elite666的专栏

先说遇到的坑，在windows环境下用virtualenv创建的虚拟环境在打包时总会报错sites.py下的一个函数找不到。隐式引入问题，使用 auto-py-to-exe 打包工具的高级中把一个个报错的模块都加进去就可以成功打包了。解决方法就是删除该虚拟环境，用python -m venv重新创建虚拟环境，可以解决该问题。

from django.db.models import Aggregate, CharFieldclass GroupConcat(Aggregate): function = 'GROUP_CONCAT' template = '%(function)s(%(distinct)s%(expressions)s%(ordering)s%(separator)s)' def __init__(self, expression, distinct=False, order...

import numpy as npimport pandas as pdimport matplotlib.pyplot as pltfrom scipy import interpolate#读数据df=pd.read_excel("D:/Data/data_grundfox_r.xlsx" )#绘制原始数据曲线plt.figure(figsize=(10,5), dpi=...

#-*- coding；utf-8 -*-user,passwd = 'alex','abc123'def auth(auth_type): print("auth func:",auth_type) def outer_wrapper(func): def wrapper(*args, **kwargs): print("wrapper...

#-*- coding:utf-8 -*-import time'''传入的参数为func，即函数名（函数的地址），不是func(),若是func()即把函数的运行结果传入了timer'''def timer(func): #将函数名传递给另一个函数作为参数，称之为高阶函数 def deco(*args,**kargs):#在函数内定义一个函数，称之为函数的嵌套 ...

def Resample(input_signal,src_fs,tar_fs):”’ :param input_signal:输入信号 :param src_fs:输入信号采样率 :param tar_fs:输出信号采样率 :return:输出信号 ”’dtype = input_signal.dtypeaudio_len = len(...

近似熵主要的是从衡量时间序列复杂性的角度来度量信号中产生新模式的概率大小，产生新模式的概率越大，序列的复杂性越大，相应的近似熵也越大。本篇设计了两个需要预测的时间序列，test_data1为信噪比较高的信号，test_data2为噪声较大的信号，通过计算发现test_data1的近似熵较为真实的反应了新模式的产生，而test_data2的近似熵则无法反应新模式的产生。对test_data2通过小波...

Python2.7是anaconda，所以自带支持了ipython notebook，Python3为官网下载的64位安装包，将Python文件夹和Python\Scripts都添加进环境变量，并将Python.exe和Pythonw.exe改为Python3.exe和Pythonw3.exe 命令行下运行 python3 -m pip install ipython notebook py...

环境管理管理 Python 版本和环境的工具p – 非常简单的交互式 python 版本管理工具。 pyenv – 简单的 Python 版本管理工具。 Vex – 可以在虚拟环境中执行命令。 virtualenv – 创建独立 Python 环境的工具。 virtualenvwrapper- virtualenv 的一组扩展。 包管理管理包和依赖的工具。pip...

import tensorflow as tf/root/.local/lib/python2.7/site-packages/h5py/__init__.py:36: FutureWarning: Conversion of the second argument of issubdtype from `float` to `np.floating` is deprecated. In fu...

import numpy as npimport mathimport matplotlib.pyplot as pltimport pandas as pdimport datetime from scipy import interpolatefrom pandas import DataFrame,Series#num_pi为要产生几个π的sin数据，num_ex为异常...

import numpy as npimport mathimport matplotlib.pyplot as pltimport pandas as pdimport datetime from scipy import interpolatefrom pandas import DataFrame,Series#num_pi为要产生几个π的sin数据，num_ex为异常...

import numpy as npimport pandas as pdfrom sklearn import svm#from sklearn.linear_model import LogisticRegression#——————————————————导入训练数据——————————————————————data0 = pd.read_csv('Data22.csv...

装饰器：本质是函数，主要用于装饰其他函数（就是为其他函数添加附加功能） 原则1：不能修改被装饰函数的源代码 原则2：不能修改被装饰函数的调用方式 实现方式：高阶函数+函数嵌套->装饰器，其中高阶函数用到了Python中函数也是变量的性质#-*- coding:utf-8 -*-import time'''传入的参数为func，即函数名（函数的地址），不是func(),若...

import numpy as npimport pandas as pdimport matplotlib.pyplot as pltimport mathimport datetimefrom pandas import DataFrame,Seriesfrom copy import deepcopyimport seaborndef timer(func): """...

1、安卓手机安装termux，主要参考教程：termux安装jupyterapt install clang python python-dev fftw libzmq libzmq-dev freetype freetype-dev libpng libpng-dev pkg-configpip install jupyterjupyter notebook --ip=0.0.0....

1、队列（Queues）是你的消息（messages）的终点，可以理解成装消息的容器。队列是由消费者（Consumer）通过程序建立的2、交换机（Exchange）可以理解成具有路由表的路由程序。3、绑定（Binding）就是一个类似这样的规则：将交换机“desert（沙漠）”当中具有路由键“阿里巴巴”的消息送到队列“hideout（山洞）”里面去。绑定是一个基于路由键将交换机和队列连接起来...

一、下载最新版RabbitMQ的RPM包下载地址二、修改yum源，用于安装Erlang新版本参考博客在修改完成后，可以直接通过yum install 安装下载好的rabbitmq的RPM包并参考博客中进行相关配置和管理员添加。三、激活rabbitmq的网页版管理界面命令：rabbitmq-plugins enable rabbitmq_management这样可以就可以通过http...

理解交叉熵作为神经网络的损失函数的意义：交叉熵刻画的是实际输出（概率）与期望输出（概率）的距离，也就是交叉熵的值越小，两个概率分布就越接近，即拟合的更好。cross entropy= H§+DKL(p||q)当p分布是已知，则熵是常量；于是交叉熵和KL散度则是等价的。最小化KL散度和模型采用最大似然估计进行参数估计又是一致的。（可以从公式推导上证明）这也是很多模型又采用最大似然估计作为损...

To install pip, securely download get-pip.py. [1]:curl https://bootstrap.pypa.io/get-pip.py -o get-pip.pyThen run the following:python3 get-pip.py

from sklearn.cluster import KMeansimport numpy as npimport matplotlib.pyplot as pltfrom pandas import Seriesimport randomfrom sklearn.metrics import silhouette_samples, silhouette_scoreimport ti...

需要实现客户端发来的算法执行请求，写了一个多线程的响应框架，能够实现响应多个IP的请求，并且不受客户端断开的影响。服务器端import socketserverimport jsonclass Algrithom(object): def __init__(self,name): self.name = name def calc_sub(self,*ar...

尝试了创建engine时设置charset=utf8，这样起作用的前提是在创建database时需要CHARSET=UTF8步骤1CREATE DATABASE test CHARSET=UTF8;步骤2engine = create_engine(“mysql+pymysql://root:abc@192.168.1.3/test?charset=utf8”,encoding=‘utf-...

本程序主要是参考金角大王博客做了一个ORM可增可查的外键关联查询实验#-*- coding:utf-8 -*-from sqlalchemy import Integer, ForeignKey, String, Columnfrom sqlalchemy.ext.declarative import declarative_basefrom sqlalchemy.orm import ...

# -*- coding: utf-8 -*- import numpy as npimport mathimport matplotlib.pyplot as pltimport pandas as pdimport datetime from scipy import interpolatefrom pandas import DataFrame,Seriesimport ...

from sqlalchemy import create_engineimport tushare as tsdf=ts.get_k_data('600000',start='2017-05-31',end='2018-05-31')engine = create_engine('mysql://root:123456@127.0.0.1/stock_data')df....

import numpy as npimport pandas as pdfrom sklearn import svmfrom sklearn.linear_model import LogisticRegressionimport tushare as tsfrom sklearn import cross_validationdata=ts.get_k_data('600...

import numpy as npfrom sklearn import svmfrom sklearn.linear_model import LogisticRegressionmy_matrix=np.loadtxt("E:\\pima-indians-diabetes.txt",delimiter=",",skiprows=0) lenth_x=len(my_mat...

import numpy as npimport pandas as pdfrom sklearn import svmfrom sklearn.linear_model import LogisticRegressionimport tushare as tsfrom sklearn import cross_validationdata=ts.get_k_data('6000...

import numpy as npimport pandas as pdfrom sklearn import svmfrom sklearn.linear_model import LogisticRegressionmy_matrix=np.loadtxt("D:/data/pima-indians-diabetes.txt",delimiter=",",skiprows=0) ...

from sklearn import svm, datasets class Dataset: #定义一个类 def __init__(self,name): self.name=name def download_data(self): #确定数据集是iris或digits if self.name=...

这里写链接内容

import numpy as npimport matplotlib.pyplot as pltxu=np.random.rand(50)*4*np.pi-2*np.pidef f(x): return np.sin(x)+0.5*xyu=f(xu)xu和yu是乱序的序列，很难识别出任何结构print xu[:10].round(2)print y...

SVM模型超参数优化目前常用的方法是让C和g在一定的范围内取值，对于取定的c和g，把训练集作为原始数据集利用K-CV方法得到在此对c和g组合下验证集的分类准确率，最终取得训练集验证分类准确率最高的那组c和g作为最佳参数。对于可能会有多组的c和g对应着最高的验证分类准备率的情况下，选取能够达到最高验证分类准确率中参数c最小的那对c和g作为最佳的参数，在取最小c的情况下，可能还会存在多组g，那么就选取...

import numpy as npfrom sklearn import svmfrom sklearn.linear_model import LogisticRegressionmy_matrix=np.loadtxt("E:\\pima-indians-diabetes.txt",delimiter=",",skiprows=0) lenth_x=len(my_matrix[0...

矩阵的螺旋输出def spiral_order(matrix): ret = [] rows = len(matrix) if rows == 0: return ret columns = len(matrix[0]) i, j = 0, 0 # 方阵的左上角坐标 while (rows > 0) and (colu...

from threading import Threadimport timefrom time import sleep,ctimedef my_counter(): for i in range(2): n=i+1 sleep(1) return ndef main(): thread_array={} start_tim...

#量化交易，选股很重要，我觉得重要的指标是:压力位突破，均线形态和量价关系#这里只是做了一个简单的例子，如何通过公司的市盈率和当日涨幅选股#! usr/bin/python #coding=utf-8 import pandas as pd import tushare as ts df=ts.get_today_all()code=df['code']#股票代码name=d...

from sqlalchemy import Column, String, create_enginefrom sqlalchemy.orm import sessionmakerfrom sqlalchemy.ext.declarative import declarative_base# 创建对象的基类:Base = declarative_base()class Us...

虚拟机选择最新的VMware 14，安装完CentOS7，检查Python版本为2.7，安装完成pip，以为就可以开始安装TensorFlow了，没想到遇到一堆坑，首先是没有VPN，老是遇到下载包终端，后来选择了清华镜像 pip install -i https://pypi.tuna.tsinghua.edu.cn/simple numpy 改善了问题，接着遇到了一个不能够uninstall...