vola的专栏

直接ctrl+R,输入 easy_install +(你要安装的东西即可）

经Edwin Chen的推荐，认识了scikit-learn这个非常强大的python机器学习工具包。这个帖子作为笔记。（其实都没有笔记的意义，因为他家文档做的太好了，不过还是为自己记记吧，为以后节省若干分钟）。如果有幸此文被想用scikit-learn的你看见，也还是非常希望你去它们的主页看文档。主页中最值得关注的几个部分：User Guide几乎是machine learning的索引，各

Numpy提供了几种数据保存的方法。   以3*4数组a为例：    1. a.tofile("filename.bin")      这种方法只能保存为二进制文件，且不能保存当前数据的行列信息，文件后缀不一定非要是bin，也可以为txt，但不影响保存格式，都是二进制。      这种保存方法对数据读取有要求，需要手动指定读出来的数据的的dtype，如果指定的格式与

第一次看见Python的运行感觉就让我想起了matlab，于是就上网嗖嗖他在矩阵方面的运算如何，如果不想安装Matlab那么大的软件，而你又只是想计算些矩阵，python绝对够用！尤其在Linux下太方便了转自：http://blog.sina.com.cn/s/blog_5f234d4701012p64.htmlPython使用NumPy包完成了对N-维数组的快速便捷操作。使用这

NumPy数组NumPy数组是一个多维数组对象，称为ndarray。其由两部分组成：实际的数据描述这些数据的元数据大部分操作仅针对于元数据，而不改变底层实际的数据。关于NumPy数组有几点必需了解的：NumPy数组的下标从0开始。同一个NumPy数组中所有元素的类型必须是相同的。NumPy数组属性在详细介绍NumPy数组之前。先详细介

基本运算数组的算术运算是按元素逐个运算。数组运算后将创建包含运算结果的新数组。[python] view plaincopy>>> a= np.array([20,30,40,50])  >>> b= np.arange( 4)  >>> b  array([0, 1, 2, 3])  >>> c= a-b  >>> 

前两篇文章对NumPy数组做了基本的介绍，本篇文章对NumPy数组进行较深入的探讨。首先介绍自定义类型的数组，接着数组的组合，最后介绍数组复制方面的问题。自定义结构数组通过NumPy也可以定义像C语言那样的结构类型。在NumPy中定义结构的方法如下：定义结构类型名称；定义字段名称，标明字段数据类型。[python] view pl

python cookbook   Recipe 2.5. Counting Lines in a File ，     今日发现一个新函数 enumerate 。一般情况下对一个列表或数组既要遍历索引又要遍历元素时，会这样写：for i in range (0 , len (list )):     print i , list [ i ]  

chr()、unichr()和ord()chr()函数用一个范围在range（256）内的（就是0～255）整数作参数，返回一个对应的字符。unichr()跟它一样，只不过返回的是Unicode字符，这个从Python 2.0才加入的unichr()的参数范围依赖于你的Python是如何被编译的。如果是配置为USC2的Unicode，那么它的允许范围就是range（65536）或0x0000-

maketrans和translate是密切相关的两个方法，先看translate的说明     S.translate(table [,deletechars]) -> string         Return a copy of the string S, where all characters occurring     in the optional argumen

setdefault(key[, default])If key is in the dictionary, return its value. If not, insert key with a value of default and returndefault. default defaults to None.如果键在字典中，返回这个键所对应的值。如果键不在字典中，向字典

Level 0 [1]Hint: try to change the URL address.第零关主要让人熟悉游戏规则和形式。首先观察标签栏主题显示的是warming up，表明这关的主题是热身。页面图片下标注一行小提示尝试改变url的地址。在没有别的提示下，明显是改成图片内的内容， 2^38。打开Python解释器，输入”2**38”，显示答案”274877906944L”。去掉L

最近在做一个CNN的项目，文件夹里有20w张图片要读入并保存到一个data文件（不然每次都读20w文件太麻烦）。折腾了一个下午，发现了一个极好用的包 h5py：将数据储存在hdf5文件中。这东西有多好用呢？速度，内存占用，压缩程度都比cPickle+gzip来的优秀。相比之下上面两个变逗比了……我把所有图片都放在一个ndarray并保存为一个文件：8

下载安装python安装工具下载地址：http://pypi.python.org/pypi/setuptools 可以找到正确的版本进行下载。win7 32位可以下载setuptools-0.6c11.win32-py2.7.exe 。Centos下的安装方法wget -q http://peak.telecommunity.com/dist/ez_setup.pypython ez_s

https://pypi.python.org/pypi/setuptools/0.9.8#upgrading-from-setuptools-0-6

HDF5加载一个97.6M的文件用时：cPickle加载一个

hdf5 读取一个5.23G的文件，耗时：38.71

str()一般是将数值转成字符串。 repr()是将一个对象转成字符串显示，注意只是显示用，有些对象转成字符串没有直接的意思。如list,dict使用str()是无效的，但使用repr可以，这是为了看它们都有哪些值，为了显示之用。

a=numpy.array([*****])a.shape[0]--

本人喜欢这两种方式：data_list=list([first_day,second_day,third_day,forth_day,fifth_day])path=os.getcwd()count=1for item in data_list: fobj=open(path+'/'+str(count)+'.txt','w') fobj.writelines([

import osimport randomlistNum=[1,2,3,4]path='f:/test/'os.chdir(path)oldNames=[]newNames=[]tempName=random.sample(range(1000000,1500000),len(listNum))print tempNamefor item in listNum: ol

p = re.compile(r'\W*')

// trecvidDateMaker.cpp : 定义控制台应用程序的入口点。//#include "stdafx.h"// Farneback dense optical flow calculate and show in Munsell system of colors// Author : Zouxy// Date : 2013-3-15// HomePage

import Imagedef image_joint(image_list,opt):#opt= vertical ,horizontal 选择水平显示拼接的图像，或者 image_num=len(image_list) image_size=image_list[0].size height=image_size[1] width=image_size[0]

原文：http://blog.youkuaiyun.com/dyx1024/article/details/7300497今天晚上学习了下使用pycha模块来制作各种办公用图的方法，非常简单，本文使用其绘制了7种图表。   此模块和API地址为：http://www.lorenzogil.com/projects/pycha/，需要的朋友可以下载下来玩一下，下面是我晚上学习时写的一点东东，分享之。

import numpyimport pylab# Build a vector of 10000 normal deviates with variance 0.5^2 and mean 2mu, sigma = 2, 0.5v = numpy.random.normal(mu,sigma,10000)# Plot a normalized histogram with 50 bins

import cv2import numpy as npimport Imageimport cv2.cv as cvdef image_joint(image_list,opt):#opt= [1,4]一行四列 image_num=len(image_list) image_size=image_list[0].size height=image_size[1]

一共# -*- coding: cp936 -*-import cv2.cv as cvimport osimport cv2import numpyimport Imageimport xlrdclass videoReader: frame_count=0 def __init__(self,videoPath): self.vid

pylab.hist(diff, bins=100, normed=1) # matplotlib version (plot) pylab.show() # Compute the histogram with numpy and then plot it (n, bins) = numpy.histogram(diff, bins=1

关于python读取xml文章很多，但大多文章都是贴一个xml文件，然后再贴个处理文件的代码。这样并不利于初学者的学习，希望这篇文章可以更通俗易懂的教如何使用python 来读取xml 文件。 什么是xml？xml即可扩展标记语言，它可以用来标记数据、定义数据类型，是一种允许用户对自己的标记语言进行定义的源语言。abc.xmlxml version="1

转载地址：ImageDraw 新建一个空白图片为本文作示例，新建空白文件的方法 见Image模块，Image.new:[python] view plaincopyprint?"font-size: 14px;">import Image  blank = Image.new("RGB",[1024,768],"white")    "fon

转载地址：http://hi.baidu.com/heelenyc/item/56b0740df6141c96a3df43e8使用python开发时，由于python的开源生态圈非常的给力，对于实现同一个功能，往往在这方面的类库非常多，而开发者也同样面临着如何选择最佳的 类库作为辅助开发的工具。本文将记录本人在使用python处理xml格式数据时测试过的类库，有些类库由于先天不

问题描述：比方我有一个数组：[10,12,3,4,9]

# _*_ coding:utf-8 _*_# name start_qq.pyimport osos.startfile("C:\Program Files\Tencent\QQ\Bin\QQ.exe")

import numpy as npfrom scipy.optimize import leastsqimport pylab as pl x = np.arange(1, 17, 1)y = np.array([4.00, 6.40, 8.00, 8.80, 9.22, 9.50, 9.70, 9.86, 10.00, 10.20, 10.32, 10.42, 10.50, 10.5

直方图(histogram)NumPy中histogram函数应用到一个数组返回一对变量：直方图数组和箱式向量。注意：matplotlib也有一个用来建立直方图的函数(叫作hist,正如matlab中一样)与NumPy中的不同。主要的差别是pylab.hist自动绘制直方图，而numpy.histogram仅仅产生数据。import numpyimport pylab# Build

import numpy as npimport pylab as plt#import matplotlib.pyplot as pltfrom scipy.optimize import curve_fitfrom scipy import asarray as ar,expx = ar(range(10))y = ar([0,1,2,3,4,5,4,3,2,1

转载：http://www.crifan.com/python_string_with_leading_char_r_u/（1）以r或R开头的python中的字符串表示（非转义的）原始字符串python里面的字符，如果开头处有个r，比如：(r’^time/plus/\d{1,2}/$’, hours_ahead)说明字符串r"XXX"中的XXX是普通字符

例如有一个矩阵，3行3列，我想取矩阵的

·filter（）函数filter（）函数包括两个参数，分别是function和list。该函数根据function参数返回的结果是否为真来过滤list参数中的项，最后返回一个新列表，如下例所示：>>>a=[1,2,3,4,5,6,7]>>>b=filter(lambda x:x>5, a)>>>print b>>>[6,7]如果filter参数值为None，就使用iden