import pandas as pd #函数定义时指明自变量,指明自变量的类型,指定自变量的默认值 #函数定义时,可以通过"自变量名称=常量"的方式指定自变量的默认值,调用时可以省略对应的自变量(按默认调用),如果写明对应的常量或变量,则按对应的变量来调用函数 #函数定义时,指明变量的类型,这样使用者在调用时 可以明确变量的具体类型 def do_danyuandata(file_name:str,sheet_name:str,hang_name:int,lie_name:int):

import xlwt import os def write_excel(words,filename): #写入Excel的函数,words是数据,filename是文件名 wb=xlwt.Workbook() sheet=wb.add_sheet('sheet1') attr=['词语','词性','词频'] #第一行:属性行 for col in range(3): sheet.write(0,col,attr[col]) for row in range(1,len(words)+1)

这里 你可以写成你的ip  那你的项目只能ip访问了,但是写成0.0.0.0的话 你既可已localhost 访问也可以ip访问 也可以写成 127.0.0.1也可以,也能local访问了和ip访问(注意ip写127) 127.0.0.1是回送地址,指本地机,一般用来测试使用.   原理是啥呢?  代表的都是本机

感谢http://blog.csdn.net/this_super/article/details/7884383的文章 1.增加静态资源url映射 如Tomcat, Jetty, JBoss, GlassFish容器可以这样定义 (注意一定要在所有servlet之前定义该类映射): <servlet-mapping> <servlet-name>default</servlet-name> <url-pattern>*.jpg</url-patter

感谢http://blog.csdn.net/this_super/article/details/7884383的文章 1.增加静态资源url映射 如Tomcat, Jetty, JBoss, GlassFish容器可以这样定义 (注意一定要在所有servlet之前定义该类映射): <servlet-mapping> <servlet-name>default</servlet-name> <url-pattern>*.jpg</url-patter

JSON_UNESCAPED_SLASHES   编码不要转义符 \ 反斜杠 JSON_UNESCAPED_UNICODE   编码不转义成 unicode 字符串 如果如果多个参数可以用 | 隔开添加多个参数 主要就是不分加密延签的 可能需要是原始数据

重写 FormAuthenticationFilter类 的 onLoginSuccess()方法即可 import javax.servlet.ServletRequest; import javax.servlet.ServletResponse; import javax.servlet.http.HttpServletRequest; import javax.servlet.http.HttpSession; import org.apache.shiro.authc.Authenti

机器学习算法中如何选取超参数:学习速率.正则项系数.minibatch size 本文是<Neural networks and deep learning>概览 中第三章的一部分,讲机器学习算法中,如何选取初始的超参数的值.(本文会不断补充) 学习速率(learning rate,η) 运用梯度下降算法进行优化时,权重的更新规则中,在梯度项前会乘以一个系数,这个系数就叫学习速率η.下面讨论在训练时选取η的策略. 固定的学习速率.如果学习速率太小,则会使收敛过慢,如果学习速率太大,则会导致代价

本文是<Neural networks and deep learning>概览 中第三章的一部分,讲机器学习算法中,怎样选取初始的超參数的值.(本文会不断补充) 学习速率(learning rate,η) 运用梯度下降算法进行优化时.权重的更新规则中,在梯度项前会乘以一个系数,这个系数就叫学习速率η. 以下讨论在训练时选取η的策略. 固定的学习速率. 假设学习速率太小,则会使收敛过慢.假设学习速率太大.则会导致代价函数振荡,例如以下图所看到的.就下图来说.一个比較好的策略是先将学习速率设置为

现在,越来越多的公司面试以及考验面试对算法要求都提高了一个层次,从现在,我讲每日抽出时间进行5+1算法题讲解,5是指基础题,1是指1道中等偏难.希望能够让大家熟练掌握python的语法结构已经一些高级函数的应用.这些题目是在某些刷题的网站上登记的有水平的题目.这里如果有需要input的简单题,就略去了输出结果.如果时间充裕,则就会增加每日更多习题. 一:基础算法题10道 1.判断用户输入的年份是否为闰年 题目解析: (1)问题分析:能被4整除但不能被100整除的年份为普通闰年,能被400整除的年

既然把默认python改成了python3的版本,那么这时候yum就出问题了,因为yum貌似不支持python3,开发了这个命令的老哥也不打算继续写支持python3的版本了,所以,如果和python版本相关的文件就不要通过yum下载了,这里我们需要把yum默认的指向改为python2.7的版本,分别是两个文件,使用vi打开,输入i进行修改,修改完之后按esc键,然后输入":wq",这就完成了修改并保存: vi /usr/libexec/urlgrabber-ext-down vi /

本文从树数据结构说到二叉堆数据结构,再使用二叉堆的有序性对无序数列排序. 1. 树 树是最基本的数据结构,可以用树映射现实世界中一对多的群体关系.如公司的组织结构.网页中标签之间的关系.操作系统中文件与目录结构--都可以用树结构描述. 树是由结点以及结点之间的关系所构成的集合.关于树结构的更多概念不是本文的主要内容,本文只关心树数据结构中的几个特殊变种: 二叉树 如果树中的任意结点(除叶子结点外)最多只有两个子结点,这样的树称为二叉树. 满二叉树 如果 二叉树中任意结点(除叶子结点外)都有 2

笨办法学python第33节 这一节主要学习内容是while循环,记录内容为将while改成函数,首先源代码如下: i = 0 numbers = [] while i < 6: print "At the top i is %d" % i numbers.append(i) i = i + 1 print "Numbers now: ", numbers print "At the bottom i is %d" % i print &q

       OpenGL ES和OpenGL的图标 关于“OpenGL ES SL 3.0规范中以前的attribute改成了in varying改成了out”这个问题,做一阐述: 1.关键字的小修改大概由如下两点决定 第一,先考虑一个成本原则 一个关键字的定义是否修改,是由熟练程序员在使用该关键字时的思维成本来决定的. 当然,还有一个原则,是由初学者的学习成本来决定的,这时一条市场原则(微软喜欢这个原则). attribute改成in,varying 改成out,恰巧符合上面两条原则. 初学

VS2010中如何将动态链接库改成静态链接库 VS2010静态编译生成的.exe可执行文件,可以免安装免DLL在其他电脑直接运行. 静态编译:就是在编译可执行文件的时候,将可执行文件需要调用的对应动态链接库(.so)中的部分提取出来,链接到可执行文件中去,使可执行文件在运行的时候不依赖动态链接库. 1. 编译实现方式有两种 [1]debug方式的静态链接: 设置: (1)项目 -> 配置属性->常规->MFC的使用:在静态库中使用MFC(如果有使用MFC). (2)项目 -> 配置

template <class T1, class T2>double Pearson(std::vector<T1> &inst1, std::vector<T2> &inst2) { if(inst1.size() != inst2.size()) { std::cout<<"the size of the vectors is not the same\n"; return 0; } size_t n=inst1.s

之前有一篇博文写到关于购物车的业务逻辑,分别运用cookie和redis存储未登录和登录用户的购物车数据,虽然已经很好的完成了业务逻辑,但是会发现代码的冗余很严重,也不够具有python特色,今天就让我来用python特色,高逼格的来改写一下购物车逻辑把. 回看之前代码,我们会发现,会经常取出购物车数据,然后也会修改数据,我们能否对读和写的操作进行封装,第二,cookie中和redis中存储的我们对数据存储的格式不一样,能否考虑将两者存储为一种格式,第三,考虑数据通过网络传输,我们能否尽量存储少

1.在项目的pom.xml中加入下面的代码就能解决(加入插件) <build> <plugins> <plugin> <groupId>org.apache.maven.plugins</groupId> <artifactId>maven-compiler-plugin</artifactId> <configuration> <source>1.8</source> <targ

最近在学习过程中发现opencv有了很多变动, OpenCV 官方的 Python tutorial目前好像还没有改过来,导致大家在学习上面都出现了一些问题,现在做一个小小的罗列,希望对大家有用 做的是关于全景图像的拼接,关于sift和surf的语法之后有需要会另开文章具体阐述,此篇主要是解决大家困惑许久的问题. 笔者python3.x 首先是安装上,必须先后安装pip install opencv_python和pip install opencv-contrib-python==3.3.0.

nan:not a number inf:infinity;正无穷 numpy中的nan和inf都是float类型     t!=t 返回bool类型的数组(矩阵) np.count_nonzero() 返回的是数组中的非0元素个数:true的个数. np.isnan() 返回bool类型的数组. 那么问题来了,在一组数据中单纯的把nan替换为0,合适么?会带来什么样的影响? 比如,全部替换为0后,替换之前的平均值如果大于0,替换之后的均值肯定会变小,所以更一般的方式是把缺失的数值替换为均值(中

前言 在项目中随手把haseMap改成了currenHaseMap差点被公司给开除了. 判断相等 字符串判断相等 String str1 = null; String str2 = "java金融"; // str1.equals(str2); 错误的写法 str2.equals(str1); // 常量写前面 Objects.equals(str1, str2);// 借助jdkUtil工具类 StringUtils.equals(str1,str2); // 自定义工具类 字符串判