zjm750617105的专栏

直接安装scipy, 然后在保存image的时候会提示找到方法.需要事先装一个 pillow 或者其他的然后卸载scipy 再重新安装 scipypip install pillowpip install scipy

numpy 数组的存取常用的有两种方式：注意： 一定要注意 tofile 和 fromfile 成对使用，不可与 load 和 save 混用，否则数组长度不一致。numpy.tofile() 和 numpy.fromfile()： 保存为二进制格式，但是不保存数组形状和数据类型， 即都压缩为一维的数组，需要自己记录数据的形状，读取的时候再reshape.>>> import numpy>>

小小搬运工： https://stackoverflow.com/questions/33851379/pyaudio-installation-on-mac-python-3主要步骤是：xcode-select --install ＃安装xcode, 已经装好的的话，执行的时候会提示brew remove portaudio ＃先卸载brew install portaudio ＃重新安

先介绍两种python的方法，都是基于os库中的方法：demo1:import osfiles = os.listdir("./")这个只列出当前目录下的所有文件名称（不管是文件合适文件夹，只列出名称），这个适用于已知具体的文件路径的情况demo2:for root, dirs, files in os.walk("./"): for file in files: if ".w

做数据预处理时遇到一个问题，就是如何把一个list的元素用一个特殊符号连接起来，当然可以用for循环，看起来比较麻烦。 b = ['American', 'Avocet', '2', 'individual'] s = '_' spk_name = s.join(b) print spk_name #结果是 'American_Avocet_2_individ

每次用到都得先测试一下，整理一下以后会方便一些，先举几个例子吧：demo1:import numpy as npa = [[1,2,3],[4,5,6]]a = np.array(a)b = [[1,2],[4,5],[3,6]]b= np.array(b)#一个（2，3）， 一个（3，2），是可以正常的矩阵相乘的c = np.dot(a, b)print c-->result: a

如果要取一个数组的前 N 个最大的数或者是最小的， Python 内建模块 heapq.import heapqA = [12,3,4,7,9,1,23]result = heapq.nlargest(3, A)用快排的思想实现 topn： 占坑 用最小堆的方法实现topn: 占坑

直接看demo>>> a = np.array([1,2,3])>>> b = np.array([4,5,6])>>> (a==b).all() #比较两个数组元素是否都相等， 可以用于k-meansFalse>>> c=a>>> (a==c).all()True>>> c[0] = 10 #等号这种赋值相当对象引用（内存地址）传递，改变c， a也跟着变了，所有不管怎么改都是tru

第一次见到这个东西，来研究一下：从字面上是插入新的维度的意思demo1: 针对一维的情况>>> b = np.array([1, 2, 3, 4, 5, 6])>>> b[np.newaxis]array([[1, 2, 3, 4, 5, 6]])>>> c = b[np.newaxis] ＃equals c = b[np.newaxis,:]>>> b.shape(6,)>>> c

有一个比较有意思的传参方式： 比如在 demo1.py 中指定 action=’store_true’的时候： parser.add_argument(‘–is_train’, action=’store_true’, default=False)在运行的时候： python demo1.py 默认是False python demo1.py –is_train 是True, 注意

今天晚上一个大坑，python自带的sort函数， 首先他是原地排序的方法，就是会改变自身的值，没有返回值。但是比如我一个numpy矩阵 M.shape(10, 8):N = M[:,3] #取M的第三列作为NN.sort() #对N自排序， 这是N是有序的！！！ 但是 M这时候也是 第三列有序的！！！

任务需求，在声纹识别任务中，模型库可能比较大，如果单线程的话，每个测试句都跟几百个模型计算得分，那么测试过程太慢了。这里采用 多进程 和 多线程（暂时空白） 的方式进行处理。多进程版本（省略了内部函数实现）print("Test Stage")print("test length ", len(testList))#这个test的数据太多了,并且每一个要跟500个model进行计算,所以必须采用

关于浮点数的比较, 比如下面, 当等于0.3的是时候是不想等的,而其他的数值都可以.这是因为0.3在计算机内部转二进制, 然后再转浮点数的时候, 会得到一个 比0.3稍微大一点的数, 所以在浮点数比较的时候一定不要直接比较,而是要加 round(0.3, 1).计算机组成原理已经彻底还给老师了…for i in np.arange(start=0.1, stop=0.5, step=0.1)...

之前遇到过好多各种各样的问题, 特别是在python2下, 先在准备总结, 遇到一个总结一个:unicode 字符在python2下采用 ,在python3下统一为 string 类型. 那么如何在python2下将一句话中的所有unicode字符转化为str类型呢? 下面几种都试试, 不行就直接换python3吧.# 数字true = u'1'print(type(true...

本文主要是记录最基本的用法：def plot_cccs(cccs, target_index): import matplotlib.pyplot as plt # 创建一个图片窗体 plt.figure(figsize=(10, 10)) # 设置横坐标的刻度 plt.xticks(np.arange(len(cccs))) # 先画一...

Normalizer 正则化，跟z-score，对数转换，指数转换 这种数据转换方式不同。 L1 norm 是指对每个样本的每一个元素都除以该样本的L1范数. L2 norm 是指对每个样本的每一个元素都除以该样本的L2范数. bag of words features need to normalize with L1 norm fisher vector features need...

在一些框架中，里边的数据的dtype可能是“|S33”等类型， 当查看每一个元素的类型时显示 “numpy.bytes_”， 这时候如何转化为 str 类型呢？ 将list每一个元素都decode一下就好了： segset = np.array([s.decode(‘UTF-8’) for s in segset])

比如现在有这么一个问题：toolkit --eval_cap --bleu --bleu.pycaption --expr --run1.py要在run1.py中调用bleu.py中的函数，现在需要导入 bleu.py。step1: 首先在 toolkit,eval_cap, bleu **分别** 新建空的 __init

must specify the right dtype !!!aOut[54]: array([1, 2, 3])b = a.tostring()np.fromstring(b)Out[52]: array([ 4.94065646e-324, 9.88131292e-324, 1.48219694e-323]) #Wrong!Out[56]: array([1, 2, 3])

分析VAD情感的数据分布，画出对应的散点图，并在图上标记处每个类别的均值点。import matplotlib.pyplot as pltimport numpy as npfrom mpl_toolkits.mplot3d import Axes3D # 必须要加这个,否则下面的projection会报错＃new_line = re.sub('[,\[\]\n\%\t-]', ' ', lin

h5py需要自己安装，看官方文档吧，装起来可能会遇到很多问题import numpy as npimport scipy.io as scioimport h5pya = np.array([[1,2],[3,4]])# mat typescio.savemat("stat1.mat", {'A':a})data = scio.loadmat("stat1.mat")print type(

也是之前没有好好研究过多维的情况：demo:>>>a = np.array(range(0,12))>>>b = a.reshape((3,4))>>>barray([[ 0, 1, 2, 3], [ 4, 5, 6, 7], [ 8, 9, 10, 11]])>>> np.max(b) #max number11>>> np.max(b, a

这个问题非常非常重要，搞了一晚上都没解决好，但是真的很简单很简单， 如果你也 是用的numpy array, 如果你也想得到输出矩阵的全部内容，而不是省略形式，[[ 0.10284943  0.0959931   0.00076021 ..., -0.01035775  0.02561938   0.09741836] [-0.01446581 -0.0427694 

详情请查看： http://blog.chinaunix.net/uid-27571599-id-3484048.html

最近学习python，看到with的用法，感觉不用try except就ok，但是事实证明并不是这样，如果不用try except，with语句只是帮你关闭没有释放的资源，并且抛出异常，但是后面的语句是不能执行的，所以为了即能够输出我们自定义的错误信息，又能不影响后面代码的执行，必须还得使用try except 语句。但是此时又会问：那使用with ，还有啥用呢？其实还有有用的，不用担心资源没有关

Now,there is a practical function, reduce(arg1,arg2),then we could learn how use this function in a example.#!/usr/bin/env pythondef myadd(x,y): return x+ydef mysub(x,y): return x-ydef m

there are two common input function,it's raw-input() and input(),thier function is receive the input from console ，but they have received and operated the data ,which is different. Then let's discuss

#! /usr/bin/env python# coding = utf-8file_path = "/home/zjm/python_test/file_fold/hello"f = open(file_path,"w") #write mode ,if not exits,then create one filef.write("firstline\n")f.write("secon

the  slice operation consequence is easy.the prototype of the function  is str[start:end:step] .then let's see the  following examples:>>>str1='abcde'>>>str1[1:3]'bc'>>>str1[:]    #defau

今天遇到一个需求，求二维数组的和，尽量在一行代码中完成：   关于二维数组求和的几种方法：   a = [[1,2],[3,4],[5,6]]   1.sum(map(sum,a)) #first, map(func,a) 函数是对a中的每一个元素进行sum操作  解释一下map函数， map(fund, a)   equals  [func(i) fo

>>> import re>>> a = "abc[123]abc">>> b = re.match(r"(.*)\[([^\[\]]*)\](.*)",a,re.I|re.M)>>> b.group()'abc[123]abc'>>> b.group(1)'abc'>>> b.group(2)'123'用python 来实现这段正则中的重点在匹配中括号下面我尽量解释一

本文参考自：http://www.ibm.com/developerworks/cn/opensource/os-cn-python-yield/以斐波那契数列的实现来说明这个问题：demo1:def fab(max): n, a, b = 0, 0, 1 L = [] while n < max: L.append(b)

由于之前深受java思想的洗礼，以至于现在学python满满的还都是抽象抽象抽象，一个简单的日志打印，轻微强迫症的我也必须 写一个通用的日志打印工具类,花费了差不多一天的时间，遇到了很多问题，当然最后都解决了：下面将完整的代码share  to you:#!/usr/bin/pythonimport loggingimport timeimport commands'''func

in the last passage , we hava learned slice operation of consquence , then we will learn the basic operation of consquence.First , part of basic  function is built-in function .Then , if you want