XP1990的专栏

安装flaskpip install flask测试flask是否安装成功，使用flask写一个简单的web服务。路径为/usr/local/myproject文件夹gedit test.pyfrom flask import Flaskapp = Flask(__name__)@app.route('/')def index(): return 'hello world'if __name__ == '__main__': app.run()运行py

#生成器Generator:首先是一个迭代器，然后其内容是按需生成#列表是一次性生成，缺点是当内容过大时会占用大量内容，那能不能用到多少生成多少呢？#Python里一边循环一边计算（惰性计算）的迭代器称为生成器（Generator）#1，直接从列表表达式生成g1=(x**2 for x in range(30) if x%2==0)type(g1)next(g1),next(g1),next(g1),next(g1),g1.__next__(),g1.__next__()#2，函数生成，与.

#拓展知识#unpack解包ll = [1,2,3,4,5,'6']a, b, *c, d =llprint(a,b,c,d)#*号收集a,*b,c=llprint(a,b,c)#*号展开，针对序列ll = [1,2,3,4]s1 = 'chinahadoop.cn'[*ll,*s1]#*号展开，针对字典d1={'name':'machine learning 5th','add':'BJ,SH,*'}[*d1]{**d1,'date':'2019-3-30'}#.

Magic开关分为两大类：%line magic & %%cell magic%quickref%lsmagic%config ZMQInteractiveShell.ast_node_interactivity='all'#设置这个的目的就是让cell中的结果全部输出显示%pprint%config ZMQInteractiveShell.ast_node_interactivity='all'a = 2n = 4a n输出显示24%%html.

import skvideo.io#video表示视频路径，字符串形式，eg：‘E:/project/blink-detection/3.mp4’metadata = skvideo.io.ffprobe(video)try: d = metadata['video'].get('tag')[0] if d.setdefault('@key') == 'rotate': #获取视频自选择角度 frame = imutils.rotate(frame, 360-int(d.setdefau.

应该使用：sudo apt-get install graphviz使用sudo pip install graphviz无效

获得list中最大元素的索引aa = [1,2,3,4,5]aa.index(max(aa))相应的最小值使用aa = [1,2,3,4,5]aa.index(min(aa))获得numpy数组中最大元素的索引可以使用numpy的函数，argmax获得最大元素的索引，相应的获得最小值的话需要使用argmin。aa = [1,2,3,4,5]arr_aa = n...

一维数组Pandas：SeriesNumpy：ndarrayndarray与Python List的相似处通过位置访问元素l[0]、l[2:5]、l[:3]、l[2:]循环for item in l: xxxndarray与Python List的不同1. Python List元素可以任意类型组合、ndarray元素类型必须相同（不相同时Numpy...

加、减、乘、除、幂 import numpy as npa = np.array([1, 2, 3])b = np.array([3, 2, 1])print(a + b)print(a - b)print(a * b)print(a / b)print(a ** b) 逻辑运算：与、或、非 a = np.array([True, True, False, Fals...

import numpy as npa = np.array([1, 2, 3])b = aa += np.array([1, 1, 1])#原地操作，在内存中的储存地址不变# a = a + np.array([1, 1, 1])#非原地操作print(b)原地操作结果：[2 3 4]非原地操作结果：[1 2 3]# import numpy as np#...

DataFrame apply的作用（对象是每行或每列）1. 将DataFrame的每行或者每列（Series）经过函数运算之后转换成新的行或列。2. 将DataFrame的每行或者每列（Series）经过函数运算之后转换成一个值。DataFrame applymap的作用（对象是每个元素）将DataFrame的每个元素经过函数运算之后转换成新的元素...

原则Series索引值与Dataframe列名相同的项进行相加。import pandas as pds = pd.Series([1, 2, 3, 4], index=['a', 'b', 'c', 'd'])df = pd.DataFrame({ 'a':[10, 20, 30, 40], 'c':[100, 200, 300, 400], 'b':[10...

作用对DataFrame中原有行列结构进行转换以使数据分析更为方便。对指定列进行转换df.pivot(index='Item', columns='CType', values='RMB')对所有列进行转换df.pivot(index='Item', columns='CType')当存在冲突单元时df.pivot_table(index='Item', column...

appenddf_appended = df1.append(df_new, ignore_index=True)#默认为Falsemergedf_appended.merge(df2, on='date', how='outer')#左连接left右连接right内连接inner外连接joindf1.join(df2, lsuffix='A', rsuffix='B')...