数学专业。擅数据分析,涉stock、lotto。了解随机过程分析、神经网络。涉web前端、后端。了解vba、js,稍擅python
一、sqlite3日期数据类型,默认用datetime解析(根据stackflow) 使用时注意三点: 1. 创建表时,字段 DT 的类型为 date 2. 插入数据时,DT字段直接为 str 类型 3.
连接 import sqlite3 con = sqlite3.connect(":memory:") c = con.cursor() # Create table c.
import sys from PyQt5 import QtWidgets, QtCore class MyWidget(QtWidgets.QWidget): def __init__(self, i=0): super().
import sys from PyQt5.QtGui import QIcon from PyQt5.QtWidgets import QMainWindow, QMenuBar, QToolBar, QTextEdit, QAction, QApplication, qApp, QMessageBox from PyQt5.
本文目的:展示 PyQt5 结合 matplotlib 时,如何显示其 NavigationToolbar。 本人搜遍所有网络无果,没办法,查看PyQt5源代码,最终才搞明白。。。特此留记。 〇、PyQt4 与 PyQt5 导入 NavigationToolbar 时的区别(去掉两个agg) # PyQt4 版本(网传) #from matplotlib.
from tkinter import * import threading, time trace = 0 class CanvasEventsDemo: def __init__(self, parent=None): canvas =...
所用的图片: import tkinter as tk from tkinter import messagebox, filedialog, simpledialog, colorchooser from tkinter...
0、如果点击按钮,运行了一个比较耗时的操作,那么界面会卡死 import tkinter as tk import time def onclick(text, i): time.
来自 http://datartisan.com/article/detail/74.html 导语: 提升一个模型的表现有时很困难。如果你们曾经纠结于相似的问题,那我相信你们中很多人会同意我的看法。
作者:Edwin Jarvis 特征选择(排序)对于数据科学家、机器学习从业者来说非常重要。好的特征选择能够提升模型的性能,更能帮助我们理解数据的特点、底层结构,这对进一步改善模型、算法都有着重要作用。
转载自:简书主页(http://www.jianshu.com/users/2bd9b48f6ea8/latest_articles) 引言 对于一些开始搞机器学习算法有害怕下手的小朋友,该如何快速入门,这让人挺挣扎的。
sklearn Table of Contents 1. Overview 2. Building Blocks 3. Supervised Learning 3.1. Support Vector Machines 3.
逆波兰式,也叫后缀表达式 技巧:为简化代码,引入一个不存在的运算符#,优先级最低。置于堆栈底部 class Stack(object): '''堆栈''' def __init__(self): self.
在类里弄一个闭包出来 很多资料上说,类内部的变量有两种。 按定义所在的位置,分__init__上方的和__init__下方的 按内存所在的位置,分类的和实例的,或者说公共的和私有的 现在,我想在类里定义一个保存实例个数的变量 x,如下: >>> class Foo: .
用 threading.Event() 也可以实现生产者/消费者模式 (自己拍脑袋想出来的,无法知道其正确性,请大神告知为谢!) import threading import time import random products = 20 class Producer(threading.
我们已经知道,对公共资源进行互斥访问,可以使用Lock上锁,或者使用RLock去重入锁。 但是这些都只是方便于处理简单的同步现象,我们甚至还不能很合理的去解决使用Lock锁带来的死锁问题。
import threading import time import random class Worker(threading.Thread): '''售票员''' def __init__(self, wait_num=5, index=0): super().
线程的私有命名空间实现: threading_namespace = threading.local() import threading import time import random threading_namespace = threading.
锁是什么?什么场合使用锁? 锁是一种机制,用于保护那些会引起冲突的资源。 比如上厕所,进去之后第一件事干嘛?把厕所门反锁!表示什么呢?表示这个厕所正在使用中! 至于在厕所里面干大事、干小事、还是打飞机,都可以! 完事之后干嘛?把厕所门打开!表示什么呢?那谁,你可以进来打飞机了。
本文对不使用线程和使用线程做了一个对比。 假设有两件事情:听歌、看电影 一、不用线程 import time songs = ['爱情买卖','朋友','回家过年','好日子'] movies = ['阿凡达','猩球崛起'] def music(songs): f...
PyQt 的很多类都内置了信号和槽。下图是 Qt 官方文档对 QThread 类中包含的信号/槽的描述: 一、信号/槽 都是内置的 请看一个最简单的程序: 按钮点击后,窗口关闭 代码: class Test(QDialog)...
本文基于:windows 7 + python 3.4 知识点: 1. 将 time.sleep 替换为 QTimer 2. 将 time.sleep 放入到 QThread 3. 使用 QThread 自己的 sleep 方法 我们希望实现一个这样的小程序: 当点击开始按钮的时候,下面的文本标签每隔一秒自动加1。
本文实现了PyQt5个各种弹出窗口:输入框、消息框、文件对话框、颜色对话框、字体对话框、自定义对话框 其中,为了实现自定义对话框的返回值,使用了信号/槽 本文基于 windows 7 + python 3.
如前一篇笔记,我们还是只讨论两层嵌套布局的情况。 前面的布局有一个缺点:有三个内层布局,则需要三个空部件。那若有十个内层布局呢?显然会让人不舒服。 刚才在玩 Qt Designer 时,发现了一个更好的办法,不管有多少个内层布局,只需要一个空部件。
PyQt5 有四种布局:水平(QHBoxLayout)、竖直(QVBoxLayout)、网格(QGridLayout)、表单(QFormLayout)在窗体中单一的布局应该不难,但若是比较复杂的布局,一般涉及到布局的嵌套,这就头疼了。
有些场合,我们需要对数据可视化。单是靠 tkinter 难度太大,而且做出来的效果不一定理想。 此时,将 tkinter 与 matplotlib 结合,是最好的选择。 知识点: 将 tkinter 与 matplotlib 结合的整个套路是固定的,只需要关心我们的绘图逻辑和程序逻辑即可 import matplotlib matplotlib.
知识点: 使用 tkinter.Frame.tkraise() 函数去提升当前 tkinter.Frame 的 z 轴顺序,使得多个 tkinter.Frame 的可见性得以切换 本文基于:win7 + python34 1 2 3 4 5 import matplotlib matplotlib.
由于要用到文件对话框和消息对话框,所以先给出下面的列表。 py2 与 py3 中 tkinter 的变化: Tkinter → tkinter tkMessageBox → tkinter.
PyQt实现界面与逻辑分离的设计很是方便,详情可以见我的第一篇博文。 不过本文将使用python的标准库 tkinter,来实现界面与逻辑分离的GUI 设计。 我们来设计一个很简单的程序: 目的:长度单位英尺(feet)到米(meter)的转化 实现:输入框输入英尺(feet),标签显示对应的长度米(meter)。
目的: 给表达式 '10+6/5-4*2' 中每个运算符左右都加一个空格字符,变成:'10 + 6 / 5 - 4 * 2' 思路: 分组、捕获、替换 1. 替换字符中含参数 \1 (此处不能叫参数,想不到叫什么,那就不管它~~) >>> bds = '10+6/5-4*2' # 表达式 >>> m = re.
下午,看到堆栈的内容。于是上机实验了一番 >>> bds = '10+6/5-4*2' # 数学运算表达式 想用 findall 把运算符号提取出来 >>> import re >>> m = re.
kallan兄弟,你好。 我前几天好像在matplotlib的示例中见过类似的例子,不过那个好像是三维的。 看到你的问题后回去找了下,没找到。然后我想了下,这的问题本质就是在figure上显示文字。
一、装饰器无参数 1.原函数无参数 def wrap_in_tag_b(fn): # wrap_in_tag_b 是真正的装饰器 def wrapped(): return "" + fn() + "" return wrapped def wra...
效果图: 代码: import numpy as np import matplotlib.pyplot as plt '''调整 matplotlib 子图的大小''' x1 = np.
这几天在看 sklearn 的文档,发现他的分类器有很多,这里做一些简略的记录。 大致可以将这些分类器分成两类: 1)单一分类器,2)集成分类器 一、单一分类器 下面这个例子对一些单一分类器效果做了比较 from sklearn.
凯利公式的模拟验证 场景:一个赌局,你跟庄家。你出 1 元,庄家出 0.96元。赌金数目可随之翻倍。 根据每次抛色子的结果的单双决定胜负。 胜者得到双方所下的赌金,计 1.96 元。
这篇文章我们玩玩numpy的数值数据类型转换 导入numpy >>> import numpy as np 一、随便玩玩 生成一个浮点数组 >>> a = np.
一、特点: 0.无监督的神经网络 1.基于梯度下降 2.固定学习速率 3.离线学习(批量学习)4.隐藏层数目范围:[1, +∞) 4.可以选择激活函数类型 5.numpy的矩阵运算(黑科技)6.友好的 API (高仿sklearn, 没办法,太好用了 ^_^!!!)7.测试用到了sklearn库的datasets获取数据,未安装的朋友pip安装即可8.神经网络学习过程的形象描述:正向传播、反向传播像海浪一样来回冲刷权值W与偏置b9.用数组的形式实现各层的权值(矩阵)和偏置(向量),其好处是可以用循环来处理各个层。
用numpy可以灵活定义神经网络结构,还可以应用numpy强大的矩阵运算功能! 一、用法 1). 定义一个三层神经网络: '''示例一''' nn = NeuralNetworks([3,4,2]) # 定义神经网络 nn.
import urllib.request import requests from io import StringIO import numpy as np import pandas as pd ''' 下载网络文件,并导入CSV文件作为numpy的矩阵 ''' # 网络数据文件地址 url = "http://archive.
sklearn 是 python 下的机器学习库。 scikit-learn的目的是作为一个“黑盒”来工作,即使用户不了解实现也能产生很好的结果。 其功能非常强大,当然也有很多不足的地方,就比如说神经网络就只有一个RBM(不是人民币哈)。
matplotlib有一个finance子模块提供了一个获取雅虎股票数据的api接口:quotes_historical_yahoo_ochl 感觉非常好用! 示例一 获取数据并作折线图 import matplotlib.
以下代码在 python 3.5 + jupyter notebook 中运行测试无误! # 我们爬取网页的目的,无非是先定位到DOM树的节点,然后取其文本或属性值 myPage = ''' TITLE 我的博客 ...
【原文地址:】http://python.jobbole.com/83588/ import requests from lxml import html # 创建 session 对象。
一、多线程 import threading from time import ctime,sleep def music(func): for i in range(2): print("I was listening to %s.
''' 得到当前页面所有连接 ''' import requests import re from bs4 import BeautifulSoup from lxml import etree from selenium import webdriver url = 'http://www.
转载说明: 原文地址:http://my.oschina.net/alazyer/blog/223354 原文有十处左右的错误,修正后转载于此。 经验证,python 3.4.3下可用。请各位朋友明察。
from lxml import etree #####################基本用法: ##################### html = ''' 登录 用户: 密码: ''' # 生成DOM dom = etree.
我的环境是windows7 + python34 + django1.8 下面两篇文章提到了django的scaffold,感觉是一个挺不错的功能: Django实战(3):Django也可以有scaffold Django1.5+Python3.3下groundwork的使用 于是去Github下载了django-groundwork(居然是四年以前更新过-_-!!!),解压后复制整个django-groundwork文件夹到当前项目文件夹下。
【转载说明:原文排版不是很好,为方便阅读,改进了排版】 django的表单设计真的很棒,涉及非常多的功能,今天介绍django较为主流的几种表单使用方法。注:本文中表单与form通用、模型与model通用。