12 2021 档案

建议
摘要:本学期注重实战开发,理论知识相对少一些,由于我们的知识储备有限,很多项目入手较慢有时甚至不知道从哪里下手,面向这些问题希望给老师提一些建议: 首先我们希望老师可以给我们推荐一些适合我们现在阶段应该学习的知识,可以为我们推荐一些技术与框架 希望老师可以多做一些交流的机会,我们想看看大佬现在在学什么或做 阅读全文

posted @ 2021-12-18 00:18 青竹之下 阅读(43) 评论(0) 推荐(0)

spring修改
摘要:、注入空值和特殊符号 <bean id="book" class="com.atguigu.spring5.Book"> <!--(1)null值--> <property name="address"> <null/><!--属性里边添加一个null标签--> </property> <!--(2 阅读全文

posted @ 2021-12-17 23:00 青竹之下 阅读(83) 评论(0) 推荐(0)

python词云
摘要:四行Python代码上手词云制作 1号词云:《葛底斯堡演说》黑色背景词云(4行代码上手) import wordcloud w = wordcloud.WordCloud() w.generate('and that government of the people, by the people, 阅读全文

posted @ 2021-12-16 13:07 青竹之下 阅读(73) 评论(0) 推荐(0)

在Java中调用Python
摘要:直接通过Runtime进行调用 我们知道,在Java中如果需要调用第三方程序,可以直接通过Runtime实现,这也是最直接最粗暴的做法 public class InvokeByRuntime { /** * @param args * @throws IOException * @throws I 阅读全文

posted @ 2021-12-16 13:05 青竹之下 阅读(376) 评论(0) 推荐(0)

python验证码
摘要:在python爬虫爬取某些网站的验证码的时候可能会遇到验证码识别的问题,现在的验证码大多分为四类: 1、计算验证码 2、滑块验证码 3、识图验证码 4、语音验证码 这篇博客主要写的就是识图验证码,识别的是简单的验证码,要想让识别率更高,识别的更加准确就需要花很多的精力去训练自己的字体库。 识别验证码 阅读全文

posted @ 2021-12-15 13:04 青竹之下 阅读(561) 评论(0) 推荐(0)

python绘图05
摘要:.烛柱图 candlestick #!/etc/bin/python #coding=utf-8 import matplotlib.pyplot as plt import matplotlib.finance as mpf start = (2014, 5,1) end = (2014, 7,1 阅读全文

posted @ 2021-12-15 13:02 青竹之下 阅读(74) 评论(0) 推荐(0)

python绘图06
摘要:3.3D 绘图 #!/etc/bin/python #coding=utf-8 import numpy as np import matplotlib.pyplot as plt stike = np.linspace(50, 150, 24) ttm = np.linspace(0.5, 2.5 阅读全文

posted @ 2021-12-15 13:02 青竹之下 阅读(58) 评论(0) 推荐(0)

python绘图04
摘要:直方图 同一个图中堆叠 #!/etc/bin/python #coding=utf-8 import numpy as np import matplotlib as mpl import matplotlib.pyplot as plt np.random.seed(2000) y = np.ra 阅读全文

posted @ 2021-12-15 13:00 青竹之下 阅读(55) 评论(0) 推荐(0)

python绘图03
摘要:左右子图 有时候,选择两个不同的图标类型来可视化数据可能是必要的或者是理想的.利用子图方法: #!/etc/bin/python #coding=utf-8 import numpy as np import matplotlib as mpl import matplotlib.pyplot as 阅读全文

posted @ 2021-12-15 12:59 青竹之下 阅读(57) 评论(0) 推荐(0)

python绘图02
摘要:添加标题和标签 plt.title, plt.xlabe, plt.ylabel 离散点, 线 #!/etc/bin/python #coding=utf-8 import numpy as np import matplotlib as mpl import matplotlib.pyplot a 阅读全文

posted @ 2021-12-15 12:58 青竹之下 阅读(65) 评论(0) 推荐(0)

Python绘图
摘要:a. 一维数据集 用 Numpy ndarray 作为数据传入 ply import numpy as np import matplotlib as mpl import matplotlib.pyplot as plt np.random.seed(1000) y = np.random.sta 阅读全文

posted @ 2021-12-15 12:55 青竹之下 阅读(54) 评论(0) 推荐(0)

docker03
摘要:4.6 查看容器日志 docker logs <参数>容器名|容器id 参数: ①、-f 跟踪日志输出 ②、-t:显示时间戳 ③、--tail N:仅列出最后N条日志 4.7 查看容器进程 docker top 容器ID|容器名 4.8 查看容器信息 docker inspect 容器ID|容器名 阅读全文

posted @ 2021-12-15 12:50 青竹之下 阅读(31) 评论(0) 推荐(0)

docker02
摘要:4.1 新建容器并启动 docker run <参数> 镜像id|镜像名称 参数说明: ①、--name: 为启动容器指定一个名字,注意有两个 --。 ②、-d:表示以后台方式运行,并返回容器ID。 ③、-i:以交互模式运行容器。 ④、-t:为容器重新分配一个伪输入终端。 ⑤、-p: 主机端口:容器 阅读全文

posted @ 2021-12-15 12:49 青竹之下 阅读(46) 评论(0) 推荐(0)

docker01
摘要:假设你想用某个命令,但是又不知道该命令的一些参数怎么用,这时候上面的万能帮助命令就派上用场了。 更有甚者,你连命令也不记得了,那直接输入: docker --help 要是命令行看的太累,没关系,贴心的我给你们找好了官方参考: https://docs.docker.com/engine/refer 阅读全文

posted @ 2021-12-15 12:48 青竹之下 阅读(40) 评论(0) 推荐(0)

pandas_format06
摘要:如何得到按列分组的dataframe的平均值和标准差 df = pd.DataFrame({'col1': ['apple', 'banana', 'orange'] * 2, 'col2': np.random.randint(0,15,6), 'col3': np.random.randint( 阅读全文

posted @ 2021-12-14 11:42 青竹之下 阅读(146) 评论(0) 推荐(0)

pandas_format05
摘要:如何获取dataframe行方向上最大值个数最多的列 df = pd.DataFrame(np.random.randint(1,100, 9).reshape(3, -1)) print(df) # 获取每列包含行方向上最大值的个数 count_series = df.apply(np.argma 阅读全文

posted @ 2021-12-14 11:39 青竹之下 阅读(58) 评论(0) 推荐(0)

pandas_format04
摘要:如何得到列中前n个最大值对应的索引 df = pd.DataFrame(np.random.randint(1, 15, 15).reshape(5,-1), columns=list('abc')) print(df) # 取'a'列前3个最大值对应的行 n = 5 df['a'].argsort 阅读全文

posted @ 2021-12-14 11:37 青竹之下 阅读(90) 评论(0) 推荐(0)

pandas_dataformat03
摘要:如何以dataframe的形式选择特定的列 df = pd.DataFrame(np.arange(20).reshape(-1, 5), columns=list('abcde')) # print(df) # 以dataframe的形式选择特定的列 type(df[['a']]) type(df 阅读全文

posted @ 2021-12-14 11:34 青竹之下 阅读(146) 评论(0) 推荐(0)

pandas_dataformat02
摘要:如何重命名dataframe的特定列 df1 = pd.DataFrame(data=np.array([[18,50],[19,51],[20,55]]),index=['man1','man2','man3'],columns=['age','weight']) print(df1) # 修改列 阅读全文

posted @ 2021-12-14 11:32 青竹之下 阅读(107) 评论(0) 推荐(0)

pandas_dataframe01
摘要:如何从csv文件只读取前几行的数据 # 只读取前2行和指定列的数据 df = pd.read_csv('https://raw.githubusercontent.com/selva86/datasets/master/Cars93_miss.csv',nrows=2,usecols=['Model 阅读全文

posted @ 2021-12-14 11:30 青竹之下 阅读(69) 评论(0) 推荐(0)

pandas_series04
摘要:如何计算两个series之间的欧氏距离 p = pd.Series([1, 2, 3, 4, 5, 6, 7, 8, 9, 10]) q = pd.Series([10, 9, 8, 7, 6, 5, 4, 3, 2, 1]) \# 方法1 sum((p - q)**2)**.5 \# 方法2 np 阅读全文

posted @ 2021-12-14 11:27 青竹之下 阅读(93) 评论(0) 推荐(0)

pandas_series03
摘要:获取series中给定索引的元素(items) ser = pd.Series(list('abcdefghijklmnopqrstuvwxyz')) index = [0, 4, 8, 14, 20] # 获取指定索引的元素 ser.take(index) #> 0 a 4 e 8 i 14 o 阅读全文

posted @ 2021-12-14 11:24 青竹之下 阅读(77) 评论(0) 推荐(0)

pandsa_series02
摘要:如何获得数值series的四分位值 \# 设置随机数种子 state = np.random.RandomState(100) \# 从均值为5标准差为25的正态分布随机抽取5个点构成series ser = pd.Series(state.normal(10, 5, 25)) \# 求ser的四分 阅读全文

posted @ 2021-12-14 11:19 青竹之下 阅读(62) 评论(0) 推荐(0)

pandas_series02
摘要:如何结合多个series组成dataframe # 构建series1 ser1 = pd.Series(list('abcedfghijklmnopqrstuvwxyz')) # 构建series2 ser2 = pd.Series(np.arange(26)) # 方法1,axis=1表示列拼接 阅读全文

posted @ 2021-12-14 11:14 青竹之下 阅读(66) 评论(0) 推荐(0)

pandas_series01
摘要:如何从列表,数组,字典构建series mylist = list('abcedfghijklmnopqrstuvwxyz') # 列表 myarr = np.arange(26) # 数组 mydict = dict(zip(mylist, myarr)) # 字典 # 构建方法 ser1 = p 阅读全文

posted @ 2021-12-14 11:12 青竹之下 阅读(41) 评论(0) 推荐(0)

pandas01
摘要:Pandas 应用 Pandas 的主要数据结构是 Series (一维数据)与 DataFrame(二维数据),这两种数据结构足以处理金融、统计、社会科学、工程等领域里的大多数典型用例。 数据结构 Series 是一种类似于一维数组的对象,它由一组数据(各种Numpy数据类型)以及一组与之相关的数 阅读全文

posted @ 2021-12-14 11:06 青竹之下 阅读(38) 评论(0) 推荐(0)

机器学习 - 标准差
摘要:什么是标准差? 标准差(Standard Deviation,又常称均方差)是一个数字,描述值的离散程度。 低标准偏差表示大多数数字接近均值(平均值)。 高标准偏差表示这些值分布在更宽的范围内。 例如:这次我们已经登记了 7 辆车的速度: speed = [86,87,88,86,87,85,86] 阅读全文

posted @ 2021-12-13 22:39 青竹之下 阅读(416) 评论(0) 推荐(0)

python_迭代器
摘要:我们已经知道,可以直接作用于for循环的数据类型有以下几种: 一类是集合数据类型,如list、tuple、dict、set、str等; 一类是generator,包括生成器和带yield的generator function。 这些可以直接作用于for循环的对象统称为可迭代对象:Iterable。 阅读全文

posted @ 2021-12-12 21:56 青竹之下 阅读(34) 评论(0) 推荐(0)

决策树
摘要:决策树(Decision Tree) 在本章中,我们将向您展示如何制作“决策树”。决策树是一种流程图,可以帮助您根据以前的经验进行决策。 在这个例子中,一个人将尝试决定他/她是否应该参加喜剧节目。 幸运的是,我们的例中人物每次在镇上举办喜剧节目时都进行注册,并注册一些关于喜剧演员的信息,并且还登记了 阅读全文

posted @ 2021-12-11 22:56 青竹之下 阅读(395) 评论(0) 推荐(0)

训练/测试
摘要:评估模型 在机器学习中,我们创建模型来预测某些事件的结果,就像在上一章中当我们了解重量和发动机排量时,预测了汽车的二氧化碳排放量一样。 要衡量模型是否足够好,我们可以使用一种称为训练/测试的方法。 什么是训练/测试 训练/测试是一种测量模型准确性的方法。 之所以称为训练/测试,是因为我们将数据集分为 阅读全文

posted @ 2021-12-11 22:51 青竹之下 阅读(193) 评论(0) 推荐(0)

数据分布
摘要:数据分布(Data Distribution) 在本教程稍早之前,我们仅在例子中使用了非常少量的数据,目的是为了了解不同的概念。 在现实世界中,数据集要大得多,但是至少在项目的早期阶段,很难收集现实世界的数据。 我们如何获得大数据集? 为了创建用于测试的大数据集,我们使用 Python 模块 Num 阅读全文

posted @ 2021-12-11 22:45 青竹之下 阅读(324) 评论(0) 推荐(0)

python_机器学习_平均中位数模式
摘要:均值、中值和众数 从一组数字中我们可以学到什么? 在机器学习(和数学)中,通常存在三中我们感兴趣的值: 均值(Mean) - 平均值 中值(Median) - 中点值,又称中位数 众数(Mode) - 最常见的值 例如:我们已经登记了 13 辆车的速度: speed = [99,86,87,88,1 阅读全文

posted @ 2021-12-11 22:36 青竹之下 阅读(135) 评论(0) 推荐(0)

python_html模板
摘要:Web框架把我们从WSGI中拯救出来了。现在,我们只需要不断地编写函数,带上URL,就可以继续Web App的开发了。 但是,Web App不仅仅是处理逻辑,展示给用户的页面也非常重要。在函数中返回一个包含HTML的字符串,简单的页面还可以,但是,想想新浪首页的6000多行的HTML,你确信能在Py 阅读全文

posted @ 2021-12-11 22:00 青竹之下 阅读(166) 评论(0) 推荐(0)

海龟绘图
摘要:在1966年,Seymour Papert和Wally Feurzig发明了一种专门给儿童学习编程的语言——LOGO语言,它的特色就是通过编程指挥一个小海龟(turtle)在屏幕上绘图。 海龟绘图(Turtle Graphics)后来被移植到各种高级语言中,Python内置了turtle库,基本上1 阅读全文

posted @ 2021-12-11 21:58 青竹之下 阅读(541) 评论(0) 推荐(0)

python_切片
摘要:取一个list或tuple的部分元素是非常常见的操作。比如,一个list如下: >>> L = ['Michael', 'Sarah', 'Tracy', 'Bob', 'Jack'] 取前3个元素,应该怎么做? 笨办法: >>> [L[0], L[1], L[2]] ['Michael', 'Sa 阅读全文

posted @ 2021-12-11 21:45 青竹之下 阅读(369) 评论(0) 推荐(0)

python_返回值
摘要:函数作为返回值 高阶函数除了可以接受函数作为参数外,还可以把函数作为结果值返回。 我们来实现一个可变参数的求和。通常情况下,求和的函数是这样定义的: def calc_sum(*args): ax = 0 for n in args: ax = ax + n return ax 但是,如果不需要立刻 阅读全文

posted @ 2021-12-11 21:43 青竹之下 阅读(133) 评论(0) 推荐(0)

python——map/reduce
摘要:Python内建了map()和reduce()函数。 如果你读过Google的那篇大名鼎鼎的论文“MapReduce: Simplified Data Processing on Large Clusters”,你就能大概明白map/reduce的概念。 我们先看map。map()函数接收两个参数, 阅读全文

posted @ 2021-12-11 21:40 青竹之下 阅读(199) 评论(0) 推荐(0)

python_filter
摘要:Python内建的filter()函数用于过滤序列。 和map()类似,filter()也接收一个函数和一个序列。和map()不同的是,filter()把传入的函数依次作用于每个元素,然后根据返回值是True还是False决定保留还是丢弃该元素。 例如,在一个list中,删掉偶数,只保留奇数,可以这 阅读全文

posted @ 2021-12-11 21:40 青竹之下 阅读(86) 评论(0) 推荐(0)

Python处理pdf文件库
摘要:工作中可能会涉及处理pdf文件,PyPDF2就是这样一个库, 使用它可以轻松的处理pdf文件,它提供了读、写、分割、合并、文件转换等多种操作。官方地址:http://mstamy2.github.io/PyPDF2/ 安装 1. RPM式系统(Redhat、CentOS) pip install p 阅读全文

posted @ 2021-12-11 21:27 青竹之下 阅读(562) 评论(0) 推荐(0)

python3 json数据包含中文的读写问题
摘要:python3 默认的是UTF-8格式,但在在用dump写入的时候仍然要注意:如下 import json data1 = { "TestId": "testcase001", "Method": "post", "Title": "登录测试", "Desc": "登录基准测试", "Url": " 阅读全文

posted @ 2021-12-11 21:04 青竹之下 阅读(192) 评论(0) 推荐(0)

python3
摘要:使用 record() 从文件中获取数据 在解释器会话框键入以下命令来处理 “harvard.wav” 文件的内容: harvard = sr.AudioFile('harvard.wav') >>> with harvard as source: ... audio = r.record(sour 阅读全文

posted @ 2021-12-11 21:01 青竹之下 阅读(153) 评论(0) 推荐(0)

python语音识别2
摘要:识别器类 SpeechRecognition 的核心就是识别器类。 Recognizer API 主要目是识别语音,每个 API 都有多种设置和功能来识别音频源的语音,分别是: recognize_bing(): Microsoft Bing Speech recognize_google(): G 阅读全文

posted @ 2021-12-11 20:58 青竹之下 阅读(272) 评论(0) 推荐(0)

python语音识别入门及实践
摘要:单。阅读本指南,你就将会了解。你将学到: •语音识别的工作原理; •PyPI 支持哪些软件包; •如何安装和使用 SpeechRecognition 软件包——一个功能全面且易于使用的 Python 语音识别库。 选择 Python 语音识别包 PyPI中有一些现成的语音识别软件包。其中包括: •a 阅读全文

posted @ 2021-12-11 20:56 青竹之下 阅读(923) 评论(0) 推荐(0)

Python读取大文件的"坑“与内存占用检测
摘要:Python高级教程- Python进阶|Scrapy教程|Python高级|Python深入 (pythontab.com) python读写文件的api都很简单,一不留神就容易踩”坑“。笔者记录一次踩坑历程,并且给了一些总结,希望到大家在使用python的过程之中,能够避免一些可能产生隐患的代码 阅读全文

posted @ 2021-12-11 15:16 青竹之下 阅读(609) 评论(0) 推荐(0)

Python爬取13个旅游城市
摘要:Python3正则表达式之:(?(id/name)yes-pattern|no-pattern)条件性匹配 1. 用途(?(id/name)yes-pattern|no-pattern)的作用是: 对于给出的id或者name,先尝试去匹配 yes-pattern部分的内容; 如果id或name条件不 阅读全文

posted @ 2021-12-11 15:09 青竹之下 阅读(186) 评论(0) 推荐(0)

Python中lambda表达式的优缺点及使用场景
摘要:lambda表达式是什么? lambda 表达式是 Python 中创建匿名函数的一个特殊语法. 我称 lambda 语法本身为 lambda 表达式,而它返回的函数我称之为 lambda 函数。或者称为匿名函数。 Python 的 lambda 表达式允许在一行代码中创建一个函数并传递。 webs 阅读全文

posted @ 2021-12-11 14:54 青竹之下 阅读(373) 评论(0) 推荐(0)

pycharm导包保存问题
摘要:参考连接:https://blog.csdn.net/weixin_51119842/article/details/110469060 在cmd里面输入:自己解释器的路径 + -m pip install pip==20.2.4 这里做法的主要原因是:pycharm依赖于 --build-dir来 阅读全文

posted @ 2021-12-10 18:33 青竹之下 阅读(72) 评论(0) 推荐(0)

循环渲染
摘要:@Entry @Component struct MyComponent { @State arr: number[] = [10, 20, 30] build() { Column() { Button() { Text('Reverse Array') }.onClick(() => { thi 阅读全文

posted @ 2021-12-09 21:16 青竹之下 阅读(82) 评论(0) 推荐(0)

HarmpnyOS事件配置
摘要:通过事件方法可以配置组件支持的事件。 使用lambda表达式配置组件的事件方法: // Counter is a private data variable defined in the component. Button('add counter') .onClick(() => { this.c 阅读全文

posted @ 2021-12-08 01:11 青竹之下 阅读(90) 评论(0) 推荐(0)

基础使用
摘要:无构造参数配置 例如,以下Divider组件不包含构造参数: Column() { Text('item 1') Divider() // No parameter configuration of the divider component Text('item 2') } 必选参数构造配置 Im 阅读全文

posted @ 2021-12-07 10:00 青竹之下 阅读(74) 评论(0) 推荐(0)

helloworld实例
摘要:// An example of displaying Hello World. After you click the button, Hello UI is displayed. @Entry @Component struct Hello { @State myText: string = ' 阅读全文

posted @ 2021-12-06 21:54 青竹之下 阅读(58) 评论(0) 推荐(0)

方舟开发框架概述
摘要:框架介绍 方舟开发框架,是HarmonyOS的一套UI开发框架,提供开发者进行应用UI开发时所必须的能力。 基本概念 组件:组件是界面搭建与显示的最小单位。开发者通过多种组件的组合,构建出满足自身应用诉求的完整界面。 页面:page页面是方舟开发框架最小的调度分割单位。开发者可以将应用设计为多个功能 阅读全文

posted @ 2021-12-04 10:19 青竹之下 阅读(372) 评论(0) 推荐(0)

环境搭建
摘要:开发之前肯定要搭建环境,做过Java开发的的都知道,安装开发环境,主要的是需要JDK的安装,鸿蒙开发环境比较简单,在安装开发工具的适合会自动安装jdk。 如果你之前做过Java, JDK安装过的不受影响,没有安装的在安装开发工具的时候会自动安装。 有一点需要注意,鸿蒙开发需要安装Node.js,这个 阅读全文

posted @ 2021-12-03 10:27 青竹之下 阅读(92) 评论(0) 推荐(0)

鸿蒙应用开发
摘要:作为一个开发者,在鸿蒙出现的时候都一直关注,真正开源开发的时候 就开始看有关的资料,尝试实现了一个应用端demo的开发。 鸿蒙 OS 开发API:https://developer.harmonyos.c... 鸿蒙 OS 代码仓库:https://openharmony.gitee.com/ 开发 阅读全文

posted @ 2021-12-01 09:36 青竹之下 阅读(190) 评论(0) 推荐(0)