# -*- coding:utf-8 -*- # author: import numpy '''ndarray的基本索引''' x = numpy.array([[1,2],[3,4],[5,6]]) print(x[0]) # [1,2] print(x[0][1]) # 2,普通python数组的索引 print(x[0,1]) # 同x[0][1]，ndarray数组的索引 x = num
wo56565
2019-07-18
# -*- coding:utf-8 -*- # author: import numpy '''ndarray数组与标量/数组的运算''' x = numpy.array([1,2,3]) print(x*2) print(x>2) y = numpy.array([3,4,5]) print(x y) print(x>y)
wo56565
2019-07-18
# -*- coding:utf-8 -*- # author: import numpy x = numpy.array([1,2.6,3],dtype = numpy.int64)#生成指定元素类型的数组:设置dtype属性 x = numpy.array([1,2,3],dtype = numpy.float64) print(x )# 元素类型为float64 print(x.dtype
wo56565
2019-07-18
# -*- coding:utf-8 -*- # author: import numpy data = [1,2,3,4,5,6] x = numpy.array(data)#列表生成一维数组 print(x)#打印数组 print(x.dtype)#打印数组元素的类型 data = [[1,2],[3,4],[5,6]] x = numpy.array(data)#列表生成二维数组 prin
wo56565
2019-07-18
NumPy(Numerical Python) 是 Python 语言的一个扩展程序库，支持大量的维度数组与矩阵运算，此外也针对数组运算提供大量的数学函数库。 NumPy 的前身 Numeric 最早是由 Jim Hugunin 与其它协作者共同开发，2005 年，Travis Oliphant 在 Numeric 中结合了另一个同性质的程序库 Numarray 的特色，并加入了其它扩展而开发了
wo56565
2019-07-18
面向对象是相对于面向过程的一种编程方式。 面向过程的编程方式由来已久，我刚开始学习Basic和Pascal的时候，都是面向过程的编程方式。这种方式非常的直观，需要写一个功能，直接就写几行实现方法。比如你需要操作一个人移动到某个点，直接就写代码修改一个人的坐标属性，逐格的让他移动到目标点就行了。 面向对象的编程方式，操作的是一个个的对象，比如你还是需要操作一个人的移动，你需要先实例化那个人的一个
wo56565
2019-07-12
不像C ，我们在Python中没有?:，但我们有这个： [on true] if [expression] else [on false] 如果表达式为True，就执行[on true]中的语句。否则，就执行[on false]中的语句。 下面是使用它的方法： >>> a,b=2,3 >>> min=a if a>> min 运行结果： 2 >>> print("H
wo56565
2019-07-12
生成器函数严格意义来说只是一种形式象函数但世界为生成器的特殊类型，二者相同点如下： 1、二者的定义格式相同，都是使用def语句； 2、二者都可以有return语句，也可以没有； 3、二者的函数体格式相同。 差异点如下： 1、生成器函数中主要使用yield返回数据，而函数主要使用return返回数据； 2、二者返回值不同，函数可以根据需要返回任何类型，生成器函数执行返回的是一个生成器； 3、函数除
wo56565
2019-07-08
Python使用生成器对延迟操作提供了支持。所谓延迟操作，是指在需要的时候才产生结果，而不是立即产生结果。这有利于节省内存，特别是生成器进行科学计算时很有用； 生成器就是迭代器，除了next方法外，也可以通过for循环来遍历出生成器中的内容； 生成器除了前面介绍的__next__、send方法外，还有throw、close方法： a) throw(type[, value[, traceback]
wo56565
2019-07-08
生成器函数是一种语句中包含yield关键词的特殊的函数，它本身是一个迭代器，外部需要访问该迭代器数据的代码通过调用next函数（或迭代器的__next__方法）或send方法，触发函数执行计算并通过yield返回一个计算结果数据，返回数据后该函数立即停止执行，函数状态会保存在本地变量中，直到外部下次调用再激活，从上次停止执行部分开始执行。 1、 关于生成器函数与调用方的执行过程解析 生成器函数定
wo56565
2019-07-08
生成器表达式是通过一个Python表达式语句去计算一系列数据，但生成器定义的时候数据并没有生成，而是返回一个对象，这个对象只有在需要的时候才根据表达式计算当前需要返回的数据： 生成器表达式来源于迭代和列表解析（列表解析后面章节介绍）的组合，生成器和列表解析类似，但是它使用小括号而不是中括号。生成器返回按需产生结果的一个对象，而不是一次构建一个结果列表； 生成器表达式的语法如下： (expr fo
wo56565
2019-07-08
生成器是一个特殊的迭代器，它保存的是算法，每次调用next()或send()就计算出下一个元素的值，直到计算出最后一个元素，没有更多的元素时，抛出StopIteration。生成器有两种类型，一种是生成器表达式(又称为生成器推导)，一种是生成器函数。
wo56565
2019-07-08
目标变量可以采用一组离散值的树模型称为分类树(常用的分类树算法有ID3、C4.5、CART) 而目标变量可以采用连续值（通常是实数）的决策树被称为回归树(如CART算法)。
wo56565
2019-07-04
1. ID3算法在选择根节点和内部节点中的分支属性时，采用信息增益作为评价标准。信息增益的缺点是倾向于选择取值较多是属性，在有些情况下这类属性可能不会提供太多有价值的信息。 2. ID3算法只能对描述属性为离散型属性的数据集构造决策树 。
wo56565
2019-07-04
机器学习中，决策树是一个预测模型；他代表的是对象属性与对象值之间的一种映射关系。树中每个节点表示某个对象，而每个分叉路径则代表的某个可能的属性值，而每个叶结点则对应从根节点到该叶节点所经历的路径所表示的对象的值。决策树仅有单一输出，若欲有复数输出，可以建立独立的决策树以处理不同输出。数据挖掘中决策树是一种经常要用到的技术，可以用于分析数据，同样也可以用来作预测。 决策树是一种简单常用的分类器，通过
wo56565
2019-07-04
也有人问过我，抽象是怎样做到的，比如，他写代码都是按功能先写了类，然后发现类有很多可以重用的地方，再提取成接口，原来的类就变成基类，然后再继承，等等。不是说一般开发都需要围绕接口来开展吗？着好像有点矛盾了。 对于这个问题，我只能谈谈我自己的经验。 按照统一建模语言的理论，其实在实际使用某种语言编写功能之前，应该是有设计阶段的。这个阶段只是弄清楚业务的参与者、边界、业务主体、业务工人等元素，然后
wo56565
2019-07-04
1、封装： 对于一般人来说，银行的印象就只有一排对外办公的窗口，然后有存款和取款2种基本业务。 银行是一个结构非常复杂，功能非常众多的机构。但实际上，我们并不会很关心它的内部是怎样运作的，比如银行的员工是怎样数钱的，怎样记录存款，怎样开保险柜，等等。这些对于外部的人员来说，知道了可能会引起更多不必要的麻烦。所以银行只需要告诉你，你可以在这个窗口办理业务，可以存款和取款，就够了。 所谓的封装，
wo56565
2019-07-04
from functools import wraps def singleton(cls): """装饰类的装饰器""" instances = {} @wraps(cls) def wrapper(*args, **kwargs): if cls not in instances: instances[cls] = cl
wo56565
2019-07-02
将函数视为“一等公民” 函数可以赋值给变量 函数可以作为函数的参数 函数可以作为函数的返回值 高阶函数的用法（filter、map以及它们的替代品） items1 = list(map(lambda x: x ** 2, filter(lambda x: x % 2, range(1, 10)))) items2 = [x ** 2 for x in range(1, 10) if x % 2]
wo56565
2019-07-02
# 公鸡5元一只 母鸡3元一只 小鸡1元三只 # 用100元买100只鸡 问公鸡/母鸡/小鸡各多少只 for x in range(20): for y in range(33): z = 100 - x - y if 5 * x + 3 * y + z // 3 == 100 and z % 3 == 0: print(x, y,
wo56565
2019-07-02
