分类：编程语言

2020
09-23

Python实现动态给类和对象添加属性和方法操作示例

本文实例讲述了Python实现动态给类和对象添加属性和方法操作。分享给大家供大家参考，具体如下：动态给类和对象添加属性定义一个Person类classPerson(object):def__init__(self,name):self.name=name给对象添加属性#创建2个Person，分别为p1，p2p1=Person('amy')print(p1.name)p1.age=10#给p1对象添加属性print(p1.age)#输出10p2=Person('anne')print(p2.name)p2.age=18#给p2对象添加属性print(p2... 继续阅读 >
2020
09-23

Python使用type动态创建类操作示例

本文实例讲述了Python使用type动态创建类操作。分享给大家供大家参考，具体如下：使用type动态创建类动态语言和静态语言最大的不同，就是函数和类的定义，不是编译时定义的，而是运行时动态创建的。下面看一个例子：#定义一个Person类classPerson(object):def__init__(self):passdefsay(self):print('sayhello')p=Person()p.say()#输出sayhelloprint(type(p))#输出<class'__main__.Person'... 继续阅读 >
2020
09-23

Django框架静态文件处理、中间件、上传文件操作实例详解

本文实例讲述了Django框架静态文件处理、中间件、上传文件操作。分享给大家供大家参考，具体如下：Django静态文件处理、中间件、上传文件静态文件处理在Django中，一般专门创建一个static目录来存放静态文件（css,js,image,video等文件）。a.在创建目录前，我们需要配置静态文件的路径。如：#在项目的settings.py文件中，配置STATIC_URL，一般默认是：STATIC_URL='/static/'#'/static/'是指uri，映射下面的static目录。做映... 继续阅读 >
2020
09-23

Python编程快速上手——强口令检测算法案例分析

本文实例讲述了Python强口令检测算法。分享给大家供大家参考，具体如下：强口令检测题目如下：写一个函数，它使用正则表达式，确保传入的口令字符串是强口令。强口令定义：长度不少于8个字符，同时包含大写和小写字符，至少含有一个数字。可能需要多个正则表达式来测试字符串，以保证其强度。思路如下：分析题目得到：?程序需要编写一个函数?用户输入强口令?需要用正则表达式进行判定是否符合条件因此代码需要做以... 继续阅读 >
2020
09-23

Python编程快速上手——strip()函数的正则表达式实现方法分析

本文实例讲述了Pythonstrip()函数的正则表达式实现方法。分享给大家供大家参考，具体如下：题目如下：写一个函数，它接受一个字符串，做的事情和strip()字符串方法一样。如果只传入要去除的字符串（原字符串）,没有其他参数，那么就从该字符串首尾去除空白字符串。否则，函数第二个参数指定的字符串将从该字符串中去除思路如下：补充：字符串的str.strip()方法，去除字符串首尾指定的字符，只能去除头尾两边，不能去除中间... 继续阅读 >
2020
09-23

python通用读取vcf文件的类（复制粘贴即可用）

前言处理vcf文件的时候，需要多种切割，正则匹配，如果要自己写其实会比较麻烦，并且每次还得根据vcf文件格式或者需要读取的值不同要修改相应的代码。因此很多人会选择一些python的vcf的库，但是首先你得安装这个库，并且有一些库它固定了能够读的内容，如果你的vcf的信息不在它固定的里面，就读不出来。比如最近我想读一个样本的AF，但是它放在最后样本的GT那列，不在INFO那一列，有一些库竟然无能为力。因此我写了这个通用的读v... 继续阅读 >
2020
09-23

Python编程快速上手——疯狂填词程序实现方法分析

本文实例讲述了Python疯狂填词程序实现方法。分享给大家供大家参考，具体如下：题目如下：创建一个疯狂填词程序，它将读入文件，并让用户在该文本文件中出现ADJECTIVE,NOUN,ADVERB,VERB等单词的地方，加上它们自己的文本。例如源文本如下：TheADJECTIVEpandawalkedtotheNOUNandthenVERB.AnearbyNOUNwasunaffectedbytheseevents.程序将找到这些出现的单词，提示用户取代他们Enteranadjective:sillyEnter... 继续阅读 >
2020
09-23

Python使用GitPython操作Git版本库的方法

GitPython是一个用于操作Git版本库的python包，它提供了一系列的对象模型(库-Repo、树-Tree、提交-Commit等),用于操作版本库中的相应对象。1、导包fromgitimport*2、初始化git仓库CURRENT_DIR=os.path.dirname(os.path.abspath(__file__))empty_repo=Repo.init(os.path.join(CURRENT_DIR,'bbs'))#bbs目录不存在则新建3、如果git仓库已存在，直接获取repo=Repo(os.path.join(CURRENT_DIR,'bbs'))4、获取当... 继续阅读 >
2020
09-23

如何使用python代码操作git代码

git简介Git是一个开源的分布式版本控制系统，用于敏捷高效地处理任何或小或大的项目。Git是LinusTorvalds为了帮助管理Linux内核开发而开发的一个开放源码的版本控制软件。Git与常用的版本控制工具CVS,Subversion等不同，它采用了分布式版本库的方式，不必服务器端软件支持。Git与SVN区别Git不仅仅是个版本控制系统，它也是个内容管理系统(CMS)，工作管理系统等。如果你是一个具有使用SVN背景的人，你需要做一定的... 继续阅读 >
2020
09-23

php高性能日志系统 seaslog 的安装与使用方法分析

本文实例讲述了php高性能日志系统seaslog的安装与使用方法。分享给大家供大家参考，具体如下：一、什么是日志系统   一般用于记录系统运行时的信息，一般分为三类：系统日志，应用程序日志，安全日志。日志功能不能影响用户的正常使用。二、为什么需要日志功能   1、了解系统运行情况   2、记录用户操作信息   3、收集数据三、为什么选seaslog  &nbs... 继续阅读 >
2020
09-23

使用 Python 遍历目录树的方法

假设有这样一个任务，希望对某个文件夹（包括所有子文件夹与文件）中的所有文件进行处理。这就需要遍历整理目录树，处理遇到的每个文件。importos'''遍历目录树'''forfolder_name,sub_folders,filenamesinos.walk('F:\\dicts'):print('当前文件夹：'+folder_name)forsub_folderinsub_folders:print('所包含的子文件夹：'+sub_folder)forfilenameinfilenames:print('文件夹%s中所包含的文件：%s'%(folder_name,f... 继续阅读 >
2020
09-23

python 已知一个字符,在一个list中找出近似值或相似值实现模糊匹配

已知一个元素,在一个list中找出相似的元素使用场景:已知一个其它来源的字符串,它有可能是不完全与我数据库中相应的字符串匹配的,因此,我需要将其转为适合我数据库中的字符串使用场景太绕了,直接举例来说吧随便举例:按青岛城市的城区来说,我数据库中存储的城区是个list:['市北区','市南区','莱州市','四方区']等从其它的数据来源得到一个城区是:市北我怎么得到与市北相似相近的市北区解决方案:In[1]:importdifflibIn[2]:c... 继续阅读 >
2020
09-23

在python3中实现查找数组中最接近与某值的元素操作

我就废话不多说了，直接上代码吧！importdatetimedeffind_close(arr,e):start_time=datetime.datetime.now()size=len(arr)idx=0val=abs(e-arr[idx])foriinrange(1,size):val1=abs(e-arr[i])ifval1<val:idx=ival=val1use_time=datetime.datetime.now()-start_timereturnarr[idx],use_time.seconds*1000+use_time.microseconds/1000deffind_close_fast(arr,e):st... 继续阅读 >
2020
09-23

python pandas移动窗口函数rolling的用法

超级好用的移动窗口函数最近经常使用移动窗口函数，觉得很方便，功能强大，代码简单，故将pandas中的移动窗口函数都做介绍。它都是以rolling打头的函数，后接具体的函数，来显示该移动窗口函数的功能。rolling_count计算各个窗口中非NA观测值的数量函数pandas.rolling_count(arg,window,freq=None,center=False,how=None)arg:DataFrame或numpy的ndarray数组格式window:指移动窗口的大小，为整数freq:center:布尔... 继续阅读 >
2020
09-23

基于Python fminunc 的替代方法

最近闲着没事，想把coursera上斯坦福ML课程里面的练习，用Python来实现一下，一是加深ML的基础，二是熟悉一下numpy，matplotlib，scipy这些库。在EX2中，优化theta使用了matlab里面的fminunc函数，不知道Python里面如何实现。搜索之后，发现stackflow上有人提到用scipy库里面的minimize函数来替代。我尝试直接调用我的costfunction和grad，程序报错，提示(3,)和(100,1)dim维度不等，gradientvector不对之类的，试了N多次后，终于... 继续阅读 >
2020
09-23

浅谈SciPy中的optimize.minimize实现受限优化问题

问题描述：有一批样本x，每个样本都有几个固定的标签，如（男，24岁，上海），需要从中抽取一批样本，使样本总的标签比例满足分布P(x)，如（男:女=49%:51%、20岁:30岁=9%:11%、..........）采用KL-散度作为优化目标函数。KL-散度又叫相对熵KL-散度在机器学习中，P用来表示样本的真实分布，比如[1,0,0]表示当前样本属于第一类。Q用来表示模型所预测的分布，比如[0.7,0.2,0.1]KL-散度直观的理解就是如果用P来描述样本，那么就非常完... 继续阅读 >
2020
09-23

使用python求解二次规划的问题

Python中支持ConvexOptimization（凸规划）的模块为CVXOPT,其安装方式为：pipinstallcvxopt一、数学基础二次型二次型（quadraticform）：n个变量的二次多项式称为二次型，即在一个多项式中，未知数的个数为任意多个，但每一项的次数都为2的多项式。其基本形式如下亦可写作，，称作二次型的矩阵表示，其中A是对称矩阵。仿照如下的定义，我们可以直接在其基本形式和矩阵表示之间相互转化。2.正定矩阵设A是n阶实对称矩阵，如果... 继续阅读 >
2020
09-23

python计算导数并绘图的实例

我就废话不多说了，直接上代码吧！importmathimportnumpyasnpimportmatplotlib.pyplotaspltfromsympyimport*#用于求导积分等科学计算defdif(left,right,step):#求导左右区间以及间隔x,y=symbols('xy')#引入xy变量expr=pow(x,5)#计算表达式x_value=[]#savexvaluey_value=[]#savexf(x)valuey_value_dif=[]#savexf(x)_dotvaluey_value_dif2=[]#savexf(x)_dot2valuey_value_dif3=... 继续阅读 >
2020
09-23

细数nn.BCELoss与nn.CrossEntropyLoss的区别

以前我浏览博客的时候记得别人说过，BCELoss与CrossEntropyLoss都是用于分类问题。可以知道，BCELoss是BinaryCrossEntropyLoss的缩写，BCELossCrossEntropyLoss的一个特例，只用于二分类问题，而CrossEntropyLoss可以用于二分类，也可以用于多分类。不过我重新查阅了一下资料，发现同样是处理二分类问题，BCELoss与CrossEntropyLoss是不同的。下面我详细讲一下哪里不同。1、使用nn.BCELoss需要在该层前面加上Sigmoid函数。公式... 继续阅读 >
2020
09-23

Pytorch对Himmelblau函数的优化详解

Himmelblau函数如下：有四个全局最小解，且值都为0，这个函数常用来检验优化算法的表现如何：可视化函数图像：importnumpyasnpfrommatplotlibimportpyplotaspltfrommpl_toolkits.mplot3dimportAxes3Ddefhimmelblau(x):return(x[0]**2+x[1]-11)**2+(x[0]+x[1]**2-7)**2x=np.arange(-6,6,0.1)y=np.arange(-6,6,0.1)X,Y=np.meshgrid(x,y)Z=himmelblau([X,Y])fig=plt.figure("himm... 继续阅读 >
2020
09-23

Pytorch中的自动求梯度机制和Variable类实例

自动求导机制是每一个深度学习框架中重要的性质，免去了手动计算导数，下面用代码介绍并举例说明Pytorch的自动求导机制。首先介绍Variable，Variable是对Tensor的一个封装，操作和Tensor是一样的，但是每个Variable都有三个属性：Varibale的Tensor本身的.data，对应Tensor的梯度.grad，以及这个Variable是通过什么方式得到的.grad_fn，根据最新消息，在pytorch0.4更新后，torch和torch.autograd.Variable现在是同一类。torch.Tenso... 继续阅读 >
2020
09-23

在pytorch中实现只让指定变量向后传播梯度

pytorch中如何只让指定变量向后传播梯度？（或者说如何让指定变量不参与后向传播？）有以下公式，假如要让L对xvar求导：（1）中，L对xvar的求导将同时计算out1部分和out2部分；（2）中，L对xvar的求导只计算out2部分，因为out1的requires_grad=False；（3）中，L对xvar的求导只计算out1部分，因为out2的requires_grad=False；验证如下：#!/usr/bin/envpython2#-*-coding:utf-8-*-"""CreatedonWedMay2310:02:042018@auth... 继续阅读 >
2020
09-23

浅谈Pytorch中的自动求导函数backward()所需参数的含义

正常来说backward()函数是要传入参数的，一直没弄明白backward需要传入的参数具体含义，但是没关系，生命在与折腾，咱们来折腾一下，嘿嘿。对标量自动求导首先，如果out.backward()中的out是一个标量的话（相当于一个神经网络有一个样本，这个样本有两个属性，神经网络有一个输出）那么此时我的backward函数是不需要输入任何参数的。importtorchfromtorch.autogradimportVariablea=Variable(torch.Tensor([2,3]),requires_... 继续阅读 >