modname : 模块是指一个可以交互使用,或者从另一Python 程序访问的代码段。只要导入了一个模块,就可以引用它的任何公共的函数、类或属性。模块可以通过这种方法来使用其它模块的功能。用import语句导入模块,就在当前的名称空间(namespace)建立了一个到该模块的引用.这种引用必须使用全称,也就是说,当使用在被导入模块中定义的函数时,必须包含模块的转载 2015-04-08 17:23:12 · 539 阅读 · 0 评论 -
Python标准库参考笔记-pprint
地址:http://docs.python.org/library/pprint.html 以漂亮的格式打印。打印输出可以作为解释器的合法输入。 # -*- coding: cp936 -*-import copyimport pprinta = [1,2,3,4]b = [a,a,a,a,a,a,a,a,a]print '-------------print-转载 2015-04-13 22:29:08 · 447 阅读 · 0 评论 -
Python中的合法标识符
1.不能以数字开头>>> 2bin=2 File "", line 1 2bin=2 ^SyntaxError: invalid syntax2.不能包含非法字符>>> ssd@f=1 File "", line 1 ssd@f=1 ^SyntaxError: inval原创 2015-04-08 19:18:22 · 45877 阅读 · 0 评论 -
二项分布(Python)
1、背景 在概率论和统计学中,二项分布是n个独立的[是/非]试验中成功的次数的离散概率分布,其中每次试验的成功概率为p。举两个例子就很容易理解二项分布的含义了:抛一次硬币出现正面的概率是0.5(p),抛10(n)次硬币,出现k次正面的概率。掷一次骰子出现六点的概率是1/6,投掷6次骰子出现k次六点的概率。在上面的两个例子中,每次抛硬币或者掷骰子都和上次的原创 2015-04-16 22:53:42 · 8225 阅读 · 0 评论 -
Python读写csv文件
1. 写入并生成csv文件代码:csvfile=file('E:\temp.csv','wb')writer=csv.writer(csvfile)writer.writerow(['姓名','年龄','电话'])data=[ ('小','25','1234567'),('大','23','789')]writer.writerows(data)csvfile原创 2015-04-24 20:24:10 · 586 阅读 · 0 评论 -
Python中file.close()方法的使用与否
如果文件打开方式是'w',且最后没有写file.close()的话,文件会是空的。这样会由于程序员的疏忽造成不好的后果。从python2.5开始,你可以避免显式地使用file.close()函数,如果采用with语句的话。如下所示:import osos.chdir("d:\\")with open("temp.txt") as f: for line in f:原创 2015-06-24 15:03:08 · 8130 阅读 · 0 评论 -
python写文件出错
1、报错 [Errno 22] invalid mode ('wb') or filename:2、方法 file("e:\\Test.txt",'r').原创 2015-06-05 09:36:21 · 571 阅读 · 0 评论 -
Python-map()函数
首先看看map()的大概意思>>> help(map)Help on built-in function map in module __builtin__:map(...)map(function, sequence[, sequence, ...]) -> listReturn a list of the results of applying the原创 2015-06-27 14:17:42 · 605 阅读 · 0 评论 -
python文件和目录操作
一、python中对文件、文件夹操作时经常用到的os模块和shutil模块常用方法。1.得到当前工作目录,即当前Python脚本工作的目录路径: os.getcwd()2.返回指定目录下的所有文件和目录名:os.listdir()3.函数用来删除一个文件:os.remove()4.删除多个目录:os.removedirs(r“c:\python”)5.检验给出的路径是否是一个文原创 2015-06-27 15:58:38 · 629 阅读 · 0 评论 -
Python-lamada表达式
“Lambda 表达式”(lambda expression)是一个匿名函数,Lambda表达式基于数学中的λ演算得名,直接对应于其中的lambda抽象(lambda abstraction),是一个匿名函数,即没有函数名的函数。Lambda表达式可以表示闭包(注意和数学传统意义上的不同)。Lambda表达式是Python中一类特殊的定义函数的形式,使用它可以定义一个匿名函数。与其它语言不原创 2015-06-30 08:24:29 · 792 阅读 · 0 评论 -
Python-strip()方法
描述:Python strip() 方法用于移除字符串头尾指定的字符(默认为空格)。语法: str.strip([chars]);chars -- 移除字符串头尾指定的字符。原创 2015-06-30 19:29:02 · 679 阅读 · 0 评论 -
主题模型Python工具包:Gensim
Gensim是一个相当专业的主题模型Python工具包。在文本处理中,比如商品评论挖掘,有时需要了解每个评论分别和商品的描述之间的相似度,以此衡量评论的客观性。评论和商品描述的相似度越高,说明评论的用语比较官方,不带太多感情色彩,比较注重描述商品的属性和特性,角度更客观。那么Python 里面有计算文本相似度的程序包吗,恭喜你,不仅有,而且很好很强大,那就是gensim。 针对商品评原创 2015-04-14 16:46:11 · 1558 阅读 · 0 评论 -
python中pickle模块学习
在python中有一个pickle的标准模块,这个模块可以把几乎python中所有类型通过模块转换成pickle所能识别的格式进行存储。 pickel模块主要有两个函数dump()和load() dump()可以把数据对象以特定的格式保存在指定的文件中 语法: pickle.dump(obj,file) load()是从文件中提取已经经过pickle序原创 2015-04-13 22:20:09 · 769 阅读 · 0 评论 -
python 常用库下载地址
scipy:http://sourceforge.net/projects/scipy/?source=recommendednumpy:http://sourceforge.net/projects/numpy/?source=recommendedmatplotlib :http://sourceforge.net/projects/matplotlib/?source=rec原创 2015-04-10 11:11:27 · 1245 阅读 · 0 评论 -
python中的sum函数.sum(axis=1)
看起来挺简单的样子,但是在给sum函数中加入参数。sum(a,axis=0)或者是.sum(axis=1) 就有点不解了在我实验以后发现 我们平时用的sum应该是默认的axis=0 就是普通的相加 而当加入axis=1以后就是将一个矩阵的每一行向量相加例如:import numpy as npnp.sum([[0,1,2],[2,1,3],axis=1)原创 2015-04-10 14:35:53 · 814 阅读 · 0 评论 -
python给模块添加路径
1. 搜索路径在Python中搜索路径有点像C++的项目路径的感觉,Python中的sys.path便是搜索的总的路径集,你需要用到的文件都应该在这个路径里可以找到。-- 添加默认搜索路径:可以暂时加入路径也可以永久加入。 暂时加入路径可以在每次代码上添加:import syssys.path.append(’D:/WorkSpaces/Python/Tes原创 2015-04-10 17:20:48 · 7009 阅读 · 0 评论 -
python中的enumerate函数
enumerate 函数用于遍历序列中的元素以及它们的下标:>>> for i,j in enumerate(('a','b','c')): print i,j 0 a1 b2 c>>> for i,j in enumerate([1,2,3]): print i,j 0 11 22 3>>> for i,j in enumerate原创 2015-04-12 15:56:51 · 862 阅读 · 0 评论 -
简单的文本相似性测量(Python实现)
一、数据集与测试集数据集:测试集:imaging databases二、Python代码# -*- coding: utf-8 -*-"""Created on Mon Apr 13 09:49:25 2015@author: Administrator"""import numpyimport sysimport scipy as sp impo原创 2015-04-19 23:07:12 · 925 阅读 · 0 评论 -
Python中numpy中asarray
一、简述 numpy.asarray(a,dtype=None,order=None) 功能描述:将输入数据(列表的列表,元组的元组,元组的列表等)转换为矩阵形式 a:数组形式的输入数据,包括list,元组的list,元组,元组的元组,元组的list和ndarrays dtype:数据类型由输入数据推导二、实例:将列表转化为数组from n原创 2015-04-12 15:51:10 · 1183 阅读 · 0 评论 -
python package numpy和scipy 的安装与配置
关于最早要用这个GAT——genomic association tester,最早怕要追溯到去年的这个时候了,安装一直搞不定,后来也就放下没有再用。因为是用python写的,要安装python以及一系列的package,我几度放弃几度磨叽,今天终于算是半搞定,说是半搞定,因为在安装SciPy的过程有好多warning,不知道未来跑大的dataset是否会出问题,而且目前只是在我笔记本上wubi安转载 2015-04-11 09:58:15 · 956 阅读 · 0 评论 -
python idle 清屏问题的解决
在学习和使用python的过程中,少不了要与python idle打交道。但使用python idle都会遇到一个常见而又懊恼的问题——要怎么清屏? 我在stackoverflow看到这样两种答案:1.在shell中输入1 import os2 os.system('cls') 这种方法只能在windows系统中cmd模式下的python sh转载 2015-04-07 20:51:24 · 491 阅读 · 0 评论 -
浅谈 Python 的 with 语句
with 语句是在 Python 2.5 版本引入的,从 2.6 版本开始成为缺省的功能。with 语句作为 try/finally 编码范式的一种替代,用于对资源访问进行控制的场合。本章对 with 语句进行介绍,包括 with 语句的基本语法和工作原理,自定义支持 with 语句的类,以及使用 contextlib 工具加入对 with 语句的支持,使读者更好的了解和使用 with 语句。转载 2015-04-12 16:28:58 · 375 阅读 · 0 评论 -
python矩阵运算
第一次看见Python的运行感觉就让我想起了matlab,于是就上网嗖嗖他在矩阵方面的运算如何,如果不想安装Matlab那么大的软件,而你又只是想计算些矩阵,python绝对够用!尤其在Linux下太方便了Python使用NumPy包完成了对N-维数组的快速便捷操作。使用这个包,需要导入numpy。SciPy包以NumPy包为基础,大大的扩展了numpy的能力。为了使用的方便,scipy包在最原创 2015-04-14 09:14:19 · 3929 阅读 · 0 评论 -
Clustering (1): k-means(Python实现)
1、什么是聚类Clustering 中文翻译作“聚类”,简单地说就是把相似的东西分到一组,同 Classification (分类)不同,对于一个 classifier ,通常需要你告诉它“这个东西被分为某某类”这样一些例子,理想情况下,一个 classifier 会从它得到的训练集中进行“学习”,从而具备对未知数据进行分类的能力,这种提供训练数据的过程通常叫做 supervised原创 2015-04-14 10:38:39 · 2297 阅读 · 0 评论 -
python-random模块
Python中的random模块用于生成随机数。下面介绍一下random模块中最常用的几个函数。random.randomrandom.random()用于生成一个0到1的随机符点数: 0 random.uniform random.uniform的函数原型为:random.uniform(a, b),用于生成一个指定范围内的随机符点数,两个参数其中一个是上限,一原创 2015-07-01 09:29:57 · 611 阅读 · 0 评论