集合与常用操作集合是工作中经常会使用到的一种数据类型; 使用起来也比较便捷, 下面是python中集合的常见操作;关系测试:操作方法运算符交集intersection()&并集union()|子集issubset()<父集issuperset()>差集difference()-对称差集symmetric_difference()^#Return True if two set have a null intersection
set_1 = {1,2,3,4}
set_2 = {2,3}
set_2.isdisjoint(set_1) # False集合操作example: set_1 = {2, 6, 8}添加:set_1.add(10...
创建集合setpython set类是在python的sets模块中，大家现在使用的python2.7.x中，不需要导入sets模块可以直接创建集合。set(‘boy‘)
Out[1]: {‘b‘, ‘o‘, ‘y‘}
集合添加和删除python 集合的添加有两种常用方法，分别是add和update。集合add方法：是把要传入的元素做为一个整个添加到集合中，例如：set(‘boy‘)
Out[1]: {‘b‘, ‘o‘, ‘y‘}a = set(‘boy‘)a.add(‘python‘)a
Out[4]: {‘b‘, ‘o‘, ‘python‘, ‘y‘}...
1、>>> a = ["aaa","bbb","ccc","ddd"]
>>> b = ["ccc","ddd","eee","fff"]
>>> c = a + b
>>> c
[‘aaa‘, ‘bbb‘, ‘ccc‘, ‘ddd‘, ‘ccc‘, ‘ddd‘, ‘eee‘, ‘fff‘]
>>> d = []
>>> for i in c:if c.count(i) >= 2:d.append(i)>>> d
[‘ccc‘, ‘ddd‘, ‘ccc‘, ‘ddd‘]
>>> d = list(set(d))
>>> d ## 交集
[‘ccc‘, ‘ddd‘]
>>> e = list(set(c))
>>> e ## 并集
[‘ccc‘, ‘fff‘, ‘bbb‘, ‘...
一、KNN算法的介绍 K最近邻（k-Nearest Neighbor，KNN）分类算法是最简单的机器学习算法之一，理论上比较成熟。KNN算法首先将待分类样本表达成和训练样本一致的特征向量；然后根据距离计算待测试样本和每个训练样本的距离，选择距离最小的K个样本作为近邻样本；最后根据K个近邻样本判断待分类样本的类别。KNN算法的正确选取是分类正确的关键因素之一，而近邻样本是通过计算测试样本与每个训练集样本的距离来选定的，故定义合适的...
在没有发现方便的set运算之前，都是用遍历list查找两个集合的差别。比如, 找list1和list2的差集for i in list1:if not i in list2:print i现在认识了方便set运算：set(list1) & set(list2)one-liner 一行搞定移除重复元素set(list)赢了~原文：http://www.cnblogs.com/longwaytogo/p/7084098.html
格式化输出 %: 占位符 s: 字符串 d: 数字 %%: 表示一个%, 第一个%是用来转义 实例：name = input(‘姓名：‘)
age = int(input(‘年龄：‘))print(‘我叫%s, 我的年龄：%d，我的学习进度3%%.‘ %(name, age))# 执行结果：
# 姓名：hkey
# 年龄：20
# 我叫hkey, 我的年龄：20，我的学习进度3%.
初始编码最初的编码是由美国提出，当时只规定了 ASCII码用来存储字母及符号，后来为了解决全球化文字的差异，创...
title: "Python实现bp神经网络识别MNIST数据集"
date: 2018-06-18T14:01:49+08:00
tags: [""]
categories: ["python"]前言训练时读入的是.mat格式的训练集，测试正确率时用的是png格式的图片代码#!/usr/bin/env python3# coding=utf-8import math
import sys
import os
import numpy as np
from PIL import Image
import scipy.io as siodef sigmoid(x):return np.array(list(map(lambda i: 1/ (1+ math.exp(-i)), x)))def get_tra...
Python3.6.5Django2.0 这是Django版本与xadmin兼容的问题 解决办法如下： 注释掉如下代码： def render(self, name, value, attrs=None):# input_html = [ht for ht in super(AdminSplitDateTime, self).render(name, value, attrs).split(‘/><‘) if ht != ‘‘]# input_html[0] = input_html[0] + "/>"#input_html[1] = "<" + input_html[1]修改为如下代码： def render(self, name, value, attrs=None): input_html = [...
import seaborn as snsimport pandas as pdimport matplotlib.pyplot as pltsns.set_style(‘white‘,{‘font.sans-serif‘:[‘simhei‘,‘Arial‘]})from sklearn.datasets import load_irisdata = load_iris() #加载鸢尾花数据集tt = pd.DataFrame(data=data.data, columns=data.feature_names) #将数据集数据转换成pandatt[‘species‘] = data.target #把鸢尾花类型加入到数据集中data = tt#为了方便大家观看，把列名换成中文...
1.新建一个project 选择Directory,则是文件夹 2.选择文件，创建new suite test_1 3.创建test case baidu_test 4.此时界面如图： 5.编写打开百度浏览器测试用例（先导入SeleniumLibrary） 6.编写自动化测试用例 7选中用例并执行 原文：https://www.cnblogs.com/daphnezhu/p/12095655.html
import pandas as pd
import numpy as np
import matplotlib.pyplot as plt
import matplotlib.image as mpimg
import seaborn as sns
%matplotlib inlinenp.random.seed(2)from sklearn.model_selection import train_test_split
from sklearn.metrics import confusion_matrix
import itertoolsfrom keras.utils.np_utils import to_categorical # convert to one-hot-encodingfrom keras.models import Sequential
from keras.l...
【习题】【1】汉诺塔的移动【2】自定义strip方法【3】打印前n个斐波那契数列的值【4】打印杨辉三角【5】使用reduce和map重新定义函数float( )【6】打印所有素数【7】将L = [(‘Bob‘, 75), (‘Adam‘, 92), (‘Bart‘, 66), (‘Lisa‘, 88)]排序【8】设计一个decorator，使它能作用于任何函数，并打印出函数执行的时间【9】将题【8】中的装饰器作用于一个打印素数的函数，要求输入素数的最大值【10】将题目改造成class【11】让用户...
每天一习题，提升Python不是问题！！有更简洁的写法请评论告知我！https://www.cnblogs.com/poloyy/category/1676599.html 题目请写一个函数find_odd，参数是1个列表，请返回该列表中出现奇数次的元素
比如
find_odd([1, 1, 2, -2, 5, 2, 4, 4, -1, -2, 5]) ? -1
find_odd([20, 1, 1, 2, 2, 3, 3, 5, 5, 4, 20, 4, 5]) ? 5
find_odd([10]) ? 10 解题思路循环列表调用列表内置统计函数计算当前元素出现次数出现次数模2是否不等于0 ...
import tensorflow as tf# 输入数据from tensorflow.examples.tutorials.mnist import input_datamnist = input_data.read_data_sets("E:\\MNIST_data", one_hot=True)# 定义网络的超参数
learning_rate = 0.001
training_iters = 200000
batch_size = 128
display_step = 5# 定义网络的参数
# 输入的维度 (img shape: 28*28)
n_input = 784
# 标记的维度 (0-9 digits)
n_classes = 10
# Dropout的概率，输出的可能性
dropout = ...
encode是编码,里面传入的参数是需要转成的字符集,decode是解码,里面传入的参数是本身的字符集,用本身的字符集解码为unicode字符集再转码字符集之间的爱恨纠缠 1# -*- coding: utf-8 -*- 2‘‘‘ 3 Python3 默认编码为unicode4‘‘‘ 5#输出默认编码 6import sys7print(sys.getdefaultencoding())8 9#文件编码为utf-810 s = ‘你好‘11#把s转换为gbk编码12 s_to_gbk = s.encode("gbk")
13print(s_to_gbk)
14#输出结果为bytes类型...
