Time of Update: 2018-07-24
#ecoding=utf-8import mathimport reimport csvdef fileREAD(fileURL,access): "傳入檔案路徑,返回隱藏檔內容的二維列表" localArray = [] # 建立一個列表用於隱藏檔內容 csvfile = file(fileURL, access) reader = csv.reader(csvfile) for line in reader:
Time of Update: 2018-07-24
作業系統:Windows Python:3.5 歡迎加入學習交流QQ群:657341423 上節講到資料分析和挖掘需要的庫,其中最主要的是Pandas,Matplotlib。 Pandas:主要是對資料分析,計算和統計,如求平均值,方差等。 Matplotlib:主要結合Pandas產生映像。兩者往往結合使用的。 Pandas: 上圖中針對的是對象為DataFrame或者Series
Time of Update: 2018-07-24
Profile: PyCharm提供了效能分析工具Run-》Profile,如下圖所示。利用Profile工具可以對代碼進行效能分析,找出瓶頸所在。 測試: 下面以一段測試代碼來說明如何使用pycharm的Profile功能。 測試代碼見下文,檔案命名為Test.py, 一共有5個函數,每個函數都調用了time.sleep進行延時,其中fun5函數調用了fun4函數: import timedef fun1(a, b): print('fun1')
Time of Update: 2018-07-24
Seaborn 庫 手冊翻譯 導語: Seaborn其實是在matplotlib的基礎上進行了更進階的API封裝,從而使得作圖更加容易,在大多數情況下使用seaborn就能做出很具有吸引力的圖。我在這裡盡最大的努力對其進行翻譯(統計狗也之前沒看過英文電腦原著。。),方便大家進行查詢~~~詳細介紹可以看seaborn官方API和example gallery 一、風格管理 1、控製圖片的美術風格
Time of Update: 2018-07-24
樣本說明:從一個檔案讀取資料,繪製成散佈圖 #coding:utf-8import matplotlib.pyplot as pltimport numpy as npimport matplotlib as mplmpl.rcParams['font.family'] = 'sans-serif'mpl.rcParams['font.sans-serif'] = 'NSimSun,Times New Roman'x, y = np.loadtxt('data.txt',
Time of Update: 2018-07-24
點擊進入Requests官網 一.安裝Requests 1.$ pip install requests 如果出現錯誤:OSError: [Errno 13] Permission denied: '/Library/Python/2.7/site-packages/requests' 可以在pip前面添加sudo,即$ sudo pip install requests。 2.$ easy_install requests,這種方式不推薦使用。
Time of Update: 2018-07-24
資料預先處理的主要任務有: 一、資料預先處理 1.資料清洗 2.Data Integration 3.資料轉換 4.資料歸約 1.資料清洗現實世界的資料一般是不完整的、有雜訊的和不一致的。資料清理常式試圖填充缺失的值,光滑雜訊並識別離群點,糾正資料中的不一致。 (以上為使用的資料) ①忽略元組:當缺少類標號時通常這樣做。除非元組有多個屬性缺少值,否則該方法不是很有效。 import pandas as pddata=pd.read_csv('
Time of Update: 2018-07-24
Python capitalize()方法 描述 Python capitalize()將字串的第一個字母變成大寫,其他字母變小寫。對於 8 位位元組編碼需要根據本地環境。 文法 capitalize()方法文法:
Time of Update: 2018-07-24
在Python中,定義一個函數要使用def語句,依次寫出函數名、括弧、括弧中的參數和冒號:,然後,在縮排塊中編寫函數體,函數的傳回值用return語句返回。 我們以自訂一個求絕對值的my_abs函數為例: def my_abs(x): if x >= 0: return x else: return -x 請自行測試並調用my_abs看看返回結果是否正確。
Time of Update: 2018-07-24
安裝了pycharm 5.0.1,建立了測試專案,發現python的版本是2.6.9的,系統內建的版本好像是2.7的,為什麼這樣,怎麼切換到2.7 看了一下系統到底裝了些什麼版本 居然有兩個版本 接下來設定解譯器的路徑 Pycharm>Preferences>Build,Excution,Deployment>Console>Python Console 設定External Libraries
Time of Update: 2018-07-24
字串轉化為數字 import stringts = ‘123’num = string.atoi(ts) int(x [,base ]) 將x轉換為一個整數 long(x [,base ]) 將x轉換為一個長整數 float(x )
Time of Update: 2018-07-24
在講爬取淘寶詳情頁資料之前,先來介紹一款 Chrome 外掛程式:Toggle JavaScript (它可以選擇讓網頁是否顯示 js 動態載入的內容),如下圖所示: 當這個外掛程式處於關閉狀態時,待爬取的頁面顯示的資料如下: 當這個外掛程式處於開啟狀態時,待爬取的頁面顯示的資料如下:
Time of Update: 2018-07-24
1. 使用串連符: + world = "World" print "Hello " + world + " ! " 2. 使用預留位置來插入 world = "World" print "Hello %s !" % world 備忘: 列印字串 print ("His name is
Time of Update: 2018-07-24
Python支援多種圖形介面的第三方庫,包括: wxWidgets Qt GTK Tkinter: Tkinter 模組(Tk 介面)是 Python 的標準 Tk GUI 工具包的介面 .Tk 和 Tkinter 可以在大多數的 Unix 平台下使用,同樣可以應用在 Windows 和 Macintosh 系統裡。Tk8.0 的後續版本可以實現本地視窗風格,並良好地運行在絕大多數平台中。
Time of Update: 2018-07-24
最近在學習monkeyrunner,有一點心得,總結出來,純屬個人分析,如果有不準確的地方還請指正 關於monkeyrunner的簡介,E文好的盆友可以到官方網站看看介紹,看E文頭疼的盆友就請參見譯言的中文介紹了,翻譯的很準確 http://article.yeeyan.org/view/37503/164523 本文想要分析一下monkeyrunner和python之間的關係
Time of Update: 2018-07-24
判斷一個數是否是質數,有很多方法,幾乎每一種語言都有關於判斷是否是質數的演算法,今天我向大家分享python中如何判斷一個數字是否是質數: 首先要明白什麼是質數,質數是一個只能被自己和1整除的大於1的正整數。這裡要特別注意是大於1的數字,因為1不是質數。 代碼如下: #從控制台輸入一個數,判斷是否是質數num0=eval(input('請輸入一個數字:'))if num0<=1: print('這不是質數')elif num0==2:
Time of Update: 2018-07-24
提到科學計算,可能大家馬上就想到了matlab,maple等,可能也有人會想到開源的軟體,比如scilab,octave,R,gnuplot等等。 這些軟體都有它們自己的特點,有時候可能只用它的一點功能就要安裝並系統學習它,耗費時間精力甚多。 統一是每個人的夙願,統一的文法讓我們不用為了使用一個工具就去學習它的文法。python各種庫的出現,實現了我們的願望。
Time of Update: 2018-07-24
1.一般請求: <pre name="code" class="python">req = urllib2.Request("http://www.baidu.com")fd = urllib2.urlopen(req)while 1:data = fd.read(1024)if not len(data):breakprint data 2. 認證 (TBD) 3. 表單: GET:1
Time of Update: 2018-07-24
使用Pycharm的筒子們都知道尋找快速鍵是:Ctrl+F,你們知道替換嗎。 查了好久,都沒有替換的快速鍵,偶然發現了竟然是,Ctr+R 個人覺得特別有用的: 替換:Ctrl+R 刪除當前行
Time of Update: 2018-07-24
如何使用發布-訂閱 Redis # -*- coding:utf-8 -*-import redisimport random# publishconn = redis.Redis()sports = ["adidas","nike","reebok","fila"]shirts = ["only","orchily","esprit","