Drug discovery

kNN - k近邻算法k-Nearest Neighbors：可以解决监督学习中的分类问题如图：判断青色点是良性肿瘤还是恶性肿瘤，那么就使用k近邻算法，此时选择的k为3，那么就选择离青色点最近的3个点，那么这最近的3个点会进行投票，由于此时这3个点都是绿色，那么绿色：红色=3：0，那么我们就判断此时该青色点为蓝色（良性肿瘤）...

大写字母表示矩阵，小写字母表示向量

import matplotlibfrom matplotlib import pyplotimport numpyx=numpy.linspace(0,10,100)#从0-10切分100段siny=numpy.sin(x)cosy=numpy.cos(x)"""折线图：点与点之间已连接"""pyplot.plot(x,siny,label="sin(x)")#横坐标和纵坐标，给要绘制的曲线做标注pyplot.plot(x,cosy,label="cos(x)",color="r.

"""比较和Fancy Indexing"""x=numpy.arange(16)#假如想要访问下标3,5,8（步长不存在关系）对应的值,那么可以用下面的方法实现ind=[3,5,8]x[ind]X=x.reshape(4,-1)row=numpy.array([0,1,2])col=numpy.array([1,2,3])X[row,col]#查看索引(0,1),(1,2),(2,3)对应的值col=[True,False,True,True]#也可以使用布尔数组进行查看.

import numpy"""numpy.array中的运算给定一个向量，让向量中每一个数乘以2a =(0,1,2)a*2 =(0,2,4)"""n=10L=[i for i in range(n)]#方法1.首先创建一个空列表，然后遍历列表中的每一个元素，*2并append进AA=[]for e in L: A.append(2*e)#方法2：利用生成表达式的方式处理,效率会变高A=[2*e for e in L]L=numpy.arange(n)#方法3：.

import numpy#给numpy起了别名npimport numpy as npimport arrayprint(np.__version__)#不限定类型，可以给列表中的每一个值赋不同的类型，灵活性好，但是效率低L=[i for i in range(10)] #0-9L[5]="mechine learning"print(L)#限定类型，不可以给列表中的每一个值赋不同的类型arr = array.array('i',[i for i in range(10)])#.

@app.route('/command', methods=['POST'])def command(): bcmd = bytes.fromhex(request.form['cmd']) print(bcmd) return Response('OK', mimetype='text/plain')bytes.fromhex(request.form['cmd'])：从表单中得到数据并且转为字节型...

使用Python实现一个简单的接口服务，可以通过get、post方法请求该接口，拿到响应数据。创建一个api_server.py文件，添加代码如下：import flask, jsonfrom flask import request '''flask： web框架，通过flask提供的装饰器@server.route()将普通函数转换为服务登录接口，需要传url、username、passwd'''# 创建一个服务，把当前这个python文件当做一个服务server = flask.

本文采取：https://blog.youkuaiyun.com/weixin_42124234/article/details/90317389__metaclass__=typeclass Stu: name=None age=None school="华南理工大学"#类变量，被所有学生实例共有 def __init__(self,name,age): self.name=name self.age=age def printName_