weixin_44183162的博客

原创 Python复习Xmind

原创 KNN，Kmeans，贝叶斯，决策树总结

KNN算法（监督学习，适用于少量数据）kNN思想该算法的思想是：一个样本与数据集中的k个样本最相似，如果这k个样本中的大多数属于某一个类别，则该样本也属于这个类别。（1）KNN属于惰性学习（lazy-learning）这是与急切学习（eager learning）相对应的，因为KNN没有显式的学习过程！也就是说没有训练阶段，从上面的例子就可以看出，数据集事先已有了分类和特征值，待收到新样本...

原创 Tesorflow实现一元线性回归

import tensorflow as tf# tf.app.flags.DEFINE_integer("train_step",100,"训练步数")# tf.app.flags.DEFINE_string("model_dir"," ","模型目录")### FLAGS =tf.app.flags.FLAGSclass MyLinearRegression(object):...

原创 决策树之实现

import pandas as pdfrom sklearn.feature_extraction import DictVectorizerfrom sklearn.tree import DecisionTreeClassifierfrom sklearn.model_selection import train_test_split##http://biostat.mc.van...

原创 贝叶斯分类——分词实例(停用词)

import pandas as pddata_origin = pd.read_csv('data.csv',encoding = 'gbk')#打开停用词文件with open('stopwords.txt','r',encoding = 'utf-8') as fp: stop_words = fp.readlines() #返回列表#通过map函数将空格去掉，再用map...

转载 Mongodb之基本操作Xmind（转）

转载 Linux之基本操作Xmind（转）

原创 MYSQL基本操作之Xmind

感谢晓宇分享

原创 Pandas之数据清洗xmind

4月23日改

原创 Pandas之xmind图

修改于2019年4月24日：二次修改

原创 matplotlib之绘制柱状图,直方图，饼图

import matplotlib.pyplot as pltimport numpy as npdata = np.load("国民经济核算季度数据.npz")values = data['values']columns = data['columns']plt.rcParams['font.sans-serif'] = 'SimHei' #仿宋plt.rcParams['ax...

原创 matplotlib之添加子图

import matplotlib.pyplot as pltimport numpy as nprad = np.arange(0,np.pi*2 + 0.1 , 0.1)#siny = np.sin(rad)#画布p1 = plt.figure(figsize = (8,6),dpi = 80) #figsize画布大小 ， dpi指分辨率plt.title('sin/co...

原创 matplotlib包基本操作附带xmind

import matplotlib.pyplot as pltimport numpy as npx = np.arange(0,1.1,0.1)y = 2*x + 1y1 = x**2 - 1#1创建画布plt.figure()#修改参数plt.rcParams[‘font.sans-serif’] = ‘SimHei’ #仿宋plt.rcParams[‘axes.unico...

原创 numpy之数组统计函数（排序，去重，方差，标准差等）

import numpy as np#排序arr = np.random.randint(1,10,size=10)arr.sort() #sort() 没有返回值，排序完直接调用；sorted()有返回值print("排序后"，arr)arr1 = np.random.randint(1,10,size = (3,3))print(arr1)arr1.sort()print...

原创 numpy中的文件读取

import numpy as nparr = np.arrange(100).reshape((10,10))np.save('arr',arr)#.npy是一个二进制文件，存放的是一个数组； 文件可以不声明后缀arr2 = np.arange(100).reshape((20,5))np.savez('arr2',arr2)#返回的是np2文件：是一个二进制文件#读取文件：...

原创 numpy之矩阵基本操作（加减乘，转置，求逆）

import numpy as np#矩阵创建matrix1 = np.mat(“1 2 3;4 5 6;7 8 9”)print(matrix1,type(matrix1))matrix2 = np.matrix([[1,2,3],[4,5,6],[7,8,9]])print(matrix2)arr1 = np.eye(3)arr2 = 3*np.eye(3)matrix3 = ...

原创 numpy之数组索引，组合，分割

import numpy as np#数组索引arr = np.arange(10)print(arr[2])print(arr[::2])print(arr[-1])#二维数组的索引#（1）位置索引连续arr2 = np.array([[1,2,3,4,5],[4,5,6,7,8],[7,8,9,10,11]])print(arr2)#print(arr2[行索引值，列索...

原创 数据分析之numpy函数的使用（附带xmind）

import numpy as np#numpy:用来做科学计算的模块：数组，矩阵如何利用numpy，创建多维数组：如何利用numpy创建随机数如何创建我们的矩阵，矩阵的运算，数组的运算利用numpy读数据numpy的统计函数创建一个数组只有一行的数组叫：一维数组arry = np.array([1,2,3,4])print(arry,type(arry)) # [1 ...

转载 python之生成器和迭代器

转载：https://www.cnblogs.com/wj-1314/p/8490822.html生成器函数：也是用def定义的，利用关键字yield一次性返回一个结果，阻塞，重新开始 生成器表达式：返回一个对象，这个对象只有在需要的时候才产生结果——生成器函数为什么叫生成器函数？因为它随着时间的推移生成了一个数值队列。一般的函数在执行完毕之后会返回一个值然后退出，但是生成器函数会自动...

转载 Python中变量、赋值、浅拷贝、深拷贝（转载）

转载地址：https://www.cnblogs.com/LetMe/p/6724555.htmlPython中变量、赋值、浅拷贝、深拷贝在理解浅拷贝和深拷贝之前，首先要理解学习一下变量在Python中是怎样存储的；变量的类型是分值引用与地址引用两种.python的一切变量都是对象，变量的存储，采用了地址引用的方式，存储的只是一个变量的值所在的内存地址，而不是这个变量的只本身。在Pyt...

原创 python连接redis数据库

import redisclass Redis():def init(self):self.r = self.conn_redis()# self.str_text()# self.hash_test()# self.list_text()# self.set_text()self.z_set()#连接数据库def conn_redis(self): r =redis....

原创 Python连接MongoDB数据库

import pymongoclass MongoDeal(): def __init__(self): self.db = self.conn_mongo() self.count = 1 def conn_mongo(self): #创建mongo连接 client = pymongo.MongoClient('127.0.0.1',27017) db = cl...

原创 关于Json数据类型

json数据类型分为三种1.常规的字典(对象类型)即a = {key1:value1,key2:value2}2.列表中有字典(数组类型)即a = [{"name":"zs","age":17},{"name":"ls","age":10}]3.json对象数组即 a = {key:[{k1:v1},{k2,v2},{k3,v3}]}...

原创 爬虫之Xpath应用

from lxml import etree#用来获取解析后的数据html = etree.HTML(text)#用来解析文本html = etree.parse(“index2.html”)#用来解析html文档#1获取文档中的所有标签books = html.xpath("//book")#2第一个bookfirst_book = book[0]#3 获取第一本book中的hr...

原创 爬虫之get-cookie和post-session值

COOKIE获取#获取响应数据的cookie值def get_cookie(): base_url = "http://www.baidu.com" response = request.get(base_url) #获取cookie数据 cookiejar = response.cookies print(cookiejar) #从cookiejar里面提取c...

原创 爬虫之加salt加sign

import requests,json,time,randomimport hashlib#加密函数def getmd5(sign): #创建md5对象 md5_obj = hashlib.md5() #对sign进行加密 md5_obj.update(bytes(sign,encoding="utf-8")) #16位加密 sign = ...

原创 爬虫之两种网页获取办法

第一种获取方法import requests#将参数字典进行编码from urllib import parse#携带参数的get请求,携带参数的第二种方式base_url = "http://search.sina.com.cn/?q=A%B9%C9&range=all&c=news&sort=time"#生成参数qs = { "q": ...

转载 机器学习之BP算法

Delta 学习规则粉色为隐藏层，应用于多层神经网络，此处共有3层。

转载 机器学习之Delta法则和激活函数

Delta规则激活函数f

原创 Django之短信验证

安装requests模块import requests#去互亿http://www.ihuyi.com/url = ‘http://106.ihuyi.com/webservice/sms.php?method=Submit’mobile = ‘xxxxxx’ #电话号account= ‘xxxxx’ #上面的APIIDpassword = ‘xxxxx’ #为上图的APIKEY...

原创 Django之邮箱验证在项目中的应用

VIEWSimport random,timefrom django.core.mail import EmailMultiAlternativesfrom django.http import JsonResponsefrom Buyer.models import EmailVaildimport hashlib#定义一个加密函数def pwd_encrypt(passwor...

原创 Django之邮箱验证（在dango中运行，推荐使用，成功率很高）

view函数中from django.core.mail import EmailMultiAlternatives from django.http import JsonResponsedef send_message(request): result = {'state':'error', 'data':''} #定义一个字典，用来记录运行情况 try: subject = ...

原创 Django之邮箱验证（pycharm编写，经常运行不了，不推荐）

import smtplib #邮件模块from email.mine.text import MIMEText #导入邮件文本#构建邮件subjecet = ‘不是垃圾邮件’ #主题content = ‘你的验证码是：8899’#内容recver = '[email protected]' #接收sender = '[email protected]' #登录163服务器的账号passw...

原创 Flask之Flask-sqlalchemy模块的导入方式

from flask import Flask,render_template,request,redirect#SQLALchemyfrom flask_sqlalchemy import SQLAlchemyimport os ,datetimeapp = Flask(__name__)1、数据库路径basedir = os.path.abspath(os.path.dirnam...

原创 Flask之ORM（对象关系映射）增删改查

import sqlalchemyfrom sqlalchemy.ext.declarative import declarative_base#实例化数据 --->> django中settings中的配置db = sqlalchemy.create_engine('sqlite:////flask\demo01/test01.db')创建表类的基类 ------&gt...

原创 Flask之模板系统

模板系统Flask 默认使用jinjia2 模板系统，这个系统是仿写Django的模板系统。jinjia2模板系统不止用在flask上，tornado，saltatack，ansible这些框架都会用，后两个框架是python写的Linux自动化部署框架，flask默认加载自己目录下的templates 作为模板目录， static作为静态目录。...

原创 Flask之介绍和安装

介绍FlaskFalsk 和 Django 一样， 是一个web框架，用来做网站Django 给用户提供了完整的封装，创建项目后，就有了完整的项目结构，优点在于开发的难度低，缺点是不够灵活。Flask给用户提供了简单的封装，大部分功能需要开发者自己编写，所以开发足够灵活。安装Flask1、创建虚拟环境Virtualenv 虚拟环境的名字2、进入虚拟环境和Django一样进入scr...

转载 机器学习之F1（正确率与召唤率）

正确率与召唤率（precision and Recall）是广泛应用于信息检索和统计学分类领域的两个度量值，用来评价结果的质量。一般来说，正确率就是检索出来的条目有多少是正确的，召回率就是所有正确的条目有多少被检索出来了。我们希望检索结果Precision越高越好，同时Recall也越高越好，但事实上这两者在某些情况下是有矛盾的。比如极端的情况下，我们只搜索出了一个结果，而且是准确的，那...

原创 Django之富文本编辑器的使用指南

安装django-ckeditor 到虚拟环境pip install django-ckeditor或者在setting中安装安装appCkeditor配置CKEDITOR_UPLOAD_PATH = ‘static/upload’CKDITOR_IMAGE_BACKEND =‘pillow’url配置使用自己的字段，models中如果前端使用，先收集静态文件收集之前：...

转载 Django之COOKIES和SESSION

装饰器 验证cookies def user_decorater(func): def inner(request, *args, **kwargs): username = request.COOKIES.get('username') password = request.COOKIES.get('password')...