python

目录 前言 需求 实验步骤 Excel预览图片 查询 2.1 Excel的索引与输入 2.2 开始查询.丰富程序 追加查询结果到Excel 完整代码 前言 今天教大家利用Python制作本地Excel的查询与生成的程序 需求 制作一个程序 有一个简单的查询入口 实现Excel的查询与生成 实验步骤 1打开一个exe 弹出一个界面 2有一个查询 卡号 点击查询 3下方展示查询的结果 同时将这个查询的结果 追加到一个新的结果Excel文件里 4新的结果Excel文件 格式和源文件格式相同 但是每次都

前言: 数据分析初始阶段,通常都要进行可视化处理.数据可视化旨在直观展示信息的分析结果和构思,令某些抽象数据具象化,这些抽象数据包括数据测量单位的性质或数量.本章用的程序库matplotlib是建立在Numpy之上的一个Python图库,它提供了一个面向对象的API和一个过程式类的MATLAB API,他们可以并行使用. 1. import numpy as np import matplotlib.pyplot as plt scores=np.random.randint(0,100,50)

这是工作期间同事想要个截完图之后可以显示并且永远前置的截图小工具(即不会被其他程序覆盖)直接上代码: # # -*- coding: utf-8 -*- import tkinter as tk import pyautogui import tkinter from PIL import ImageTk from PIL import Image root = tk.Tk() root.wm_attributes('-topmost', 1) root.overrideredirect(Tru

目录 一.条件语句 1.if……else……语句 1)单分支 2)双分支 2.if……elif……else语句 3.多重if嵌套 二.循环语句 1.for循环 2.while循环 三.pass语句 总结 一.条件语句 条件语句能够改变Python程序的执行流程,是执行这个代码块还是另一个代码块.凡是需要判断来确定下一步如何执行的程序都要使用条件语句. 一般条件语句有 1.if……else…… 2.if……elif……else 3.多重if嵌套 1.if……else……语句 1)单分支 单分支实际

目录 正文 一.所有图片放在一个文件夹内 二.不同类别的图片放在不同的文件夹内 正文 图片数据一般有两种情况: 1.所有图片放在一个文件夹内,另外有一个txt文件显示标签. 2.不同类别的图片放在不同的文件夹内,文件夹就是图片的类别. 针对这两种不同的情况,数据集的准备也不相同,第一种情况可以自定义一个Dataset,第二种情况直接调用torchvision.datasets.ImageFolder来处理.下面分别进行说明: 一.所有图片放在一个文件夹内 这里以mnist数据集的10000个te

目录 一.mnist数据 二.CSV数据 三.cifar10数据 一.mnist数据 深度学习的入门实例,一般就是mnist手写数字分类识别,因此我们应该先下载这个数据集. tensorflow提供一个input_data.py文件,专门用于下载mnist数据,我们直接调用就可以了,代码如下: import tensorflow.examples.tutorials.mnist.input_data mnist = input_data.read_data_sets("MNIST_data/&q

目录 正文 1.编辑器 2.常量 3.变量 4.占位符 5.图(graph) 例子1:hello world 例子2:加法和乘法 例子3: 矩阵乘法 正文 TensorFlow用张量这种数据结构来表示所有的数据. 用一阶张量来表示向量,如:v = [1.2, 2.3, 3.5] ,如二阶张量表示矩阵,如:m = [[1, 2, 3], [4, 5, 6], [7, 8, 9]],可以看成是方括号嵌套的层数. 1.编辑器 编写tensorflow代码,实际上就是编写py文件,最好找一个好用的编辑器

目录 问题 解决方案 保存时图片不完整的问题 补充:使用matplotlib时如何让坐标轴完整显示所有的标签刻度 总结 问题 在使用matplotlib作图的时候,有的时候会遇到画图时坐标轴重叠,显示不全和图片保存时不完整的问题.如下: 解决方案 画图时重叠或者显示不全的问题 画图时加上参数设置tight_layout=True 画完所有子图后,设置plt.tight_layout() # 加上tight_layout=True 参数设置 fig, axes = plt.subplots(nro

事情是这样的,博主初学python和机器学习,在跑一个代码的时候被提示出现以下错误: (能被提示出现这个错误,可见确实是初学了!) 图1:跑代码时候的报错 注:图1是安装好了numpy后出现的第二个错误,错误本质是一样的,都是缺少某个库 百度查资料后得知在PyCharm中有一个安装库的方法是:Settings>>Python Interpreter>>点击图2中红色圈起来的加号,出现图3 图2:安装库的一个方法 图3:点击图2的加号后出现的界面 顺利的话,只要继续在图3中输入num

目录 skimage的transform模块 1.改变图片尺寸resize 2.按比例缩放rescale 3.旋转 rotate 4.图像金字塔 skimage的transform模块 图像的形变与缩放,使用的是skimage的transform模块,函数比较多,功能齐全. 1.改变图片尺寸resize 函数格式为: skimage.transform.resize(image,output_shape) image: 需要改变尺寸的图片 output_shape: 新的图片尺寸 from sk

目录 前言 1.使用tabulate美化表格输出 2.使用prettytable美化输出 总结 前言 在用python处理表格数据中,这其中的工作重点就是对表格类型的数据进行梳理.计算和展示,本文重点介绍展示这个方面的工作. 首先我们看一个案例,定义一个数组形式的表格数据: [dechin@dechin-manjaro table]$ ipython Python 3.8.5 (default, Sep 4 2020, 07:30:14) Type 'copyright', 'credits'

目录 01.客户机/服务器通信逻辑 02.数据交换协议 03.服务器主体逻辑 04.服务器会话线程 05.客户机主体逻辑 06.客户机发送数据 07.客户机接收数据 08.客户机界面设计 09.线程池 10.联合测试 11.小结 本文章基于苹果树病虫害预测模型,自定义应用层通信逻辑,设计服务器与客户机.客户机向服务器发送图像数据,服务器回送预测结果.为增强服务器的可靠性与可扩展性,服务器端采用线程池工作模式.为了增强客户机的可操作性,客户机采用PyQt5完成图形化界面设计. 01.客户机/服务器

目录 1.为什么需要自变量选择? 2.自变量选择的几个准则 (1)自由度调整复决定系数达到最大 (2)赤池信息量AIC达到最小 3.所有子集回归 (1)算法思想 (2)数据集情况 (3)代码部分 (4)输出结果 4.后退法 (1)算法思想 (2)数据集情况 (3)代码部分 (4)结果展示 5.逐步回归 (1)算法思想 (2)数据集情况 (3)代码部分 (4)结果展示 1.为什么需要自变量选择? 一个好的回归模型,不是自变量个数越多越好.在建立回归模型的时候,选择自变量的基本指导思想是少而精.丢弃

利用Pytest+Request+Allure+Jenkins实现接口自动化: 实现一套脚本多套环境执行: 利用参数化数据驱动模式,实现接口与测试数据分离 使用logger定制实现自动化测试日志记录 实现步骤: 框架结构: 1.接口自动化项目代码编写(先在window实现) 1.1 项目准备 先在window安装响应的环境依赖 安装python3.7(要保证pip能用,一般安装python3.7会自动安装pip) 安装pytest框架---- pip install pytest 安装reque

目录 引言 一.opencv3.0中自带的例子 二.trainEM实现自动聚类进行图片目标检测 引言 不同于其它的机器学习模型,EM算法是一种非监督的学习算法,它的输入数据事先不需要进行标注.相反,该算法从给定的样本集中,能计算出高斯混和参数的最大似然估计.也能得到每个样本对应的标注值,类似于kmeans聚类(输入样本数据,输出样本数据的标注).实际上,高斯混和模型GMM和kmeans都是EM算法的应用. 在opencv3.0中,EM算法的函数是trainEM,函数原型为: bool train

目录 介绍 Flask模板渲染 Flask前后端分离 总结 介绍 本文主要介绍如何在Flask框架中使用pyecharts,关于Flask框架使用这里不做具体说明~ Flask模板渲染 首先需要创建一个flask项目,flask项目对目录结构要求不高,但是如果是前后端混合项目的话,模板文件必须存放在templates文件夹下,否则视图函数返回模板文件时会提示找不到对应的文件.下面是flask项目的简单目录结构: . ├── server.py └── templates 下述代码是server.

本文将利用Python中的字典和列表实现学生信息管理系统 文件的存放格式采用的是python自带的pickle模块,需要新建course.txt和student.txt供程序读写. 下面是示例代码 import pickle # 从文件中读取学生信息并返回 def readStudent(): with open("student.txt",'rb') as f: try: return pickle.load(f) #读取失败,说明读取的文件为空,返回空列表即可 except EOF

简单介绍Mac下使用HomeBrew安装Python 3.*版本并设置为默认值 1.首先查看Mac自带的python,可以看到是2.7.10的版本 2.查看python3的安装包 若没有安装Homebrew,请参考这里进行安装 Mac安装Homebrew的正确姿势 brew search python3 3.安装python3 brew install python3 可以看到python3的实际安装目录是/usr/local/Cellar/python3/3.9 4.打开配置文件并写入pyth

目录 如果要把训练好的模型拿来测试新的图片,那必须得要一个deploy.prototxt文件,这个文件实际上和test.prototxt文件差不多,只是头尾不相同而也.deploy文件没有第一层数据输入层,也没有最后的Accuracy层,但最后多了一个Softmax概率层. 这里我们采用代码的方式来自动生成该文件,以mnist为例. deploy.py # -*- coding: utf-8 -*- from caffe import layers as L,params as P,to_pro

不进行计算时,生成器和list空间占用 import time from memory_profiler import profile @profile(precision=4) def list_fun(): start = time.time() total = ([i for i in range(5000000)]) print('iter_spend_time:',time.time()-start) @profile(precision=4) def gent_func(): gen