杂文集

习惯了力扣模式，碰到acm模式让手动建立单链表就不会了。记录一下吧。class ListNode: def __init__(self, val=0, next=None): self.val = val self.next = nextdef createList(nums):#输入一个数组，返回链表头结点 prehead=ListNode() p=prehead for item in nums: node=ListNo

TF-IDF算法TF−IDF=TF×IDFTF-IDF=TF\times IDFTF−IDF=TF×IDFTF=单词w在文档中出现的次数文档总词数TF=\frac{单词w在文档中出现的次数}{文档总词数}TF=文档总词数单词w在文档中出现的次数​IDF=log文档总数包含单词w的文档数+1IDF=log\frac{文档总数}{包含单词w的文档数}+1IDF=log包含单词w的文档数文档总数​+1Python实现TfidfVectorizer是sklearn中的库，可以用来计算TF-IDF值。fr

import rere.sub('[^\u4e00-\u9fa5]+', '', '5.8 abc啊啊啊')re.sub(pattern, repl, string, count=0, flags=0)pattern : 正则中的模式字符串。repl : 替换的字符串，也可为一个函数。string : 要被查找替换的原始字符串。count : 模式匹配后替换的最大次数，默认 0 表示替换所有的匹配。“\u4e00”和“\u9fa5”是unicode编码，并且正好是中文编码的开始和结束的两个

持续更新……1 求字符差值python不可以直接进行字符减运算。当需要进行字符之间的减运算时，我们可以用ord()函数。ord()是python自带的函数，无需导入。2 字符串反转string='leetcode'print(string[::-1])3 数组元素计数import collectionsli=[1,2,2,4,5,5]cnt = collections.Counter(li)print(cnt)4 字典遍历cnt={1:4,2:3}# 遍历键值对for

先放一张结果图。数据预处理首先，导入包。import pandas as pdimport numpy as npimport reimport matplotlib.pyplot as plt读取数据并查看。df=pd.read_csv('data/movie.csv',encoding='gb18030')df.head()为了得到电影类型的分布，我们需要处理第二个字段“types”。首先将该字段字符串按逗号分开，得到一个二维数组。type_list = []for i

先画一个最简单的。import matplotlib.pyplot as pltplt.plot([1, 2, 3, 4])plt.ylabel('some numbers')plt.show()当plot方法里只有一个参数时，默认为y值。x值从0开始，这里为 [0, 1, 2, 3]。同时指定x和y。plt.plot([1, 2, 3, 4], [1, 4, 9, 16])设置轴数值范围和线条格式。plt.plot([1, 2, 3, 4], [1, 4, 9, 16], 'ro

loc()和iloc()都是在DataFrame中用来取值的函数，loc就是location。不同的是loc()是按label取值，iloc()是按index取值。import pandas as pddf = pd.DataFrame([[1, 2, 3], [4, 5, 6], [7, 8, 9]],index=['a1','a2','a3'] ,columns=['b1', 'b2', ...

魔法函数是在python中以双下划线开头并且以双下划线结尾的内置函数。它可以任意定义某个类的特性，这些方法在进行特定的操作时会自动被调用。最常见的魔法函数就是构造函数__init__()，是用来初始化类的。class Employee: empCount = 0 def __init__(self, name, salary): self.name = name ...