09 2018 档案

摘要:例如 def pv_f(fv,r,n): return fv*(1+r)**n def pv_perpetuity(c,r): return c/r 点击File|New Window 点击File|Save 命名为fin.py 使用命令 from fin import * 就可以调用了 阅读全文
posted @ 2018-09-29 17:20 二师兄不讲英文 阅读(151) 评论(0) 推荐(0)
摘要:1.java和python的区别 1.难易度而言。python远远简单于java。 2.开发速度。Python远优于java 3.运行速度。java远优于标准python,pypy和cython可以追赶java,但是两者都没有成熟到可以做项目的程度。 4.可用资源。java一抓一大把,python很 阅读全文
posted @ 2018-09-29 11:45 二师兄不讲英文 阅读(937) 评论(0) 推荐(0)
摘要:为什么要用labelencoder或者哑变量 使用labelencoder的含义是把字符串等符号性质的标签转化成数字型的,符号形的是不容易识别的; 使用哑变量的含义是说,把具体的特征进行进一步的扩展; 这样做的好处可以进行归一化,并且可以扩充特征; https://blog.csdn.net/pip 阅读全文
posted @ 2018-09-29 11:21 二师兄不讲英文 阅读(470) 评论(0) 推荐(0)
摘要:1.下面代码会输出什么: def f(x,l=[]): for i in range(x): l.append(i*i) print l f(2) f(3,[3,2,1]) f(3) 答案: [0, 1] [3, 2, 1, 0, 1, 4] [0, 1, 0, 1, 4]对于第一种情况,很容易理解 阅读全文
posted @ 2018-09-20 11:28 二师兄不讲英文 阅读(164) 评论(0) 推荐(0)
摘要:https://x-algo.cn/index.php/2017/05/31/2345/ https://distill.pub/2017/ctc/ 两篇比较好的关于CTC模型的文章 阅读全文
posted @ 2018-09-19 14:17 二师兄不讲英文 阅读(249) 评论(0) 推荐(0)
摘要:卷积第一次接触是在数字信号处理那本书里面,当时就学的似懂非懂 后来在概率论中,求两个独立事件的联合概率分布的时候,张宇老师提到过卷积的方式求,当时也懵逼,当时简单理解为卷积就是二重积分; 今天仔细理解之后,可以理解成这样: 假设对于h和f两个函数,自变量为x,在某一时刻,对应的状态为f(x),而对应 阅读全文
posted @ 2018-09-19 10:50 二师兄不讲英文 阅读(422) 评论(0) 推荐(0)
摘要:https://blog.csdn.net/brave_insist/article/details/78731589 阅读全文
posted @ 2018-09-18 14:08 二师兄不讲英文 阅读(70) 评论(0) 推荐(0)
摘要:今天发现一个强大的二维码生成工具包,可以生成自己想要的、自定义图片或者动态图的二维码; 首先安装该工具包: pip install myqr 之后我们就可以来秀操作了! 首先给大家看一案例: 比如我要生成链接到我博客的二维码,仅需要如下代码: 阅读全文
posted @ 2018-09-17 16:08 二师兄不讲英文 阅读(382) 评论(0) 推荐(0)
摘要:SQL语言分为四类: 数据查询语言(DQL) 数据操作语言(DML) 数据定义语言(DDL) 数据控制语言(DCL) 数据查询语言DQL基本结构是由SELECT子句,FROM子句,WHERE子句组成的查询块:SELECT <字段名表>FROM <表或视图名>WHERE <查询条件> 数据操纵语言DM 阅读全文
posted @ 2018-09-17 11:36 二师兄不讲英文 阅读(300) 评论(0) 推荐(0)
摘要:数据库事务的定义:所谓事务,是一个操作序列,这些操作要么全执行,要么不执行,是一个不可分割的工作单位。 数据库事务的ACID特性 1) 原子性Atomicity:事务中的操作要么全执行,要么不执行; 2)一致性Consistency:事务开始之前和事务结束以后,数据库的完整性约束没有被破坏; 3)隔 阅读全文
posted @ 2018-09-17 11:24 二师兄不讲英文 阅读(126) 评论(0) 推荐(0)
摘要: 阅读全文
posted @ 2018-09-11 11:37 二师兄不讲英文 阅读(2204) 评论(0) 推荐(0)
摘要:对于超大规模的csv文件,我们无法一下将其读入内存当中,只能分块一部分一部分的进行读取; 首先进行如下操作: 阅读全文
posted @ 2018-09-11 11:08 二师兄不讲英文 阅读(864) 评论(0) 推荐(0)
摘要:一:通过行标签索引 1.通过行标签索引行数据 index可以为整数 import pandas as pddata = [[1,2,3],[4,5,6]]index = [0,1]columns=['a','b','c']df = pd.DataFrame(data=data, index=inde 阅读全文
posted @ 2018-09-11 10:47 二师兄不讲英文 阅读(2760) 评论(0) 推荐(0)
摘要:使用pandas包进行处理: 1.读取限定列:file = pd.read_csv('demo.csv',usecols=['column1', 'column2', 'column3']) 2.读取限定行: file = pd.read_csv('demo.csv',nrows=1000,usec 阅读全文
posted @ 2018-09-11 09:43 二师兄不讲英文 阅读(1523) 评论(0) 推荐(0)
摘要:eg: s="hello" 想让s变成"Hello",此时可以考虑函数 capitalize() 可以让第一个字母大写 print(s.capitalize()) 阅读全文
posted @ 2018-09-10 17:46 二师兄不讲英文 阅读(924) 评论(0) 推荐(0)
摘要:例如: x=" hello " 此时,如果想去掉hello前后的空格,可以使用函数 strip() z=x.strip() print(z) 得到的结果就是"hello" 阅读全文
posted @ 2018-09-10 17:42 二师兄不讲英文 阅读(443) 评论(0) 推荐(0)
摘要:很简单,举个栗子, 如果import math的话,使用函数的时候必须 math.sqrt(x) 就是必须用包名.函数名 而from..import的话就直接使用函数名就可以了 from math import * 此时可以直接使用 sqrt(x)。 阅读全文
posted @ 2018-09-10 17:29 二师兄不讲英文 阅读(471) 评论(0) 推荐(0)
摘要:最近由于项目需要,学习了语音识别的一些知识。 语音识别最主要的就是傅里叶变化,把变化的时域特征转化成静态的频域特征,进而从频域上来进行声音的提取; 基本思路如下:每一时刻的频域特征可以转化成一个向量,[低频,,,,,,高频] 每一维度为对应的能量特征;这样就可以对声音进行建模了; 刚学习的包: 阅读全文
posted @ 2018-09-05 11:41 二师兄不讲英文 阅读(371) 评论(0) 推荐(0)