python学习(anaconda)

python Anaconda教程 Python是面向未来数据科学家、IT专业人士和商业领袖的数据科学平台。它是Python、R等的发行版,拥有300多个数据科学包,是任何项目的最佳平台之一。在本python Anaconda教程中,我们将讨论如何使用Anaconda进行python编程。 Python简介 Anaconda是Python和R的开源发行版,用于数据科学、机器学习、深度学习等。随着超过300个DataScience库的可用,对于任何程序员来说,为数据科学开发Anaconda都是相当理想的。 Python有助于简化包管理和部署 阅读详情

Anaconda prompt

-conda list
-pip install *
-conda install *

problems & solutions

Description : when download did not go successfully.

Created with Raphaël 2.2.0 start step1 step2 step3 step4 step5 end

step1 : something unexpected occurred in this command.
step2 : go to Python Extension Packages for Windows.
step3 : press Ctrl+F to use the package name to find the binaries.
step4 : download the necessary binaries.
step5 : pip install package name.

Jupyter NoteBook

Calculation of numbers

Order

  • ( )
  • [**]
  • */
  • ±

Transference

type(*) -> to show the data type of *
a = int(b)
a = str(c)
a = float(d) 

abs(a)
round(a)
min(a,b,c)
max(a,b,c)

1.3e-5
1.3e5
bool

Character

test2 = 'hello '+'girls'
test3 = test2 * 3
len(test)

test4 = '1 2 3 4 5'
test4.split()
test4 = '1,2,3,4,5'
test = test4.spilt(',')

test5 = ''
test5.join(test)

test6 = 'very difficult'
test6.replace('difficult','easy')
test6.upper()
test6.lower()

test7 = '   so sophisticated   '
test.strip()
test.lstrip()
test.rstrip()

'{} {} {}'.format('liu','jia','qing')
'{2} {1} {0}'.format('liu','jia','qing')
'{liu} {jia} {qing}'.format(liu=11,jia=12,qing=13)

cool = 'liu jia qing :'
b = 666.0
c = 666
result = '%s %f %d' % (cool,b,c)

Index

test = 'you are extremely cool!'
test[n]    -> -len(test)<n<len(test)

test[a:b]  -> [a,b)
test[a:]   -> [a,len(test))
test[:b]   -> [0,b)
test[a,-c] -> [a,-c)
test[:]    -> print total length
tesst[::a] -> print a value every a numbers of length

List

definition

test = []
test = [1,2,3,4]
test = ['1','2','3','4']
test = [1,'liu',3.5]

test2 = list()
test2 = list([1,2,3])

operation

a = [123,456]
b = ['jia','qing']

len(a)
a+b -> join the two lists to become a longer one
a*3

···[index operating]
a[n] = 789
a[:] = ['jia','qing'] -> exchang the value

c = [1,2,3,4,5,6,7]
del c[0] -> take care not to lose significant data by mistake
3 in c : bool -> check whether the selected value is in the list
10 not in c : bool

d = [1,2,[3,4]] -> list of list
d[2]
d[2][1]

fruit = ['hawthorn','kiwi','hawthorn','pineapple','hawthorn','kiwi','kiwi','kiwi','hawthorn']
fruit.count('hawthorn')
fruit.index('pineapple')

pot = ['cacti','money plant','spider plant']
pot.append('succulents')
pot.append(['soil','water'])
pot.insert(2,'peach blossom') -> insert a value in the index 2 while others (including the initial value in the index 2)behind will move backward one position.
pot.remove(['soil','water'])
pot.pop(1)

nums = [1,2,45,6,21,44,55]
nums.sort()
orders = sorted(nums)

name = ['liu','jia','qing']
name.reverse()

Dictionary

Definition

key - value

test = {}
test = dict()
Operation
plant = {}
fruit = {'pitaya':red,'kiwi':green}
vegetable = {'eggplant':purple,'potato':yellow}
plant['fruit'] = fruit
plant['vegetable'] = vegetable

plant = dict([('succulents',123),('flowers',456)])

plant.get('fruit')
plant['fruit']
plant.get('trees',0)
plant.pop(fruit)
del plant['vegetable']

data1 = {'name':123,'age':177}
data2 = {'name':456,'height':155}
data1.update(data2)

'name' in data1 -> ttue
'marriage' in data1 -> false

data1.keys()
data1.values()
data1.items()

Set

test = [123,123,456,789]
test = set(test)

test2 = set([123,123,456,456,789])

test3 = {123,123,456,456,789}
Operation
a = {1,2,3,4}
b = {2,3,4,5}
a.union(b)
b.union(a)
a|b
a.intersection(b)
b.intersection(a)
a&b
a.difference(b)
b.difference(a)
a-b
b-a

a = {1,2,3,4,5}
b = {2,3,4}
a.issubset(b)
b.issubset(a)
b <= a
b > a
a <= a
a < a

a = {1,2,3,4}
a.add(5)
a.update([4,5,6])
a.remove(1)
a.pop()

Mechanism of Assignment

liu = 1000
qing = liu
id(liu)
id(qing)
liu is qing -> true
qing = 1234
id(qing)
liu is qing -> flase

test1 = 1000
test2 = 1000
id(test1)
id(test2) -> different

test1 = 1
test2 = 1
id(test1)
id(test2) -> same

Structure of Judgment

  • colon -> sign( : )
  • indents
number = 100
if number > 50:
	print('yes')	-> {} is not necessary,indent is needed

number = 50
if number >100:	
	print('yes')
elif number <=100:
	print('no')
else:
	print('error')	

datas = [123,456,789]
if 123 in datas:
	print('yes')

datas = {'number':123,'name':456}
if 'number' in datas:
	print('yes')

Structure of Loop

num = 0
while num<10:
	print(num)
	num += 1

datas = {'liu','jia','qing'}
while datas:
	data = datas.pop()
	print(data)
	
datas = {'liu','jia','qing'}
for name in datas:	-> another way to travel datas
	print(name)

datas = [123,456,531,4651051,5648]
for i in range(len(datas)):
	print(datas[i])
	
datas = [10,11,12,13,14]
for i in datas:
	if i%2 == 0:
		print(i)
	else: 
		continue | break -> notice the difference
	print(i)

Function

def add_ab(a,b):
	print(a+b)

def add_value(a,b):
	return(a+b)
c = add_value(1,2) -> 3

def add_value(a=3,b=5) -> initialize the values
	return(a+b)
c = add_value()
c = add_value(5)
c = add_value(5,5)

def add_num(a,*args):
	for i in args:
		a+=i
	return a

def add_num2(**kwargs):
	for arg,value in kwargs.items():
		print(arg,value)

def add_num3(a,*args):
	b=0;
	for i in args:
		a+=i
		b+=a
		return a,b
a,b = add_num3(1,2,3)
c = add_num3(1,2,3,4) -> c=(a,b)

Module & Package

%%writefile test.py
test_v = 10
def test_add(test_list):
	test_sum = 0
	for i in range(len(test_list)):
		test_sum += test_list[i]
	return test_sum
test_list = [1,2,3,4,5]
print(test_add(test_list)) -> to notice the difference of import test

%run test.py

import test -> notice the difference between first and second import

import test as t
test_list = [12,13,14]
t.test_add(test_list)
t.test_v

from test import test_v,test_add
test_v
test_add(test_list)

from test import *

Exception Management

  • try:
  • except:
  • finally:
try:
	1/0
except:   # It can also except exact error by using the 'except' + error's name. 
	print('error')
finally:
	print('runned')

class myError(ValueError): # to define a necessary error as you design
    pass
cur_list = ['liu','jia','qing']
while True:
    cur_input = input('Guess the value in the list:')
    if cur_input not in cur_list:
        raise myError('Wrong answer occurs: %s' %cur_input)
		

File Operation

%%writefile data.txt
Read
txt = open('./data.txt')
txt_r = txt.read()
print(txt_r)

txt.tell()
txt.seek(0) # to redirect and initialize the position of the index 

txt_l = txt.readline()
print(type(txt_l))
print(txt_l)
for line in txt_l:
	print(line)

txt.close()
Write
txt = open('data.txt','w')
for i in range(10):
	txt.write(str(i)+'\n')
txt.close()
txt2 = open('data.txt','r')
print(txt2.read())
txt2.close()

txt = open('day16.txt','w')
try:
    for i in range(100):
        10/(i-50)
        txt.write(str(i)+'\n')
except Exception:
    print('error',i)
finally:
    txt.close() # use 'finally' to assure to close the file

with open('day16.txt','w') as f:
    f.write('you are the best')  # do not have to close the file
	

Class

Definition
class people:
	'help information:This is a people'
	number=100
	def __init__(self,name,age):
		self.name = name
		self.age = age
	def display(self):
		print('number is '+people.number)
	def display_name(self):
		print('name is '+self.name)
Operation
people.__doc__

p1 = people('Jay',23)
p2 = people('Qing',24)

del p2.name
delattr(p2,'name')

hasattr(p1,'name')
getattr(p1.'name')

setattr(p1,'name','JayQ')
p1.name='JayJQ'

print(people.__doc__)
print(people.__name__)
print(people.__module__)
print(people.__bases__)
print(people.__dict__)

class Parent:
    number = 100
    def __init__(self):
        print('use the parent function')
    def parentM(self):
        print('use the parent method')
    def setAttr(self,attr):
        Parent.parentAttr = attr
    def getAttr(self):
        print('parent value: ', Parent.parentAttr)
    def newM(self):
        print('the parent method which is needed to be rewritten')
        
class child(Parent):
    def __init__(self):
        print('use the subclass function')
    def childM(self):
        print('use the subclass method')
    def newM(self):
        print('changed')

c = child()
c.childM()
c.parentM()
c.setAttr(100)
c.getAttr()
c.newM()

Time

import time

print(time.time())

print(time.localtime(time.time()))

print(time.asctime(time.localtime(time.time())))

print(time.strftime('%Y-%m-%d %H:%M:%S',time.localtime()))

import calendar
print(calendar.month(2017,11))
print(help(calendar.month))

·

用Anaconda搭建python学习环境 既然是编程语言,就得有个编程的环境。这里我推荐Anaconda。 Anaconda其实并不单单是支持python,还支持其他的。至于Anaconda、conda以及Python的关系,三两句话说不清楚,网上各式各样的介绍也有不少,我认为写的比较客观和详细而且容易理解的,可以看这一篇:《Anaconda 完全入门指南》。 简单梳理一下,使用Anaconda作为python学习和使用环境的主要好处... 阅读详情

相关推荐

从零安装深度学习环境 Anaconda+cuda+pytorch+python等等

文章目录前言一、环境篇1 Anaconda1.1 安装1.2 使用2 Cuda2.1 安装3 Pytorch3.1 安装4 python5 Pycharm5.1 安装总结 前言 九月,又是新的一年新生入学时期。 想必师弟师妹现在也已经实验室就位了,为了方便新生尽快熟悉深度学习,这里总结了一些我之前关于环境的配置方面的东西,尽量少走些弯路。 提示:在以下的安装过程中,均使用win10的沙盒功能,进行安装。 一、环境篇 本文只介绍如何安装相对应的环境,不做具体的探讨。 1 Anaconda 1.1 安装 官

qq_37909691的博客 1483

详解Anaconda + 如何在Anaconda上更换python版本

本文旨在详细介绍Anaconda 以及 如何在Anaconda上更换python版本。

the Blog of 等不到天亮丶等时光 20万+

【Python技术学习】- Python Anaconda

Python 量化可以直接使用 Anaconda 工具来提高效率,免去一些安装的烦恼。Anaconda 是一个数据科学和机器学习的软件套装,它包含了许多工具和库,让您能够更轻松地进行编程、分析数据和构建机器学习模型。Anaconda 包及其依赖项和环境的管理工具为 conda 命令,文章后面部分会详细介绍。与传统的工具相比 Anaconda 的可以更方便地在不同环境之间进行切换,环境管理较为简单。

xiaoli8748的专栏 834

如何用anaconda下载python_如何使用Anaconda设置机器学习和深度学习的Python环境

有一些平台安装Python机器学习环境可能很麻烦。首先你得安装Python,然后安装许多软件包这很容易把初学者搞懵。在本教程中,你将学会如何用Anaconda设置Python机器学习开发环境。完成本教程后,你将拥有一个Python工作环境,可以让你学习、练习和开发机器学习和深度学习软件。本说明适用于Windows,Mac OS X和Linux平台。我将在OS X上演示它们,因此你可能会看到一些ma...

weixin_39936086的博客 454

【ADCU详解】PMIC电源管理集成电路详解

自动驾驶域控制器(ADCU)中的电源管理集成电路(PMIC)是高度集成的关键部件,负责为计算核心、传感器等提供高效稳定的多路电源。其核心特点包括:符合车规AEC-Q100标准、支持功能安全ASIL等级、精确的时序控制及强抗干扰能力。PMIC由开关稳压器、LDO、时序控制器、监控保护电路等模块组成,通过分层电源树框架实现电能分配。设计需考虑效率、功率密度、噪声性能等关键维度,底层基于Buck转换器和LDO原理工作。使用中需满足严苛的车规环境要求,并通过静态/动态测试及故障注入测试进行验证,确保系统可靠性和安全

qq_40844444的博客 841

AutoCAD2016安装破解教程

AutoCAD2016安装破解教程。本人亲自实验,破解成功,有效。以64位为例。 工具/原料   笔记本电脑 AutoCAD2016安装包 AutoCAD2016注册机(xf-adsk2016_x64.exe)链接:http://pan.baidu.com/s/1cAZQA windows7/8/8.1/10-32...

weixin_33804990的博客 1万+

如何配置anaconda和python_如何使用Anaconda设置机器学习和深度学习的Python环境

有一些平台安装Python机器学习环境可能很麻烦。首先你得安装Python,然后安装许多软件包这很容易把初学者搞懵。在本教程中,你将学会如何用Anaconda设置Python机器学习开发环境。完成本教程后,你将拥有一个Python工作环境,可以让你学习、练习和开发机器学习和深度学习软件。本说明适用于Windows,Mac OS X和Linux平台。我将在OS X上演示它们,因此你可能会看到一些ma...

weixin_30631909的博客 494

详解Nacos集群搭建

在我们日常的开发当中,用的都是单点Nacos,这种模式,我们自己开发测试玩一玩还可以,但是到了企业的生产环境之下,你还这么玩的话,那肯定是要出大问题了。因为在企业当中,我们更加强调的是高可用,所以在企业的生产环境下,Nacos一定要做成个集群。

博客 1万+

anaconda安装matplotlib_机器学习用Python—Python集成工具包Anaconda安装步骤

近几年来,机器学习以及深度学习的研究异常火热,机器学习和深度学习也逐渐渗透到各个领域,当然,脑科学领域也不例外。利用机器学习和深度学习技术解决脑科学领域中的问题,成为目前最为火热的研究方向之一。而神经科学+机器学习/深度学习方面的研究论文近几年来呈现指数增长的趋势。我们公众号曾解读过多篇关于神经科学+机器学习/深度学习的最新研究成果,感兴趣的朋友可以详细看下。相关文献解读推荐1.长文解读|Pro...

weixin_39842682的博客 584

图机器学习(1)——图论基础

图 (Graph) 是一种描述实体间关系的数学结构,几乎在各个领域都有应用。例如,社交网络就是图,其中用户之间的连接取决于一个用户是否“关注”另一个用户。图论,即对图的研究,一直以来广受关注,包含了大量算法、性质分析方法和数学模型,以解析复杂系统的行为特征。本节将介绍图数据结构的核心概念,通过理论阐述与实例演示相结合的方式,理解基础理论用以实践应用。重点介绍用于创建、操作和研究复杂网络结构与功能的 Python 库。

盼小辉丶的博客 9075

波士顿房价预测分析----以线性回归LinearRegression为例

波士顿房价数据集包括506个样本,每个样本包括13个特征变量和该地区的平均房价,房价显然和多个特征变量相关,先选择一元线性回归与多个特征建立线性方程,观察模型预测的好坏,再选择多元线性回归进行房价预测。13个特征变量缩写含义CRIM城镇人均犯罪率ZN住宅用地所占比例INDUS城镇中非住宅用地所占比例CHAS虚拟变量,用于回归分析NOX环保指数RM每栋住宅的房间数AGE1940 年以前建成的自住单位的比例DIS距离 5 个波士顿的就业中心的加权距离RAD。

我走的每一步都算数 842

python学习之Anaconda的安装和使用

最近在学习机器学习,使用的是python语言,师兄推荐了一个叫做Anaconda的IDE,里面集成了python和它的一些扩展,连关于机器学习的学习库scikit-learn都有。 在些链接上下载Anaconda http://www.continuum.io/downloads 安装后,我们可以上手该软件。Anaconda提供了Spyder,IPython和一个命令行。查找扩展包 我们可以在A

小长冲冲里的一只羊的专栏 2万+

YOLOv8与UNetV2融合:一种面向目标检测与图像分割的混合方法【附核心代码】

我们提出了一种基于YOLOv8和UNetV2相结合的混合架构。该架构利用YOLOv8作为主干进行目标检测,同时在YOLOv8的特征提取过程中,引入UNetV2来进行图像分割任务的增强。在该架构中,YOLOv8负责大范围目标检测和位置预测,而UNetV2则在检测网络的特征图基础上,通过其高效的上下文信息提取和细节恢复能力,进一步优化分割任务。在本文中,我们提出了一种改进YOLOv8的方法,通过引入图像分割网络UNetV2来提高图像分割检测性能。

一键难忘的博客 3524

学习python你必须弄懂的 Python、Pycharm、Anaconda 三者之间的关系

Python是一种跨平台的计算机程序语言。是一个高层次的结合了解释性、编译性、互动性和面向对象的脚本语言。最初被设计用于编写自动化脚本(shell),随着版本的不断更新和语言新功能的添加,被用于独立的、大型项目的开发。Python是我们进行项目开发而使用的一门计算机语言,通俗来说就是编写代码,编写完代码之后,我们就需要运行,不然代码是死的,机器是无法识别的,这时我们需要运行Python代码的运行环境和工具。我们可以使用以下四种方式来python代码,前提是我们已经下载好了Python解释器,下载链接。

qq_67344578的博客 2897

国科大学习资料--机器学习方法与应用(叶齐祥)-期末考试题整理

国科大学习资料–机器学习方法与应用-期末考试题整理 ============================================================================================================================================================================================ =======================================

无名何许人的博客 2852

PyCharm 接入 OpenAI Codex CLI 的 4 步配置与调试实录

揭示 Codex CLI 在 PyCharm 中上下文失稳的四大根源:CLI 启动模式与 IDE 进程模型冲突、stdin/stdout 流式处理不兼容、环境变量污染、AST 注释缺失,并给出基于 Shell 脚本桥接与结构化上下文注入的稳定接入方案。

weixin_42627902的博客 372

anaconda python_机器学习用Python—Python集成工具包Anaconda安装步骤

近几年来,机器学习以及深度学习的研究异常火热,机器学习和深度学习也逐渐渗透到各个领域,当然,脑科学领域也不例外。利用机器学习和深度学习技术解决脑科学领域中的问题,成为目前最为火热的研究方向之一。而神经科学+机器学习/深度学习方面的研究论文近几年来呈现指数增长的趋势。我们公众号曾解读过多篇关于神经科学+机器学习/深度学习的最新研究成果,感兴趣的朋友可以详细看下。相关文献解读推荐1.长文解读|Pro...

weixin_39680678的博客 73

蓝牙模块HM-10手册

蓝牙模块HM-10手册,该手册对蓝牙模块HM-10进行了详细的介绍和使用方法以及一些AT指令。

anaconda学习python_Anaconda——助力Python学习

工科女汉子+生信小白第一次写博客文章,文笔和逻辑条理都不是很成熟,生信领域的经验也不丰富,写博客的目的主要是记录学习经过,同时如果能帮助到别人的话就更好了。其中可能有很多错误,如果有人发现了还请指正。Python是生物信息领域越来越受欢迎的语言,就像一年前的我一样,很多刚入门生物信息学的同学很可能被前辈推荐学习Python。当然也不是说Perl就没有任何优点了,我身边也有不少坚持用Perl的师兄师...

weixin_39801879的博客 274

IEM模型,地表粗糙度模拟

利用微波反演土壤水分时候,利用IEM模型可以实现对随机地表的模拟

VC中sqlite的使用

在VC中对sqlite的使用,实现数据库大批数据的快速插入,读取数据库中的数据在ListCtrl中显示

机器学习之Python和Anaconda环境配置问题

最近开始学习Python语言了,准备开始机器学习方面的学习了,在大佬学长的帮助下,先是安装了一个2018.12.0版本的Anaconda3,但是在配置环境时,出了些小毛病没办法解决:有一个jupyter notebook安装好以后电脑仍然显示未安装的提示,在几次死磕之后果断放弃,找学长要了一个低版本的Anaconda3,版本是5.0的,参照优快云上面的一些文章,花费了三个小时,终于成功配置好了P...

Chester Cheung的博客 1万+

Devexpress16.2.6破解工具

Devexpress16.2.6破解工具Devexpress16.2.6破解工具Devexpress16.2.6破解工具Devexpress16.2.6破解工具

学习python必须弄懂的 Python、Pycharm、Anaconda 三者之间的关系

而要进行项目开发的人员,时常有多个项目同时开发,并且不同的项目需要不同版本的工具包,这时使用Anaconda可以帮助我们管理更多项目的环境,将每个项目单独放在一个虚拟环境中,并且使这些环境中工具包相互独立,不会产生工具包版本冲突问题,并且可以下载多个版本的工具包,可以安装多个不同版本的Python解释器。Python是我们进行项目开发而使用的一门计算机语言,通俗来说就是编写代码,编写完代码之后,我们就需要运行,不然代码是死的,机器是无法识别的,这时我们需要运行Python代码的运行环境和工具。

lwx666sl的博客 1002

anaconda学习python_Python学习利器——我的小白 Anaconda安装之路

Python学习利器——我的小白 Anaconda安装之路自从跟着 Tiger 学数据之后,我的脑洞大开了不止一次,世界观也一直被刷新,并由此领悟到了数据之美,慢慢地踏进数据这个世界。这不,为了让我们更好的学习数据知识,Tiger又让我们下载安装 Anaconda,做为小白的我面对百度上面的一堆教程,丈二和尚摸不着头脑,上面写的五花八门,我到底该下载哪个呢?正苦苦纠结该如何下载安装时,一道及时...

weixin_39876595的博客 285

已经有python下载anaconda_python小白学习之anaconda的安装与Jupyter环境配置

随着机器学习和人工智能的崛起,python被越来越多的程序猿使用。python非常易用,但是包管理和Python不同版本问题却让人非常头疼。Anaconda有着强大的包管理与环境管理功能,将python和许多常用的package打包。本文主要介绍linux下Anaconda的安装与Jupyter环境配置。第一步:在官方网站https://www.anaconda.com/download/下载li...

weixin_39882870的博客 234
上一篇: 机器学习笔记
下一篇: 深度学习——神经网络
阿庆1996
博客等级 码龄10年 0粉丝 22原创
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
 
 条评论被折叠 查看
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付:10.00元
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
实付元
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