柳杰的博客

文章目录一、单例模式创建1.通过类方法创建2. 通过装饰器方法来创建3. 通过__new__方法来创建4. 通过模块创建二、多例模式创建  单例模式与多例模式最主要的区别是：单例模式是一个类只有单个对象被创建多例模式是一个类可以有多个对象被创建一、单例模式创建下面展示单例模式的创建过程：1.通过类方法创建#!usr/bin/env python# -*- coding:utf-8 -*-"""@author: admin@file: 类方法.py@time: 2021/05/24

文章目录Python2 内置函数Python3 内置函数总结是不可能自己总结的！有现成的为啥不用呢？如果对您有帮助，麻烦点赞关注，这真的对我很重要！！！如果需要互关，请评论或者私信！

文章目录当这些符号两侧连接的是数值变量时，这些符号会按位(二进制)进行运算&：按位和，同一位上都为1时，才为1，否则为0print(2 & 1)# 0因为1的二进制为01,2的二进制为10，所以2 & 1为0|：按位或，同一位上至少有1个1时，则为1，否则为0print(2 | 1)# 3因为1的二进制为01,2的二进制为10，所以2 | 1为3xor：按位异或，同一位上不同时为1，相同时为0参加运算的两个对象，如果两个相应位为“异”(值不同)，

文章目录1.装饰器@lru_cache介绍2. 装饰器@lru_cache使用1.装饰器@lru_cache介绍  装饰器@lru_cache介绍：这个装饰器实现了备忘的功能，是一项优化技术，把耗时的函数的结果保存起来，避免传入相同的参数时重复计算。lru 是（least recently used）的缩写，即最近最少使用原则。表明缓存不会无限制增长，一段时间不用的缓存条目会被扔掉。@functools.lru_cache(user_function)@functools.lru_cache(max

  Python3 range() 函数返回的是一个可迭代对象，常与for循环搭配使用。常见如下两种形式：range(stop)range(start, stop[, step])参数：start: 计数从 start 开始。默认是从 0 开始stop: 计数到 stop 结束，但不包括 stopstep：步长，默认为1下面直接叙述步长为正与为负的情况1.步长为正for i in range(1, 5, 1): print(i)返回结果为1234左闭右开：[1

缺失数据的常见特征与策略特征：重要性高，缺失率低策略：通过计算进行补充；通过经验或业务知识估计特征：重要性高，缺失率高策略：尝试其他渠道补全；使用其他字段通过数据获取（使用集成学习进行预测）去除字段（不建议）特征：重要性低，缺失率低不做处理，或者简单进行填充（前向、后向或者均值填充）特征：重要性低，缺失率高去除该字段...

import sklearnprint(sklearn.metrics.SCORERS.keys())dict_keys(['explained_variance', 'r2', 'max_error', 'neg_median_absolute_error', 'neg_mean_absolute_error', 'neg_mean_absolute_percentage_error', 'neg_mean_squared_error', 'neg_mean_squared_log_error',

文章目录很神奇的一个操作，不明觉厉！！！from IPython.display import IFrameIFrame('https://blog.youkuaiyun.com/weixin_46649052/category_10676786.html', width=1400, height=800)

描述hasattr() 函数用于判断对象是否包含对应的属性。语法hasattr(object, name)参数object – 对象。name – 字符串，属性名。如果对象有该属性返回 True，否则返回 False。案例import numpy as npimport pandas as pdimport matplotlib as mplimport warningsimport matplotlib.pyplot as pltfrom sklearn.model_se

文章目录引言1.json.dumps()与json.dump()2.json.loads()与json.load()3.json.dumps参数介绍4.总结引言  JSON(JavaScript Object Notation)模块是一种轻量级的文本数据交换格式，可以理解为键值对的集合，JSON是存储和交换文本信息的语法。下面展示一个JSON实例。{ "id": 29738501, "name": "跟着你到天边 钢琴版", "duration": 174001, "hearTime": 0,

  如果你需要将一个Python对象序列化为一个字节流，以便将它保存到一个文件、存储到数据库，那么最常用的做法就是使用 pickle 模块。  对于大多数应用程序来讲，dump() 和 load() 函数的使用就是你有效使用 pickle 模块所需的全部了。 它可适用于绝大部分Python数据类型和用户自定义类的对象实例。 如果你碰到某个库可以让你在数据库中保存/恢复Python对象或者是通过网络传输对象的话， 那么很有可能这个库的底层就使用了 pickle 模块。  pickle模块可以保存序列甚至是

文章目录1.count()2.cycle()3.repeat()4.takewhile()5.chain()6.groupby()7.combinations()  Python模块itertools提供了非常有用的用于操作迭代对象的函数。itertools模块提供的全部是处理迭代功能的函数，它们的返回值不是list，而是Iterator，只有用for循环迭代的时候才真正计算。迭代器有一些特点，比如只有用到的时候才读入到内存里，这样更快更省内存；比如只能调用一次，会被消耗掉。1.count()产生连续

文章目录Python会在以下路径中搜索它想要寻找的模块：程序所在的文件路径标准库的安装路径操作系统环境变量PYTHONPATH所包含的路径# 添加系统路径import syssys.path.append(r"D:/PycharmProjects/Work preparation/九、人工智能项目班/scoredcard1/")# 打印路径print(sys.path)from hello_word import helloworldprint(helloworld(

文章目录首先要确定文件中用什么来表示缺失值，常用的有""、‘NaT’、‘nan’,‘null’，那该怎么确定呢？以"“为例，如果查找到”",表明表格中以""表示缺失值，为了便于后续的缺失值统计与填充，需要将’'转换成np.NaNdata.replace('', np.NaN, inplace=True)其他同理data.replace("NaT", np.NaN, inplace=True)data.replace("nan", np.NaN, inplace=True)data.re

文章目录引言1.使用re.sub()函数2.isalpha()+isnumeric()+join()引言  leetcode刷题中碰到了如下问题：在一个含有","":"等字符的字符串中只考虑字母与数字字符，那么理所当然需要只保留字母与数字字符，其他的删除1.使用re.sub()函数  Python 的re模块提供了re.sub用于替换字符串中的匹配项语法：re.sub(pattern, repl, string, count=0, flags=0)参数：pattern : 正则中的模

文章目录引言一、安装Pillow二、操作图像三、上述操作总结引言    PIL：Python Imaging Library，已经是Python平台事实上的图像处理标准库了。PIL功能非常强大，但API却非常简单易用。由于PIL仅支持到Python 2.7，加上年久失修，于是一群志愿者在PIL的基础上创建了兼容的版本，名字叫Pillow，支持最新Python 3.x，又加入了许多新特性，因此，我们可以直接安装使用Pillow。一、安装Pillow    如果安装了Anaconda，Pillow就已经

scipy.stats.multivariate_normal(mean=None, cov=1, allow_singular=False, seed=None) = <scipy.stats._multivariate.multivariate_normal_gen object>描述一个多元正态随机变量。mean关键字指定了平均值。关键字cov指定协方差矩阵。参数mean : array_like, optional分布的平均值(默认为零)cov : array

使用tf.keras.backend.clear_session()来清除模型占用内存

文章目录引言基本介绍github上示例引言Optuna 是一个特别为机器学习设计的自动超参数优化软件框架。它具有命令式的，define-by-run 风格的 API。由于这种 API 的存在，用 Optuna 编写的代码模块化程度很高，Optuna 的用户因此也可以动态地构造超参数的搜索空间。更多功能可参见optuna基本介绍简单介绍一下optuna里最重要的几个term。在optuna里最重要的三个term：（1）Trial：目标函数的单次执行过程（2）Study：基于目标函数的优化过程

import osgc.collect()作用清楚内存，尽量避免主动调用gc.collect()除非当你new出一个大对象，使用完毕后希望立刻回收，释放内存想详细了解的，参考这篇博客

文章目录1.os.listdir()2.案例1.os.listdir()描述os.listdir() 方法用于返回指定的文件夹包含的文件或文件夹的名字的列表只支持在 Unix, Windows 下使用语法os.listdir(path)path:目录路径返回值返回指定路径下的文件和文件夹列表2.案例import os# 路径inputDir = './SVM'print(os.listdir(inputDir))# ['data', '改进之高斯核.py', '改

文章目录引言datatable加载数据引言使用read_csv需要加载上百秒，极为耗时datatable加载数据import datatable as dtimport timestart = time.time()train_datatable = dt.fread('DATA/train.csv')train = train_datatable.to_pandas()del train_datatableend = time.time()print(type(train))pr

文章目录完整内容查看python官网链接完整代码见随机森林实战第二部分—泰坦尼克号def write_result(c, c_type): file_name = 'Titanic.test.csv' x, passenger_id = loaddata(file_name, False) if type == 3: x = xgb.DMatrix(x) y = c.predict(x) y[y > 0.5] = 1 y[~(y

文章目录1.介绍2.try expect格式3.except-note1.介绍在python中，try/except语句主要是用于处理程序正常执行过程中出现的一些异常情况，如语法错（python作为脚本语言没有编译的环节，在执行过程中对语法进行检测，出错后发出异常消息）、数据除零错误、从未定义的变量上取值等；而try/finally语句则主要用于在无论是否发生异常情况，都需要执行一些清理工作的场合，如在通信过程中，无论通信是否发生错误，都需要在通信完成或者发生错误时关闭网络连接。尽管try/except

文章目录将array格式的图像保存至路径中案例将array格式的图像保存至路径中灰度数字图像是每个像素只有一个采样颜色的图像。这类图像通常显示为从最暗黑色到最亮的白色的灰度def save_image(im, i): # 对图像进行反相处理 im = 255 - im # 转换数组的类型 a = im.astype(np.uint8) output_path = '.\\HandWritten' # 判断路径是否存在 if not os.path.ex

文章目录1.matplotlib.pyplot.contour参数详解2.实例1.matplotlib.pyplot.contour参数详解matplotlib.pyplot.contour([X, Y,] Z, [levels], **kwargs)Parameters关键参数如下，剩余参数可在官网中找X, Y : array-like, optionalZ中值的坐标。X和Y必须都是二维的，形状与Z相同(例如，通过numpy.meshgrid创建)，或者它们必须都是一维的，这样len

文章目录引言1.re.match函数2. re.search方法3.re.match与re.search的区别4.re.sub引言re 模块使 Python 语言拥有全部的正则表达式功能使用group(num) 或 groups() 匹配对象函数来获取匹配表达式。group(num=0) 匹配的整个表达式的字符串，group() 可以一次输入多个组号，在这种情况下它将返回一个包含那些组所对应值的元组。groups() 返回一个包含所有小组字符串的元组，从 1 到 所含的小组号。1.re.

文章目录1.zip()函数—返回元祖对象2.map()—返回迭代器1.zip()函数—返回元祖对象描述:zip() 函数用于将可迭代的对象作为参数，将对象中对应的元素打包成一个个元组，然后返回由这些元组组成的对象，这样做的好处是节约了不少的内存。我们可以使用 list() 转换来输出列表。如果各个迭代器的元素个数不一致，则返回列表长度与最短的对象相同，利用 * 号操作符，可以将元组解压为列表zip语法:zip([iterable, ...])参数:iterabl -- 一个或多个迭代

sort 与 sorted 区别：sort 是应用在 list 上的方法，sorted 可以对所有可迭代的对象进行排序操作。list 的 sort 方法返回的是对已经存在的列表进行操作，而内建函数 sorted 方法返回的是一个新的 list，而不是在原来的基础上进行的操作。描述:sorted() 函数对所有可迭代的对象进行排序操作。sorted语法:sorted(iterable, key=None, reverse=False) 参数:1.iterable -- 可迭代对象。

描述:items() 方法返回可遍历的(键, 值) 元组数组语法:dict.items()返回值:返回可遍历的(键, 值) 元组数组实例dict = {'Name': 'Runoob', 'Age': 7}for i,j in dict.items(): print(i, ":\t", j)Name : RunoobAge : 7dict = {'Name': 'Runoob', 'Age': 7}for i in dict.items(): print(i)

描述：extend() 函数用于在列表末尾一次性追加另一个序列中的多个值（用新列表扩展原来的列表）。语法：list.extend(seq)参数：seq -- 元素列表，可以是列表、元组、集合、字典，若为字典,则仅会将键(key)作为元素依次添加至原列表的末尾。返回值：该方法没有返回值，但会在已存在的列表中添加新的列表内容。实例# 语言列表language = ['French', 'English', 'German'] # 元组language_tuple = ('Spanis

from sklearn.preprocessing import label_binarizelabel_binarize(y, *, classes, neg_label=0, pos_label=1, sparse_output=False) - Parameters(参数) y : array-like 要编码的整数数据或多标签数据序列 classes : array-like of shape (n_classes,) np.arange(c) neg_label : int

文章目录引言伪彩图、图例效果引言实际操作见该案例伪彩图、图例def plotDescionBoundary(): fig = plt.figure(facecolor='w') fig.subplots() cm_light = mpl.colors.ListedColormap(['#77E0A0','#FF8080','#A0A0FF']) cm_dark = mpl.colors.ListedColormap(['g', 'r', 'b']) # 伪彩

文章目录LabelEncoderpd.Catrgorical(series).codesLabelEncoder# 数据预处理-将类别数据转化为数值数据import numpy as npimport pandas as pdfrom sklearn.preprocessing import LabelEncoder# 加载数据def loaddata(): columns = ['sepal_length', 'speal_width', 'petal_length', 'pet

import numpy as npimport matplotlib as mplimport matplotlib.pyplot as plt# 画决策边界def plotDescionBoundary(X, y, theta): # 样本点颜色 cm_dark = mpl.colors.ListedColormap(['g', 'r']) plt.xlabel('Exam 1 score') plt.ylabel('Exam 2 score') #

- 描述find() 方法检测字符串中是否包含子字符串 str ，如果指定 beg（开始） 和 end（结束） 范围，则检查是否包含在指定范围内，如果指定范围内如果包含指定索引值，返回的是索引值在字符77-1串中的起始位置。如果不包含索引值，返回-1。 - 语法str.find(str, beg=0, end=len(string)) - 返回值如果包含子字符串返回开始的索引值，否则返回-1 - 实例str1 = "Runoob example....wow!!!"str2 .

文章目录链接

文章目录方法一 - numpy方法二-map方法一 - numpyimport numpy as nplist = [1.0,2.3,4.1,5.3]# 转换成ndarray然后转换成int数据类型，然后转换成listlist = np.array(list).astype(dtype=int).tolist()print(list)# 结果为# [1, 2, 4, 5]方法二-mappython2.X中可以这样实现，因为python2.X中，map函数返回的是list = [1.0

常见字符的ASCII码值如下：空格的ASCII码值为32数字0到9的ASCII码值分别为48到57大写字母“A”到“Z”的ASCII码值分别为65到90小写字母“a”到“z”的ASCII码值分别为97到到122import random# 用来表示random.randint(97,122)...