luoganttcc的博客

安装requirements总包。

conda create -n py377 --clone py37

是一个Python库，专注于符号数学，它的目标是成为一个全功能的计算机代数系统，同时保持代码简洁、易于理解和扩展。3. 如果你用的是 VSCode编辑器 或 Pycharm，可以直接使用界面下方的Terminal.为了计算这个结果，integrate的第一个参数是公式，第二个参数是积分变量及积分范围下标和上标。如果大家也有求解微积分、复杂方程的需要，可以试试sympy，它几乎是完美的存在。第一个参数为要解的方程，要求右端等于0，第二个参数为要解的未知数。# 结果：Eq(f(x), C1*exp(x**...

import turtle# 前置p = turtle.Pen()# 作者要说的话for i in range(6): print('请把画板最大化，否则会影响画面效果！')# 设置笔的速度p.speed(10)# 开始画画p.pencolor("#F4A460")p.penup()p.goto((-240), (-200))p.pendown()p.begin_fill()p.fillcolor("#F4A460")p.goto(240, (-200))p.left(

import turtle as timport math as mimport random as rdef drawX(a, i): angle = m.radians(i) return a * m.cos(angle) def drawY(b, i): angle = m.radians(i) return b * m.sin(angle) # 设置背景颜色，窗口位置以及大小t.bgcolor("#d3dae8")t.setu

wget https://www.python.org/ftp/python/3.7.5/Python-3.7.5.tgztar -zxvf Python-3.7.5.tgzcd Python-3.7.5./configure --prefix=/usr/local/python3.7.5 --enable-sharedmakesudo make install#用于设置python3.7.5库文件路径export LD_LIBRARY_PATH=/usr/local/python3.7.

# CPU 版本 # CPU version onlyconda install faiss-cpu -c pytorch# GPU 版本# Make sure you have CUDA installed before installing faiss-gpu, # otherwise it falls back to CPU versionconda install faiss-gpu -c pytorch # [DEFAULT]For CUDA8.0, comes with cudat

添加链接描述

import pandas as pdimport refrom impala.dbapi import connectfrom impala.util import as_pandasfrom impala.dbapi import connectimport json,sysfrom datetime import datetimeconn=connect(host='127.0.0.1', port=21050, database='ods',timeout = 30)cursor=

conda install anaconda

1.对序列进行操作（以 '.'为分隔符）seq = ['hello','good','boy','doiido']print('.'.join(seq))hello.good.boy.doiido2.对元组进行操作（以 ':'为分隔符）seq = ('hello','good','boy','doiido')print(':'.join(seq))hello:good:boy:doiido链接...

下面两段代码是等价的，＠修饰符号是处理嵌套函数问题，@fun　中fun 是母函数，#funA 作为装饰器函数def funA(fn): print("C语言中文网") fn() # 执行传入的fn参数 print("http://c.biancheng.net") return "装饰器函数的返回值"@funAdef funB(): print("学习 Python") funB C语言中文网学习 Pythonhttp

git链接最近做了一个人脸识别的门店人流量统计的小项目，这个项目断断续续做了一年多，最近决定开源出来底层算法用insight 的人脸识别，insightface是目前开源的最好的人脸识别模型人脸识别的本质是将人脸映射成为一组向量，用这组向量来的运算来实现人脸的识别和统计这个开源项目可以统计进入购物中心的人数为了便于数据展示，我写了一个简单的web 服务，后端用flask 和MongoDB，前端采用ajax 实现数据的实时刷新...

恢复默认源：conda config --remove-key channels换源：(清华源)conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/free/conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud/conda-forgeconda config --add channels

for i in range(2,100): for j in range(2,i): if i%j ==0: break else: print(i)如果else子句紧接在循环语句的后面，那么在以下两种情况将会执行else子句的代码：* 当循环体没有执行break的时候，即循环体正常结束print("两次输入机会")for i in range(2): num = int(input("请输入一个数字："))

pip install google-api-core==1.16

# -*-coding: utf-8 -*- import tensorflow as tfimport numpy as np def softmax(x, axis=1): # 计算每行的最大值 row_max = x.max(axis=axis) # 每行元素都需要减去对应的最大值，否则求exp(x)会溢出，导致inf情况 row_max=row_max.reshape(-1, 1) x = x - row_max # 计算e的指数次幂

import kerasimport tensorflow as tfclass Linear(keras.layers.Layer): def __init__(self, input_dim=32, output_dim=32): super().__init__() w_init = tf.random_normal_initializer() self.w = tf.Variable( initial_value=w

这是Python多层继承的一个特例，祖父，父亲，儿子都有 draw 方法，那么经过多次继承后，如何用一种通用的方法给不同层次的方法传递参数，特别是变长的，不定长度的参数。class Root: def draw(self,**kwds): # the delegation chain stops here print('Root Drawing draw ') assert not hasattr(super(), 'draw')class Sh

这是Python多层继承的一个特例，祖父，父亲，儿子都有 draw 方法，那么经过多次继承后，如何对于不同层次的方法传递参数呢，可以看这篇文章python super 理解（四）如何对于不同层次的方法传递参数呢，那么这个例子展现了一种解法，但是这种做法不够通用，在下一篇文章我给出更加通用的玩法def myFun(ff,**kwargs): # print(kwargs) for key, value in kwargs.items(): print ("

原文链接变长参数args（非关键字参数）def myFun(*argv): for arg in argv: print (arg) myFun('Hello', 'Welcome', 'to', 'GeeksforGeeks') HelloWelcometoGeeksforGeeks# Python program to illustrate # *args with first extra argumentdef myFun(arg1, *

Python’s super() considered super!python3中super()参数意义和用法super().init() # 等同于 super(A, self).init()class A(Base): def __init__(self): super().__init__() # 等同于 super(A, self).__init__() print('A.__init__')...

super()单继承可以为做什么呢？ 像其他面向对象的语言一样，它允许您在子类中调用超类的方法。这种方法的主要用例是扩展继承方法的功能。#长方形定义class Rectangle: def __init__(self, length, width): self.length = length self.width = width def area(self): return self.length * self.width d

import collectionsd1 = collections.OrderedDict()d1['b'] = 'B'd1['a'] = 'A'd1['c'] = 'C'd1['2'] = '2'd1['1'] = '1'# OrderedDict([('b', 'B'), ('a', 'A'), ('c', 'C'), ('2', '2'), ('1', '1')])print(d1)d1={}d1['b'] = 'B'd1['a'] = 'A'd1['c'] = 'C'

a = [1, 2, 3, 4, 5, 6]b = filter(lambda x: x % 2 == 1, a)print(list(b)) [1, 3, 5]

import pandas as ps df = pd.DataFrame([[0, 1], [2, 3]], index=['cat', 'dog'], columns=['weight', 'height']) weight heightcat 0 1dog 2 3df1=df.stack

import grequestsreq_list = [ # 请求列表 grequests.get('http://httpbin.org/get?a=1&b=2'), grequests.post('http://httpbin.org/post', data={'a':1,'b':2}), grequests.put('http://httpbin.org/post', json={'a': 1, 'b': 2}),]res_list = grequests

import osimport timeimport jsonfrom google.cloud import bigtablefrom google.cloud import happybaseos.environ["GOOGLE_APPLICATION_CREDENTIALS"] = "/Users/jlh/Desktop/bigdata-group.json"class status(object): def __init__(self): self.clie

#!/usr/bin/env python3# -*- coding: utf-8 -*-"""Created on Mon Jul 6 11:52:20 2020@author: lg"""# 导入模块from wxpy import Botimport datetimeimport pandas as pd# 初始化机器人，扫码登陆import timebot = Bot()# 搜索名称含有 "游否" 的男性深圳好友tt = bot.friends().search

crontab 真的不好用import pandas as pdimport subprocessimport osimport timefrom datetime import datetimefrom apscheduler.schedulers.blocking import BlockingSchedulerimport loggingpython_path = '/home/game/anaconda3/bin/python'def train_and_restart():

import pandas as pdimport numpy as npdf = pd.DataFrame({'name':['Jack','Alex','Bob','Nancy','Mary','Alice','Jerry','Wolf'], 'course':['Chinese','Math','Math','Chinese','Math','English','Chinese','English'], 'grade':[1,1,2,2,2

from config import path_dirimport osimport timeimport jsonfrom google.cloud import bigtable# from google.cloud import happybaseimport pandas as pdfrom google.cloud.bigtable.row_filters import RowFilterChainfrom google.cloud.bigtable.row_set import

conda install -c conda-forge google-cloud-bigquery-storageconda install -c conda-forge google-cloud-storageconda install -c conda-forge happybaseconda install -c conda-forge google-cloud-bigtableconda install -c conda-forge gcsfspip install google-cl

class Person: def __init__(self): self.height=180 def about(self,name): print(" {} is about {}".format(name,self.hight)) class Girl(Person): def __init__(self): self.breast=90 def about(self,name):

#!/usr/bin/env python3# -*- coding: utf-8 -*-"""Created on Mon Sep 30 12:40:52 2019@author: lg"""import pandas as pdimport numpy as npimport jsonimport timeimport osimport sysimport json#import lightgbm as lgbfrom sklearn.externals impor

StratifiedKFold 将X_train和 X_test 做有放回抽样，随机分三次，取出索引import numpy as npfrom sklearn.model_selection import StratifiedKFoldX = np.array([[1, 2], [3, 4], [1, 2], [3, 4]])y = np.array([0, 0, 1, 1])skf = StratifiedKFold(n_splits=2).split(X, y)#c= skf.get_n_

找到文件 /usr/lib/x86_64-linux-gnu/qt5/plugins/platforminputcontexts/libfcitxplatforminputcontextplugin.so，将文件复制在自己创建的Anaconda环境下搜索platforminputcontexts目录，spyder安装在自建环境下，则粘贴到anaconda/envs/…/plugins/platforminputcontexts 下即可。然后重启spyder或者重启系统即可Anaconda环境下搜索pla

lst = [1,2,3,4,5,6]for index,value in enumerate(lst): print ('%s,%s' % (index,value))

import pandas as pd import jsonqqq="""SELECT * FROM `heidao-market.mafia1_ods.game_log_status_snapshot` WHERE DATE(timestamp) = "2020-01-09" AND operation='buy_...

import logging # 创建一个logger logger = logging.getLogger('mylogger') logger.setLevel(logging.DEBUG) # 创建一个handler，用于写入日志文件 fh = logging.FileHandler('test.log') fh.setLevel(logging.DEBUG) lo...