摘要: JAVA和Python的类的异同 同 1. 都有 类变量 ,Java中也叫静态变量 2. 都有 构造函数 3. 都有 实例方法 异 1. 语法写的时候Python class名称后面带(),而Java声明类需要指定类的类型 2. java中的 实例变量 需要声明,而Python中不用声明直接在构造函 阅读全文
posted @ 2018-09-06 16:11 nadech 阅读(2783) 评论(0) 推荐(0) 编辑
摘要: FastJson使用 比较关注的是JSON对象和JSON字符串之间的转换 1.FastJson特点 1. FastJson数度快,无论序列化和反序列化,都是当之无愧的fast 2. 功能强大(支持普通JDK类包括任意Java Bean Class、Collection、Map、Date或enum) 阅读全文
posted @ 2018-07-05 14:49 nadech 阅读(150) 评论(0) 推荐(0) 编辑
摘要: https://blog.csdn.net/abc7845129630/article/details/52821734 阅读全文
posted @ 2018-07-02 13:14 nadech 阅读(93) 评论(0) 推荐(0) 编辑
摘要: 工作区 暂存区(stage) 当前分支 参考博客:https://www.liaoxuefeng.com/wiki/0013739516305929606dd18361248578c67b8067c8c017b000 待更。。。 一、创建仓库 1.创建版本仓库,创建一个文件夹 然后 git init 阅读全文
posted @ 2018-06-22 17:19 nadech 阅读(193) 评论(0) 推荐(0) 编辑
摘要: Numpy基础命令速查表 概览 创建数组 打印数组 基本运算 形状操作 索引、切片和迭代 线性代数运算 一、概览 数组的维度和数组的秩 数组的维度减去数组的秩等于数组的自由变量的个数 ndarray.ndim 数组的秩,数组的轴的个数 ndarray.shape 数组的维度 ndarray.size 阅读全文
posted @ 2018-06-20 14:17 nadech 阅读(1244) 评论(0) 推荐(0) 编辑
摘要: 提供推荐——协作型过滤 一、协作型过滤 一个协作型过滤算法通常的做法是对一大群人进行搜索,并从中找出与我们品味相近的一群人。然后对这些人的偏好内容进行考查,并将它们组合起来构造出一个经过排名的推荐列表。 1. 搜集偏好 2. 寻找相近的用户 欧几里得距离评价 皮尔逊相关度评价 3. 为相近用户打分排 阅读全文
posted @ 2018-06-18 18:44 nadech 阅读(487) 评论(0) 推荐(0) 编辑
摘要: 正则入门 1. 元字符及反义 2. 重复 3. 分枝 4. 分组 5. 后向引用 6. 零宽断言 7. 贪婪与懒惰 一、元字符及反向引用 元字符(metacharacter),可以理解为匹配的最小单元 \b 匹配一个位置,它的前一个字符和后一个字符不全是\w . 匹配除了换行符以外的任意字符 \d 阅读全文
posted @ 2018-06-15 19:44 nadech 阅读(159) 评论(0) 推荐(0) 编辑
摘要: pandas基础命令速查表 数据的导入 数据的导出 创建测试对象 数据的查看与检查 数据的选取 数据的清洗 数据的过滤(filter)排序(sort)和分组(group) 数据的连接(join)与组合(combine) 一、数据的导入 pd.read_csv(filename) 导入csv格式文件中 阅读全文
posted @ 2018-06-10 19:25 nadech 阅读(1412) 评论(0) 推荐(0) 编辑
摘要: MarkDown语法 标题 列表 引用 粗体/斜体 链接与图片 代码块 分割线与删除线 代码块与语法高亮 数学公式 1.标题 在文字写书写不同数量的 可以完成不同的标题,如下: 一级标题 二级标题 三级标题 四级标题 五级标题 六级标题 2.列表 无序列表 的使用,在符号“ ”后加空格使用。如下: 阅读全文
posted @ 2018-05-24 15:47 nadech 阅读(185) 评论(0) 推荐(0) 编辑
摘要: 利用Python进行数据分析——pandas入门 基于NumPy建立的 ,``import pandas as pd`` 一、两种数据结构 1.Series 类似于Python的字典,有索引和值 创建Series 不指定索引,默认创建0 N In [54]: obj = Series([1,2,3, 阅读全文
posted @ 2018-05-09 18:56 nadech 阅读(403) 评论(0) 推荐(0) 编辑