python-IO-4.12

本文介绍Python中文件的基本操作方法,包括使用f.open打开文件、指定读写模式、利用f.read和f.write进行读写操作等。同时介绍了如何利用with语句简化文件关闭的过程。

IO

     查看帮助 help(命令)

     在python中盘符转义\\,在网址中为//

     在python中print中print输出的内中的转义符号会被转义

     f = open(filename , ' mode')

     注:目录磁盘地址可以赋给变量,将变量放在filename处。

     mode 包括 r ; w ; r+, w+ , +(读写) ; a(追加) ; b

     f.read():输出整个文本内容。

     f.read(3):输出文本前三个字符

     f.readline():输出文本内容的一行

     f.readline(3):类似f.read(3)

     f.readlines(sizeint):读取所有行并返回列表,若给定sizeint>0,则是设置一次读多少字节,这是为了减轻读取压力。

     f.write(.....)  ;   f.writelines()

     f.write(' ') 将内容输入到缓存 ;当 f.close()或 f.flush()时缓存中内容才会输入到文件中。

     f.close()     与 f.close不同 f.close显示的是关闭的进程信息

     注:打开文件与文件关闭并存

     python引入with语句自动调用close方法

       例: with  open (filename , model)   as  f  :

                         f.read()

           在调用完成后会自动调用close方法。

absl-py 2.3.1 aliyun-log-python-sdk 0.9.31 anylabeling 0.4.30 asttokens 3.0.0 astunparse 1.6.3 attrs 25.3.0 backcall 0.2.0 boto3 1.40.35 botocore 1.40.35 builder 0.1.0 cachetools 6.2.0 certifi 2025.8.3 chardet 5.2.0 charset-normalizer 3.4.3 clang 20.1.5 clearml 2.0.2 clearml-agent 2.0.4 clearml-serving 1.3.5 click 8.3.0 colorama 0.4.6 contourpy 1.3.3 cycler 0.12.1 decorator 5.2.1 distlib 0.4.0 executing 2.2.1 filelock 3.19.1 fire 0.7.1 flatbuffers 25.2.10 fonttools 4.60.0 fsspec 2025.9.0 furl 2.1.4 gast 0.6.0 gitdb 4.0.12 GitPython 3.1.45 google-auth 2.40.3 google-auth-oauthlib 1.2.2 google-pasta 0.2.0 grpcio 1.75.0 h5py 3.14.0 huggingface-hub 0.35.0 idna 3.10 importlib_metadata 8.7.0 importlib_resources 6.5.2 ipython 9.5.0 jedi 0.19.2 Jinja2 3.1.6 jmespath 1.0.1 jsonschema 4.25.1 jsonschema-specifications 2025.9.1 keras 3.11.3 Keras-Preprocessing 1.1.2 kiwisolver 1.4.9 labelImg 1.8.6 libclang 18.1.1 lxml 6.0.1 Markdown 3.9 MarkupSafe 3.0.2 matplotlib 3.10.6 matplotlib-inline 0.1.7 MNN 3.2.3 modelscope 1.30.0 mpmath 1.3.0 ncnn 1.0.20250916 networkx 3.5 numpy 2.3.3 oauthlib 3.3.1 onnx 1.19.0 onnxruntime-gpu 1.22.0 onnxslim 0.1.68 opencv-python 4.12.0.88 opencv-python-headless 4.12.0.88 opt_einsum 3.4.0 orderedmultidict 1.0.1 packaging 25.0 pandas 2.3.2 parso 0.8.5 pathlib2 2.3.7.post1 pickleshare 0.7.5 pillow 11.3.0 pip 24.0 pkgutil_resolve_name 1.3.10 platformdirs 4.4.0 portalocker 3.2.0 prompt_toolkit 3.0.52 protobuf 6.32.1 psutil 7.1.0 pure_eval 0.2.3 py-cpuinfo 9.0.0 pyasn1 0.6.1 pyasn1_modules 0.4.2 pybboxes 0.2.0 pybind11 3.0.1 Pygments 2.19.2 PyJWT 2.10.1 pyparsing 3.2.4 PyQt5 5.15.11 pyqt5-plugins 5.15.9.2.3 PyQt5-Qt5 5.15.2 PyQt5_sip 12.17.0 pyqt5-tools 5.15.9.3.3 python-dateutil 2.9.0.post0 python-dotenv 1.1.1 python-magic 0.4.27 pytz 2025.2 pywin32 311 PyYAML 6.0.2 qt5-applications 5.15.2.2.3 qt5-tools 5.15.2.1.3 referencing 0.36.2 regex 2025.9.18 requests 2.32.5 requests-oauthlib 2.0.0 requests-toolbelt 1.0.0 roboflow 1.2.9 rpds-py 0.27.1 rsa 4.9.1 s3transfer 0.14.0 safetensors 0.6.2 sahi 0.11.34 scipy 1.16.2 seaborn 0.13.2 setuptools 65.5.0 shapely 2.1.1 six 1.17.0 smmap 5.0.2 stack-data 0.6.3 streamlit 1.49.1 sympy 1.14.0 tensorboard 2.20.0 tensorboard-data-server 0.7.2 tensorboard-plugin-wit 1.8.1 tensorflow 2.17.0 tensorflow-estimator 2.15.0 tensorflow-io-gcs-filesystem 0.31.0 termcolor 3.1.0 terminaltables 3.1.10 thop 0.1.1-2209072238 tokenizers 0.22.1 torch 2.5.1+cu121 torchaudio 2.5.1+cu121 torchvision 0.20.1+cu121 tqdm 4.67.1 traitlets 5.14.3 transformers 4.56.2 typing_extensions 4.15.0 tzdata 2025.2 ultralytics 8.3.202 ultralytics-thop 2.0.17 urllib3 2.5.0 virtualenv 20.34.0 wcwidth 0.2.13 Werkzeug 3.1.3 wheel 0.45.1 wrapt 1.17.3 yolov5 7.0.14 yolov8 0.0.2 zipp 3.23.0查看缺少的ai库,强化学习,skitlearn等,以及有重大更新的版本
09-22
根据原作 https://pan.quark.cn/s/459657bcfd45 的源码改编 Classic-ML-Methods-Algo 引言 建立这个项目,是为了梳理和总结传统机器学习(Machine Learning)方法(methods)或者算法(algo),和各位同仁相互学习交流. 现在的深度学习本质上来自于传统的神经网络模型,很大程度上是传统机器学习的延续,同时也在不少时候需要结合传统方法来实现. 任何机器学习方法基本的流程结构都是通用的;使用的评价方法也基本通用;使用的一些数学知识也是通用的. 本文在梳理传统机器学习方法算法的同时也会顺便补充这些流程,数学上的知识以供参考. 机器学习 机器学习是人工智能(Artificial Intelligence)的一个分支,也是实现人工智能最重要的手段.区别于传统的基于规则(rule-based)的算法,机器学习可以从数据中获取知识,从而实现规定的任务[Ian Goodfellow and Yoshua Bengio and Aaron Courville的Deep Learning].这些知识可以分为四种: 总结(summarization) 预测(prediction) 估计(estimation) 假想验证(hypothesis testing) 机器学习主要关心的是预测[Varian在Big Data : New Tricks for Econometrics],预测的可以是连续性的输出变量,分类,聚类或者物品之间的有趣关联. 机器学习分类 根据数据配置(setting,是否有标签,可以是连续的也可以是离散的)和任务目标,我们可以将机器学习方法分为四种: 无监督(unsupervised) 训练数据没有给定...
评论
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