方法1（推薦）：在Python中，F(xiàn)alse,0,’’,[],{},()都視為假，因此可以直接進(jìn)行邏輯運(yùn)算。此方法效率最高。方法2：調(diào)用len方法，查看元素個(gè)數(shù)是否為0。此方法效率較低。方法3：讓解釋器再生成一個(gè)空列表，并將這個(gè)空列表與list_temp進(jìn)行比較。此方法效率最低。list_temp=[]print('方法1（推薦）：在Python中，F(xiàn)alse,0,'',[],{},()都視為假，因此可以直接進(jìn)行邏輯運(yùn)算。此方法效率最高。')iflist_
系統(tǒng) 2019-09-27 17:53:00 2041
今天測(cè)試用了一下python爬取百度云網(wǎng)盤資源.代碼片段importurllibimporturllib.requestimportwebbrowserimportredefyunpan_search(key):keyword=keykeyword=keyword.encode('utf-8')keyword=urllib.request.quote(keyword)url="http://www.wangpansou.cn/s.php?q="+keywo
系統(tǒng) 2019-09-27 17:51:53 2041
使用方法importwebclassUserModel(web.Model):username:strpassword:strclassIndex:asyncdefget(self,name):returnf"Hello,{name}!"if__name__=='__main__':urls={"/{name}",Index,"/users",UserModel,}app=web.Application(urls)app.run()
系統(tǒng) 2019-09-27 17:51:49 2041
前言想要提升一下shell的效率，因此按照這篇文章進(jìn)行zsh的配置，并且在完成oh-my-zsh安裝之后，原本的terminal也可以進(jìn)行一些指令的補(bǔ)全了。但是在運(yùn)行python的時(shí)候發(fā)現(xiàn)只能打開python2.7了，python3指令失效。解決方案我是使用的anaconda作為python環(huán)境管理，之前下載好anaconda之后是直接切換到python3環(huán)境的，簡(jiǎn)而言之本來命令python是直接啟動(dòng)python3的。因此將anaconda路徑放入zsh配
系統(tǒng) 2019-09-27 17:50:42 2041
開發(fā)工具：pycharm簡(jiǎn)單實(shí)現(xiàn)session的登錄注銷功能Django配置好路由分發(fā)功能默認(rèn)session在Django里面的超時(shí)時(shí)間是兩周使用request.session.set_expiry(60)設(shè)置超時(shí)時(shí)間，以秒為單位在Django配置文件里配置session鏈接https://www.jb51.net/article/166988.htmurlpatterns=[path('admin/',admin.site.urls),path('app
系統(tǒng) 2019-09-27 17:50:10 2041
2019-09-19-22:11:33今天是自學(xué)Python的第九天學(xué)的內(nèi)容是有關(guān)文件操作的,如:r、w、a、rb、wb、ab、r+、w+、a+等有大牛幫我看一下我的代碼第一個(gè)有沒有什么弊端嗎？我感覺好像沒有，但是看視頻時(shí)，說不建議這樣做一.重要知識(shí)點(diǎn)文件操作:1.r讀取完的文件句柄?定要關(guān)閉.f.close()2.w寫的時(shí)候注意.如果沒有文件.則會(huì)創(chuàng)建文件,如果文件存在.則將原件中原來的內(nèi)容刪除,再寫入新內(nèi)容寫入是從光標(biāo)處開始寫入3.a此模式下,寫入的內(nèi)
系統(tǒng) 2019-09-27 17:49:46 2041
配置Pytorch的環(huán)境，我自己著實(shí)花了很久的時(shí)間，遇到了很多的問題，問了讓大家少走彎路，我這邊寫一下一個(gè)成功的案例。這邊先要感謝一下兩位博主的文章。在RaspberryPi上編譯PyTorchPytorchonRaspberryPi前人種樹后人乘涼，希望我的文章也能幫助到一些人。首先樹莓派上面是自帶了Python2.7的版本的，由于我們這邊是要在Python3.5上面配置Pytotch，所以我們先安裝一下Python3。sudoaptinstallpyt
系統(tǒng) 2019-09-27 17:48:47 2041
實(shí)際上這是一種誤讀，read()并不是只能生效一次。之所以會(huì)有之生效一次的誤解是因?yàn)樵谝呀?jīng)read完所有的字符后，沒有重新打開(open)就接著進(jìn)行了下一次read，此時(shí)指針已經(jīng)移到了字符串末尾，所以不再能讀取出任何字符了。'''【思考】：下面的代碼會(huì)讀出什么？'''a=f.read()b=f.read(-1)c=f.read(10)print(a)print(b)print(c)'''乍一看，會(huì)讀出如下數(shù)據(jù)：thisisatestforthefuncti
系統(tǒng) 2019-09-27 17:48:35 2041
問題：例如我們要選從不同省份選取一個(gè)號(hào)碼，每個(gè)省份的權(quán)重不一樣，直接選隨機(jī)數(shù)肯定是不行的了，就需要一個(gè)模型來解決這個(gè)問題。簡(jiǎn)化成下面的問題：字典的key代表是省份，value代表的是權(quán)重，我們現(xiàn)在需要一個(gè)函數(shù)，每次基于權(quán)重選擇一個(gè)省份出來{"A":2,"B":2,"C":4,"D":10,"E":20}解決：這是能想到和能看到的最多的版本，不知道還沒有更高效好用的算法。#!/usr/bin/envpython#-*-coding:utf-8-*-#pyth
系統(tǒng) 2019-09-27 17:48:34 2041
目錄一、安裝模塊二、greenlet實(shí)現(xiàn)狀態(tài)切換三、效率對(duì)比一、安裝模塊安裝：pip3installgreenlet二、greenlet實(shí)現(xiàn)狀態(tài)切換fromgreenletimportgreenletdefeat(name):print('%seat1'%name)g2.switch('nick')print('%seat2'%name)g2.switch()defplay(name):print('%splay1'%name)g1.switch()pri
系統(tǒng) 2019-09-27 17:46:57 2041
一、安裝python31、安裝依賴包yuminstallzlib-develbzip2-developenssl-develncurses-develsqlite-develreadline-develtk-develgcc*make-y2、下載python安裝包wgethttps://www.python.org/ftp/python/3.5.2/Python-3.5.2.tar.xz這里下載安裝python3.5.2的原因主要是由于后期結(jié)合Django
系統(tǒng) 2019-09-27 17:46:52 2041
這樣某一個(gè)特征只有0和1兩種取值，數(shù)據(jù)集有三個(gè)類別。當(dāng)取0的時(shí)候，假如類別A有20個(gè)這樣的個(gè)體，類別B有60個(gè)這樣的個(gè)體，類別C有20個(gè)這樣的個(gè)體。所以，這個(gè)特征為0時(shí)，最有可能的是類別B，但是，還是有40個(gè)個(gè)體不在B類別中，所以，將這個(gè)特征為0分到類別B中的錯(cuò)誤率是40%。然后，將所有的特征統(tǒng)計(jì)完，計(jì)算所有的特征錯(cuò)誤率，再選擇錯(cuò)誤率最低的特征作為唯一的分類準(zhǔn)則――這就是OneR。現(xiàn)在用代碼來實(shí)現(xiàn)算法。#OneR算法實(shí)現(xiàn)importnumpyasnpfro
系統(tǒng) 2019-09-27 17:38:20 2041
python的多進(jìn)程性能要明顯優(yōu)于多線程，因?yàn)閏python的GIL對(duì)性能做了約束。Python是運(yùn)行在解釋器中的語言，查找資料知道，python中有一個(gè)全局鎖（GIL），在使用多進(jìn)程(Thread)的情況下，不能發(fā)揮多核的優(yōu)勢(shì)。而使用多進(jìn)程(Multiprocess)，則可以發(fā)揮多核的優(yōu)勢(shì)真正地提高效率。對(duì)比實(shí)驗(yàn)資料顯示，如果多線程的進(jìn)程是CPU密集型的，那多線程并不能有多少效率上的提升，相反還可能會(huì)因?yàn)榫€程的頻繁切換，導(dǎo)致效率下降，推薦使用多進(jìn)程；如果
系統(tǒng) 2019-09-27 17:56:12 2040
利用map()函數(shù)，把用戶輸入的不規(guī)范的英文名字，變?yōu)槭鬃帜复髮懀渌懙囊?guī)范名字。思路：使用capitalize()函數(shù)將字符串的首字母轉(zhuǎn)為大寫，其余變?yōu)樾慙1=['AdmIn','anny','LUCY','sandY','wILl']defnormallize(name):returnname.capitalize()L2=list(map(normallize,L1))print(L2)打印如下：['Admin','Anny','Lucy','
系統(tǒng) 2019-09-27 17:54:08 2040
首先，看看本文所面向的應(yīng)用場(chǎng)景：我們有一個(gè)數(shù)據(jù)集df，現(xiàn)在想統(tǒng)計(jì)數(shù)據(jù)中某一列每個(gè)元素的出現(xiàn)次數(shù)。這個(gè)在我們前面文章《如何畫直方圖》中已經(jīng)介紹了方法，利用value_counts()就可以實(shí)現(xiàn)（具體回看文章）但是，現(xiàn)在，我們考慮另外一個(gè)場(chǎng)景，我們假如要想統(tǒng)計(jì)其中兩列元素出現(xiàn)次數(shù)呢？舉個(gè)栗子：在df數(shù)據(jù)集中，如果我們想統(tǒng)計(jì)A、B兩列的元素的出現(xiàn)情況，也就是說，得到如下表。從上面的最后一列可以看到，在A、B兩列中，12出現(xiàn)了2次，14出現(xiàn)1次，16出現(xiàn)1次，23
系統(tǒng) 2019-09-27 17:54:01 2040
