pyt

利用while循环的应用把whlei的语法和执行流程更高层次的理解和体会。 需求： 计算1-100数字累加和 分析： 1-100的累计价和，即1+2+3+4+5+6+...+100，即前面两个数组的相加结果加上下一个数字（下一个数字就是前一个数字加上1） 代码程序： 注意： 为了验证程序的准确性，可以先改小数值，等到验证结果正确后，再改成1-100做累加计算。 需求： 计算1-100偶数累加和 分析：1-100的偶数和，即2+4+8+10+....+100，得到偶数的方法如下： 1. 偶数即是和2取余及结果为0的数字，可以加入条件语句判断是否为偶数，为偶数则累加 2. 初始值为0，计数器每次累加2 方法一： 条件判断和取2余数则累加 方法二：初始值为0，计数器每次累加2（计数器控制增量为2） 以上两种方法个人推荐使用第一种，因为全部过程是电脑程序在运算的，第二种增加为2是人为的根据数学经验来的，因为这是简单的计算过程要是更复杂点的就不能用第二种了，所以用第一种全程让计算机程序运算。 当你用到计数器的时候，一定要给增量进行一个变化的过程，不然程序会进入死循环状态，因为变量i如果给个初始值比如2，在程序执行的时候没有给条件中的i进行动态的变化的话，那么这个程序会一直处于一个成立的状态，直到电脑cpu受不住崩溃这个程序才会终止，所以切记用到计数器的视乎一定要给增量变化。 出现死循环的时候，程序在跑的时候我们需要手动结束进程，点击左边的红色按钮来终止程序。 . 以上两个while循环应用题只是简单的练习了一下思维，借着Python练习题讲解了在运用到计数器的时候的注意事项，更多相关Python练习题可以点击链接看更多去练一练手。 文章借鉴出处：http://www.wakey.com.cn/article-list-100.html

作者 | Vihar Kurama 编译 | 荷叶 来源 | 云栖社区 摘要：深度学习背后的主要原因是人工智能应该从人脑中汲取灵感。本文就用一个小例子无死角的介绍一下深度学习！ 人脑模拟 深度学习背后的主要原因是人工智能应该从人脑中汲取灵感。此观点引出了“神经网络”这一术语。人脑中包含数十亿个神经元，它们之间有数万个连接。很多情况下，深度学习算法和人脑相似，因为人脑和深度学习模型都拥有大量的编译单元（神经元），这些编译单元（神经元）在独立的情况下都不太智能，但是当他们相互作用时就会变得智能。 我认为人们需要了解到深度学习正在使得很多幕后的事物变得更好。深度学习已经应用于谷歌搜索和图像搜索，你可以通过它搜索像“拥抱”这样的词语以获得相应的图像。－杰弗里·辛顿 神经元 神经网络的基本构建模块是人工神经元，它模仿了人类大脑的神经元。这些神经元是简单、强大的计算单元，拥有加权输入信号并且使用激活函数产生输出信号。这些神经元分布在神经网络的几个层中。 inputs 输入 outputs 输出 weights 权值 activation 激活 人工神经网络的工作原理是什么？ 深度学习由人工神经网络构成，该网络模拟了人脑中类似的网络。当数据穿过这个人工网络时，每一层都会处理这个数据的一方面，过滤掉异常值，辨认出熟悉的实体，并产生最终输出。 输入层：该层由神经元组成，这些神经元只接收输入信息并将它传递到其他层。输入层的图层数应等于数据集里的属性或要素的数量。输出层：输出层具有预测性，其主要取决于你所构建的模型类型。隐含层：隐含层处于输入层和输出层之间，以模型类型为基础。隐含层包含大量的神经元。处于隐含层的神经元会先转化输入信息，再将它们传递出去。随着网络受训练，权重得到更新，从而使其更具前瞻性。 神经元的权重 权重是指两个神经元之间的连接的强度或幅度。你如果熟悉线性回归的话，可以将输入的权重类比为我们在回归方程中用的系数。权重通常被初始化为小的随机数值，比如数值0-1。 前馈深度网络 前馈监督神经网络曾是第一个也是最成功的学习算法。该网络也可被称为深度网络、多层感知机（MLP）或简单神经网络，并且阐明了具有单一隐含层的原始架构。每个神经元通过某个权重和另一个神经元相关联。 该网络处理向前处理输入信息，激活神经元，最终产生输出值。在此网络中，这称为前向传递。 inputlayer 输入层 hidden layer 输出层 output layer 输出层 激活函数 激活函数就是求和加权的输入到神经元的输出的映射。之所以称之为激活函数或传递函数是因为它控制着激活神经元的初始值和输出信号的强度。 用数学表示为： 我们有许多激活函数，其中使用最多的是整流线性单元函数、双曲正切函数和solfPlus函数。 激活函数的速查表如下： 反向传播 在网络中，我们将预测值与预期输出值相比较，并使用函数计算其误差。然后，这个误差会传回这个网络，每次传回一个层，权重也会根绝其导致的误差值进行更新。这个聪明的数学法是反向传播算法。这个步骤会在训练数据的所有样本中反复进行，整个训练数据集的网络更新一轮称为一个时期。一个网络可受训练数十、数百或数千个时期。 prediction error 预测误差 代价函数和梯度下降 代价函数度量了神经网络对给定的训练输入和预期输出“有多好”。该函数可能取决于权重、偏差等属性。 代价函数是单值的，并不是一个向量，因为它从整体上评估神经网络的性能。在运用梯度下降最优算法时，权重在每个时期后都会得到增量式地更新。 兼容代价函数 用数学表述为差值平方和： target 目标值 output 输出值 权重更新的大小和方向是由在代价梯度的反向上采取步骤计算出的。 其中η 是学习率 其中Δw是包含每个权重系数w的权重更新的向量，其计算方式如下： target 目标值 output 输出值 图表中会考虑到单系数的代价函数 initial weight 初始权重 gradient 梯度 global cost minimum 代价极小值 在导数达到最小误差值之前，我们会一直计算梯度下降，并且每个步骤都会取决于斜率（梯度）的陡度。 多层感知器（前向传播） 这类网络由多层神经元组成，通常这些神经元以前馈方式（向前传播）相互连接。一层中的每个神经元可以直接连接后续层的神经元。在许多应用中，这些网络的单元会采用S型函数或整流线性单元（整流线性激活）函数作为激活函数。 现在想想看要找出处理次数这个问题，给定的账户和家庭成员作为输入 要解决这个问题，首先，我们需要先创建一个前向传播神经网络。我们的输入层将是家庭成员和账户的数量，隐含层数为1， 输出层将是处理次数。 将图中输入层到输出层的给定权重作为输入：家庭成员数为2、账户数为3。 现在将通过以下步骤使用前向传播来计算隐含层（i，j）和输出层（k）的值。 步骤： 1， 乘法－添加方法。 2， 点积（输入＊权重）。 3，一次一个数据点的前向传播。 4， 输出是该数据点的预测。 i的值将从相连接的神经元所对应的输入值和权重中计算出来。 i = (2 * 1) + (3* 1) → i = 5 同样地，j = (2 * -1) + (3 * 1) → j =1 K = (5 * 2) + (1* -1) → k = 9 Python中的多层感知器问题的解决 激活函数的使用 为了使神经网络达到其最大预测能力，我们需要在隐含层应用一个激活函数，以捕捉非线性。我们通过将值代入方程式的方式来在输入层和输出层应用激活函数。 这里我们使用整流线性激活（ReLU）: 用Keras开发第一个神经网络 关于Keras： Keras是一个高级神经网络的应用程序编程接口，由Python编写，能够搭建在TensorFlow,CNTK,或Theano上。 使用PIP在设备上安装Keras,并且运行下列指令。 在keras执行深度学习程序的步骤 1，加载数据； 2，创建模型； 3，编译模型； 4，拟合模型； 5，评估模型。 开发Keras模型 全连接层用Dense表示。我们可以指定层中神经元的数量作为第一参数，指定初始化方法为第二参数，即初始化参数，并且用激活参数确定激活函数。既然模型已经创建，我们就可以编译它。我们在底层库（也称为后端）用高效数字库编译模型，底层库可以用Theano或TensorFlow。目前为止，我们已经完成了创建模型和编译模型，为进行有效计算做好了准备。现在可以在PIMA数据上运行模型了。我们可以在模型上调用拟合函数f（），以在数据上训练或拟合模型。 我们先从KERAS中的程序开始， 神经网络一直训练到150个时期，并返回精确值。

#导入math包import math#定义点的函数class Point: x = 0 y = 0 z = 0 def __init__(self, x, y, z): self.x = x self.y = y self.z = z def getx(self): return self.x def gety(self): return self.y def getz(self): return self.z #定义距离函数class Getlen: def __init__(self, p1, p2): self.x = p1.getx() - p2.getx() self.y = p1.gety() - p2.gety() self.z = p1.getz() - p2.getz() self.len = math.sqrt((self.x)**2 + (self.y)**2 + (self.z)**2) def getlen(self): print("两点间的距离为：" , self.len) p1 = Point(0,0,0)p2 = Point(1,1,1)g = Getlen(p1,p2)

((t1.x-t2.x)^2+(t1.y-t2.y)^2+(t1.z-t2.z)^2)^0.5

基因结构注释文件一般为gff3的格式，一共是9列，依次为基因组序列id，注释来源，类型，起始位置，终止位置，得分，正负链，相位，属性。 基因结构注释文件中，基因包含mRNA，mRNA包含exon, CDS, UTR等信息，同时在注释文件中除基因行外，其他行在第9列会通过Parent指明该行从属的上一级ID，也就是一个基因的gene行、mRNA行、CDS行、exon行都会通过Parent层层关联在一起。 EVM软件整合出的基因结构注释文件一般如下所示，目前有一个需求，就是修改基因名称，修改为类似AT01G000001这种形式 gffutils是一个用于解析gff3/gtf格式的python包，读取gff3文件非常方便，利用这个包实现对基因结构注释文件重新命名python脚本如下 帮助文档，用法 我输入的change.bed文件内容如下 最终得到更换名称后的注释文件

先安装Biopython，见前篇随笔 再安装 bcbio-gff pip install bcbio-gff Google是法宝，直接搜索 UnicodeDecodeError: "utf-8" codec can"t decode byte 0x8b in position 1: invalid start byte ，得到如下解，见 stackoverflow 修改新的对应文件名后再运行脚本 python gbff2gff3.py 于是得到以下 替换方法： https://github.com/jorvis/biocode/blob/master/gff/convert_genbank_to_gff3.py 总结：转换后并不能得到直接可用的完整注释文件，建议直接搜索已有的注释文件

一、Windows下开启Telnet服务（详见：与Win7防火墙无缝结合 Telnet功能测试）1、Windows 2000/XP/2003/Vista：默认已安装但禁止了Telnet服务（1）开启Telnet：运行services.msc打开服务管理，找到Telnet服务项设置其启动类型为“自动”或者“手动”（更安全，只在需要的时候才启用），然后启动该服务即可。2、Windos 7：默认未安装Telnet服务（1）安装Telnet：依次点击“开始”→“控制面板”→“程序”，“在程序和功能”找到并点击“打开或关闭Windows 功能”进入Windows 功能设置对话框。找到并勾选“Telnet客户端”和“Telnet服务器”，最后“确定”稍等片刻即可完成安装。（2）开启Telnet：方法同1中的（1）二、Linux下开启Telnet服务（详见：Ubuntu 10.10 下配置Telnet服务器）（1）安装telnetd（即telnet-server）：apt-get install telnetd（2）安装xinetd（telnet-server的运行需要由xinetd来管理）：apt-get install xinetd（3）配置telnet文件：vi /etc/xinetd.d/telnet（4）开启xinetd：service xinetd start三、使用Python实现Telnet远程登录　　Python中专门提供了telnetlib库，用来完成基于telnet协议的通信功能。

#设置根节点 root = Element("bookstore") tree = ElementTree(root) #设置1级子节点 child0 = Element("book", {"category" : "COOKING"} ) root.append(child0) #设置2级子节点 child00 = Element("title", {"language" : "English"} ) child00.text = "Everyday Italian" #2级子节点文本 child0.append(child00) tree.write("test.xml", "utf8")其他的依照上述代码编写即可

WIDE短视频App是美图官方推出的一款短视频软件，这款软件中拥有超多高质感的素材，让你能够拍摄出各种特色、搞笑的短视频，软件设置有视频社区、效果滤镜以及旁白配音等专区，能够为用户带来多种特色的视频玩法，喜欢的朋友赶紧来试试吧。软件介绍高级质感电影旁白及配乐：零后期操作，用最简单的方式拍出大片大师级电影滤镜：戛纳调色大师监制，拍出极致电影感原声录音棚：原声录音配合智能修音，圆你的配音演员梦最温暖治愈的短视频社区：逃离城市，告别吵闹，治愈都市焦虑，认识更多和你一样的人

有两种方式安装：登录路由web界面（一般是192.168.1.1），在openwrt的软件安装界面上选择上传安装。登录openwrt控制台，可用ssh登录或通过路由的TTL接口在控制台用命令进行安装：用winscp将下载的ipk安装包上传到路由器中，用命令opkg install xxx.ipk安装即可。

源码：#!/usr/bin/env python#coding=utf-8__author__ = "zhangdebin"import cv2if __name__ == "__main__":#image readimage = cv2.imread("/Users/zhangdebin/Documents/checkFace2.jpg")image0 = cv2.imread("/Users/zhangdebin/Documents/checkFace2.jpg",0)image1 = cv2.imread("/Users/zhangdebin/Documents/checkFace2.jpg",1)print imagecv2.namedWindow("the window")cv2.imshow("the window", image)cv2.namedWindow("the window0")cv2.imshow("the window0", image0)cv2.namedWindow("the window1")cv2.imshow("the window1", image1)cv2.waitKey(0)其中，cv2是我在mac系统中安装的python-opencv包，具体安装方法在另一篇博文有介绍， cv2.imread和matlab中的imread函数很像，其中源码有一个参数imread(…) imread(filename[, flags]) -> retval，falgs经测试，当缺省时为原图像，当falgs=0时，因为只读取第一个字节，彩色图像读取为灰度图像，当falgs逐渐增加，向7（0~7，8位）靠拢时，字节数增加，图像色彩越来越靠近原图像，当超过8位，比如8，变为（8-8=0），又是只取一个字节，视觉效果为灰度图，同理，15位为原图，有兴趣的朋友可以自己测试下，具体效果见下图：同时，cv2中自带了falgs ＝cv2.CV_LOAD_IMAGE_GRAYSCALE或 cv2.CV_LOAD_IMAGE_COLOR，其实这两个参数和上面是一样的，0为grayimage，但是color＝1，而且显示时候也不是彩色的，这和matlab的imread有很大区别grayimage = cv2.imread("/Users/zhangdebin/Documents/checkoutFace2.jpeg",cv2.CV_LOAD_IMAGE_GRAYSCALE);colorimage = cv2.imread("/Users/zhangdebin/Documents/checkoutFace2.jpeg", cv2.CV_LOAD_IMAGE_COLOR)print "cv2.grayscale:"print cv2.CV_LOAD_IMAGE_GRAYSCALEprint "colr:"print cv2.CV_LOAD_IMAGE_COLORcv2.grayscale: 0 colr: 1

操作方法如下： 自动安装还是建议使用AutoHotKey或者AutoIT，如果一定要用Python实现就用pywinauto模块吧。

def hotpotato(mem_list,pass_num): index=0 while True: if index==pass_num: print "%s out."%(mem_list[index%len(mem_list)]) del mem_list[index%len(mem_list)] index=0 if len(mem_list)==1: print "%s win."%(mem_list[0]) return else: index += 1if __name__=="__main__": pass_num=5 player_list=["Bill","David","Susan","Jane","Kent","Brad"] hotpotato(player_list,pass_num)希望这是你所要的。

Houdini应该不错。不过似乎某个rendering（名子不记得了），应该与python的集成更好。python是一个通用语言，集成起来容易。功能更强大。不过至于3D计算和电影是否好用取决于是否有成功案例。你用来模仿。hscripts和python都容易学，至在houdini里并不难。你抽空还是学一下。年轻两个语言都学也不是问题。我个人建议你学hscripts。这个更原生态。python应该是后来补充的。至于哪个强大，刚才说过，要靠实际应用来判断。另外看自己水平，比如我自己python熟悉。所以可能倾向于用python。另外还要看学习难度。你如果觉着python教程多容易就选择python。如果hscript教程也多，用例也多，当然就选择hscripts。下面是一段别的描述，他们建议学习python.Houdini在9.0的时候加入了对Python的支持，成为替代HScript的脚本，为了保持文件在各版本间自上而下的兼容，HScript现在还是保留的，但推荐使用Python。你可以用python建立一个自定的节点。和vex写的节点有所不同，Python SOP可以允许建立或删除几何体，当然它的速度是不比vex的。目前HOM还没有完善，仅限于建立SOP node。python与houdini的接口是C++实现的。我担心的也是这点儿可能会不稳定。如果你c++基础好，当然没得说了，就是python了。python也没有那么容易学，如果没有人教。即使你C++非常好，也不是那么容易上手的。我当初是C++高级程序员，8年经验。学习python也用了2个星期。语言本身简单。关键不知道怎么用它。这个需要看别人代码，总结经验，形成自己的设计模式。这个要时间。

打开Badboy,在界面上输入需要测试的地址并操作，导出为Jmeter支持的jmx类型。 不建议Badboy录制，最好就使用抓包工具抓取请求自己手动填写。

在python官网找到beautifulsoup模块的下载页面，点击"downloap"将该模块的安装包下载到本地。相关推荐：《Python教程》将该安装包解压，然后在打开cmd，并通过cmd进入到该安装包解压后的文件夹目录下。在该文件目录下输入"python install setup.py"，进行beautifulsoup4模块的安装，当安装完成后会看到有"Finished"字样。安装完成后，在cmd中运行Python,然后输入"from bs4 import BeautifulSoup" 导入该模块，如果成功安装的话将没有任何打印信息，否则会有相应的错误信息打印。直接通过pip安装打开cmd，然后在cmd中输入命令“pip install beautifulsoup4”，就可以成功安装beautifulsoup4，不过该版本不一定会是4.4.1，版本会是当前python库中的最新版本。

本文根据自己初学经验编写的使用xlwt模块设置单元格的一些基本样式，如设置单元格的背景颜色，下框线，字体，字体的颜色，设置列宽行高，插入简单的图片，详细程序如下：#!/usr/bin/env python# -*- coding: utf-8 -*-” #只对当前文件的中文编码有效 #Create by zhizaiqianli 2015-12-12 Version V1.0#！/usr/bin/python# Filename : Write_excel_Format.pyimport osimport time from xlwt import *from Mymodule import cur_file_dirfilename = "TestData2.xls" #检测当前目录下是否有TestData2.xls文件，如果有则清除以前保存文件if os.path.exists(filename):os.remove(filename)print time.strftime("%Y-%m-%d",time.localtime(time.time())) #打印读取到当前系统时间 wbk = Workbook(encoding="utf-8") sheet = wbk.add_sheet("new sheet 1", cell_overwrite_ok=True) #第二参数用于确认同一个cell单元是否可以重设值。style = XFStyle() #赋值style为XFStyle()，初始化样式 for i in range(0x00,0xff): # 设置单元格背景颜色pattern = Pattern() # 创建一个模式pattern.pattern = Pattern.SOLID_PATTERN # 设置其模式为实型pattern.pattern_fore_colour = i# 设置单元格背景颜色 0 = Black, 1 = White, 2 = Red, 3 = Green, 4 = Blue, 5 = Yellow, 6 = Magenta, the list goes on...style.pattern = pattern # 将赋值好的模式参数导入StyleLine_data = (u"测试表") #创建一个Line_data列表，并将其值赋为测试表，以utf-8编码时中文前加usheet.write_merge(i, i, 0, 2, Line_data, style) #以合并单元格形式写入数据，即将数据写入以第1/2/3列合并德单元格内 for i in range(0x00,0xff): # 设置单元格内字体样式fnt = Font() # 创建一个文本格式，包括字体、字号和颜色样式特性fnt.name = u"微软雅黑" # 设置其字体为微软雅黑fnt.colour_index = i # 设置其字体颜色fnt.bold = Truestyle.font = fnt #将赋值好的模式参数导入Stylesheet.write_merge(i,i,3,5,Line_data,style) #以合并单元格形式写入数据，即将数据写入以第4/5/6列合并德单元格内 for i in range(0, 0x53): # 设置单元格下框线样式borders = Borders()borders.left = iborders.right = iborders.top = iborders.bottom = istyle.borders = borders #将赋值好的模式参数导入Stylesheet.write_merge(i,i,6,8,Line_data,style) #以合并单元格形式写入数据，即将数据写入以第4/5/6列合并德单元格内for i in range(6, 80): # 设置单元格下列宽样式sheet.write(0,i,Line_data,style)sheet.col(i).width = 0x0d00 + i*50path_py = "\imagespython.bmp" #读取插入图片以.py运行时路径，images和.py在同一目录下 path_exe = "\imagespython.bmp" #读取插入图片以.exe运行时路径，.exe可以移到其他任意目录下运行但images和.exe在同一目录下 path = cur_file_dir(path_py,path_exe) #获取文件的相对路径filename = path #检测当前目录下是否有python.bmp图片，if os.path.exists(filename):print u"python.bmp图片存在" else：print u"python.bmp图片不存在" sheet.insert_bitmap(path, 2, 9) #插入一个图片 wbk.save("TestData2.xls") #保存TestData2.xls文件，保存到脚本或exe文件运行的目录下 raw_input("Enter enter key to exit...") #插入一个输入命令，方便运行exe时一闪而过不到打印信息 12345678910111213141516171819202122232425262728293031323334353637383940414243444546474849505152535455565758596061621234567891011121314151617181920212223242526272829303132333435363738394041424344454647484950515253545556575859606162以cmd命令运行 Write_excel_Format.py时结果和生成表格如下所示：

文件后缀的意思。其指软件安装时卸载程序记录安装信息的文件，在卸载这个软件的时候卸载程序调用。可以用系统的记事本察看。ISU是一种命令行工具，它能够将SMSInstaller生成的软件包迁移为WindowsInstaller格式。可以批模式使用ISU，同时迁移SMSInstaller在一个目录树中生成的多个安装软件包。ISU可在命令行记录状态消息（如错误或警告消息）。这些状态信息可定向到一个日志文件中。

借花献佛：网页链接

使用split()是默认以空格和 为分隔符 你是用的split(",")就是以","符号为分隔符如果你确定是以逗号为分隔符，那就这么写import rere.sub(" ","",a).split(",")举例：a="fdas s,adf s,df sdf sd fs d sd f"print a.split(",") 以逗号为分隔符,但是 存在 ["fdas s", "adf s", "df sdf sd fs d sd f"]换种写法：re.sub(" ","",a).split(",") ["fdas s", "adf s", "df sdf sd fsd sd f"] 消失了，还是以逗号为分隔符这句话的意思是sub(" ","",a) 从a中将 替换成""空字符 然后split(",")还有你这个问题的分类分错了，你分到C/C++ 去了。别人回答的可能看不到。

切片切片可以有三个值，分别是切片开始点，结束点，步长开始点与结束点如果是负数，表过从序列结束后为0。如果这是对L进行切片，更易读的等价写法是：L[-1::-1]如果L是一个字符串，它将返回这个字符串的倒序，即："asdf"[-1::-1]=="fdsa"

re.findall("({[^}]*})")

BIAS0:= (C-MA(C,2))/MA(C,2)*100;BIAS1 := (C-MA(C,12))/MA(C,12)*100;BIAS2 := (C-MA(C,26))/MA(C,26)*100;BIAS3 := (C-MA(C,48))/MA(C,48)*100;HXL:=V/CAPITAL*100;D1:=INDEXC;D2:=MA(D1,56);DR2:=D1/D2<0.94;E1:=(C-HHV(C,12))/HHV(C,12)*10;E2:=(C-REF(C,26))/REF(C,26)*10;

一、前期环境以及准备1、安装python在caffe中，python2和python3的接口都有。但frcnn中只能支持python2.7，所以千万不要装成python3。为了方便，不用自己去pip一大堆库，我建议安装anaconda2，里面已经安装了很多第三方的库。另附python，Windows的第三方库 ，里面很全。或许有一些库你要去官网上下载。2、安装（更新）显卡驱动和cudaNVIDIA的显卡驱动安装应该不用我说了吧，到官网上下载吧。我要说明一点的是，我的1080ti在安装显卡驱动时，说和Windows不匹配。怎么解决呢？更新Windows，到官网上下驱动，再安装。成功！还有就是记得更新你的显卡驱动，以防老的驱动不支持cuda。CUDA安装的话，也是傻瓜试的安装。提醒一点的是，不要改变他的安装路径，默认路径。然后去NVIDIA的官网上下载cudnn库，这个库的话需要去NVIDIA注册一个账号，然后问你用这个来完成什么工作之类的巴拉巴拉。这个库长什么样呢？下载完解压缩，得到一个cuda的文件夹，里面有3个文件夹然后打开你的CUDA文件夹，默认路径是C:Program FilesNVIDIA GPU Computing ToolkitCUDAv8.0把cudnn库里面的3个文件夹里面的文件，分别加到cuda里面对应的文件夹。然后打开cuda需要编译的部分，默认路径是C:ProgramDataNVIDIA CorporationCUDA Samplesv8.0因为我用的VS2015，那么我就用打开2015的那个，然后改成release运行。至此，显卡计算的环境就搭建完成了。3、cmake和gitcmake的话，我建议直接下载编译好的能运行的文件（到官网上下载），然后解压文件，把bin的路径添加到Path中。git：因为frcnn里面有很多linux的脚本，你可以不用，但用的话会很方便的。所以我建议安装git。同样，傻瓜式的安装，直接到官网上下载。二、py-faster-rcnn1、编译caffe的python接口GPU版本（如果你编译过了就不用了）因为frcnn的编译过程用需要用到python的caffe包，所以必须要先编译一次caffe。如果你已经编译过caffe的py接口就不用了。下载微软的Caffe，git的地址你可以用git直接下载，或者在git的地址里下载，随便你。[plain] view plain copygit clone cd caffe git checkout windows 打开caffescripts，然后编辑build_win.cmd文件第7行的VERSION是你VS的版本，VS2015对应的是14，VS2013对应的应该是12；第8行改为0；第9行改为0（如果你不用GPU，那就还是1）；13行的python_version是你的python版本，2.x就是2，3.x就是3；24,28行是你的python的安装目录，如果你是anaconda就改你的anaconda的目录，否则就不改。同样69-95行同样修改。以上2张图是我的cmake文件配置。进入caffescripts，打开cmd，直接执行build_win.cmd。注意他会自动下载需要的库，因为服务器呢都不在国内，所以我建议挂个VPN，不然你且等呢吧。这样cmake后呢，python的接口就已经编译好了，不用再编译一遍了。把caffepython下的caffe的文件夹copy到python的第三方包的文件夹就ok。这样caffe的python接口就好了，你可以进cmd的python试一下import caffe。如果说，他提示少了什么包，你直接pip这个包就好了，找不到的话，百度一下就有。但只要你跟着上面我的方法做应该不会出现什么问题。2、编译py-faster-rcnn依赖库首先呢，我们先去编译一下frcnn的依赖库。Windows下，不能使用自带的lib，把自带的lib删了，重新下载，这里给出git的地址。好了，现在你的库应该长成这样，有setup.py和setup_cuda.py。进cmd，install这2个文件。现在你肯定会遇到问题，提示你VC版本不对怎么办呢，先set一下：输入SET VS90COMNTOOLS=%VS140COMNTOOLS%，VS后面的数字就是你的版本。还有不要忘了把你VS的c1.exe加到path下。编译好frcnn的依赖库后，应该是这个样子的。3、给caffe加frcnn的层现在，我们再下载一个caffe，跟前面一样，把build_win.cmd进行修改。然后我们就可以把frcnn的一些特有的层加到caffe里编译了。1）添加层和文件打开py-faster-rcnncaffe-fast-rcnnsrccaffelayers文件夹，找到4个文件分别为然后copy到你新的caffe的对应文件夹caffesrccaffelayers里。接着我们添加头文件，打开py-faster-rcnncaffe-fast-rcnnincludecaffe，把fast_rcnn_layers.hpp这文件copy到caffe的对应文件夹下caffeincludecaffe。2）配置2个新层打开你的caffesrccaffeproto下的caffe.proto，进行编辑。在407行左右往原来的文件里添加新的层的配置信息[plain] view plain copyoptional ROIPoolingParameter roi_pooling_param = 8266711; optional SmoothL1LossParameter smooth_l1_loss_param = 8266712; message ROIPoolingParameter { // Pad, kernel size, and stride are all given as a single value for equal // dimensions in height and width or as Y, X pairs. optional uint32 pooled_h = 1 [default = 0]; // The pooled output height optional uint32 pooled_w = 2 [default = 0]; // The pooled output width // Multiplicative spatial scale factor to translate ROI coords from their // input scale to the scale used when pooling optional float spatial_scale = 3 [default = 1]; } message SmoothL1LossParameter { // SmoothL1Loss(x) = // 0.5 * (sigma * x) ** 2 -- if x < 1.0 / sigma / sigma // |x| - 0.5 / sigma / sigma -- otherwise optional float sigma = 1 [default = 1]; } 3）cmake新的caffe的python接口就是再执行一遍build_win.cmd就行。编译好之后，把caffe根目录下的python文件夹替换py-faster-rcnncaffe-fast-rcnn的python文件夹。三、demo完成以上步骤你的py-faster-rcnn就已经编译成功了。如果你想用demo测试一下的话可以用.datascripts里的脚本去下载已经训练好的model，文件挺大的、速度挺慢的。所以给大家提供一个百度5，把caffemodel文件放在datafaster_rcnn_models，然后执行toolsdemo.py就能看到结果了

Python 跟 Python3 完全就是两种语言1、 import caffe FAILED环境为 Ubuntu 16 cuda 8.0 NVIDIA 361.77 Anaconda2。昨天莫名其妙Caffe不能用了：?12345678importcaffeTraceback (most recent call last):Filestdin, line1,inmoduleFile/home/duchengyao/project/caffe/python/caffe/__init__.py, line1,inmodulefrom.pycaffeimportNet, SGDSolver, NesterovSolver, AdaGradSolver, RMSPropSolver, AdaDeltaSolver, AdamSolverFile/home/duchengyao/project/caffe/python/caffe/pycaffe.py, line

完全的 caffe 新手，研究了一天的 caffe ，虽然糊里糊涂的， GitHub 上找了个项目： https://github.com/BestiVicto... 在网上找了个 Python 代码照猫画虎写成如下：import numpy as npimport matplotlib.pyplot as pltcaffe_root = "/opt/caffe/"import syssys.path.insert(0, caffe_root + "python")import caffeMODEL_FILE = caffe_root + "ILGnet/deploy.prototxt"PRETRAINED = caffe_root + "ILGnet/ILGnet-AVA2.caffemodel"IMAGE_FILE = caffe_root+"examples/images/cat.jpg"mean_file=caffe_root + "ILGnet/AVA2_mean.npy"caffe.set_mode_cpu()net = caffe.Classifier(MODEL_FILE, PRETRAINED,mean=np.load(mean_file).mean(1).mean(1),channel_swap=(2,1,0),raw_scale=255,image_dims=(227, 227))input_image = caffe.io.load_image(IMAGE_FILE)plt.imshow(input_image)prediction = net.predict([input_image])plt.plot(prediction[0])print "predicted class:", prediction[0].argmax()然后就出现： F0423 12:33:29.282009 172 insert_splits.cpp:35] Unknown bottom blob "label" (layer "loss1/loss", bottom index 1)完全新手，估计代码错的很离谱，大家就别嘲笑了哈，想问一下这个如果 Python 实现的话该怎样写？ 希望能得到解答，真诚谢谢~

定义CAFFE为caffe跟目录，caffe的核心代码都在$CAFFE/src/caffe 下，主要有以下部分：net, blob, layer, solver.net.cpp: net定义网络， 整个网络中含有很多layers， net.cpp负责计算整个网络在训练中的forward, backward过程， 即计算forward/backward 时各layer的gradient。layers: 在$CAFFE/src/caffe/layers中的层，在protobuffer (.proto文件中定义message类型，.prototxt或.binaryproto文件中定义message的值) 中调用时包含属性name， type（data/conv/pool…）， connection structure (input blobs and output blobs)，layer-specific parameters（如conv层的kernel大小）。定义一个layer需要定义其setup, forward 和backward过程。blob.cpp: net中的数据和求导结果通过4维的blob传递。一个layer有很多blobs， e.g,对data，weight blob大小为Number * Channels * Height * Width, 如256*3*224*224；对conv层，weight blob大小为 Output 节点数 * Input 节点数 * Height * Width，如AlexNet第一个conv层的blob大小为96 x 3 x 11 x 11；对inner product 层， weight blob大小为 1 * 1 * Output节点数 * Input节点数； bias blob大小为1 * 1 * 1 * Output节点数（ conv层和inner product层一样，也有weight和bias，所以在网络结构定义中我们会看到两个blobs_lr，第一个是weights的，第二个是bias的。类似地，weight_decay也有两个，一个是weight的，一个是bias的）； blob中，mutable_cpu/gpu_data() 和cpu/gpu_data()用来管理memory，cpu/gpu_diff()和 mutable_cpu/gpu_diff()用来计算求导结果。slover.cpp: 结合loss，用gradient更新weights。主要函数： Init(), Solve(), ComputeUpdateValue(), Snapshot(), Restore(),//快照（拷贝）与恢复 网络state Test()；在solver.cpp中有3中solver，即3个类：AdaGradSolver, SGDSolver和NesterovSolver可供选择。关于loss，可以同时有多个loss，可以加regularization（L1/L2）；Protocol buffer：上面已经将过， protocol buffer在 .proto文件中定义message类型，.prototxt或.binaryproto文件中定义message的值；Caffe Caffe的所有message定义在$CAFFE/src/caffe/proto/caffe.proto中。Experiment 在实验中，主要用到两个protocol buffer: solver的和model的，分别定义solver参数（学习率啥的）和model结构(网络结构)。好吧，copy了一大段，不晓得有没有帮助，说点accuracy = 0.5的问题。简单说，就是分错了，好吧我知道这是废话。既然是分错了，那么就要检查下了，首先检查你的训练模型。根据训练过程来看，训练应该是已经收敛了，（反正loss一直在减小）。这句可能是我理解问题，如果模型收敛的话，loss应该趋于平稳，如这样。哦这是对数图。如果没有完全收敛的话，考虑下调整参数吧。说到调参，又是个坑啊。。。这个我也是懵懵懂懂。不过可以参考某些大牛的做法，比如用浅层CNN参数初始化深层CNN，或者学hinton老爷子用DBN来搞个预训练。不过即使是随机初始参数，按道理不应该出现这种accuracy=0.5的情况。个人感觉要么就是训练没有完成，要么就是在做最后二分的那一层有什么问题。。。其实应该先检查训练数据，训练数据搞混了，其他都是白搭。如果检查模型，你可以先看下你参数更新的梯度是否已经趋于零了，然后再看看你二分那一层有木有问题。当然，说了这么多，可能也没啥帮助，如果你哪天改用matlab或者theano了，可以交流下，caffe确实不甚了解。。。在尝试用caffe分类一个自己的二分类图像数据库。根据训练过程来看，训练应该是已经收敛了，（反正loss一直在减小）。然而测试集上的accuracy一直都是=0.5.所以现在想着把生成的模型文件调出来用数据测试下，观察下是什么问题，请问应当如何去实现呢。或者各位如果能指点下，可能是什么原因导致的accuracy = 0.5 不变。那就更好啦。谢谢！

一、问题在成功编译caffe的源码之后，可以在Python环境中使用caffe。在Ubuntu环境下，打开python解释程序，输入import caffe时：出现以下错误>>>import caffeTraceback (most recent call last):File "<stdin>", line 1, in <module>ImportError: No module named caffe二、解决思路基本思路是把caffe中的python导入到解释器中三、解决方法第一种方法：设置环境变量在终中输入：export PYTHONPATH=~/caffe/python #caffe的路径下面的python则该终端起作用，关掉终端后或重新打开一终端，则失效。放到配置文件中，可以永久有效果，命令操作如下：A.把环境变量路径放到 ~/.bashrc文件中sudo echo export PYTHONPATH="~/caffe/python" >> ~/.bashrcB.使环境变量生效source ~/.bashrc第二种方法：通过代码来实现在每个python代码中使用以下代码： (这个方法在写python代码时有用)caffe_root = "~/caffe/python " import sys sys.path.insert(0, caffe_root + "python") import caffe

for k in ojt:if k["url"]:print k["url"]yield Request(k["url"],callback=self.parse_item)print len(ojt)def parse_item(self,response):hxs = Selector(response)movie_name = hxs.xpath("//*[@id="content"]/h1/span[1]/text()").extract()movie_director =hxs.xpath("//*[@id="info"]/span[1]/span[2]/a/text()").extract()movie_writer = hxs.xpath("//*[@id="info"]/span[2]/span[2]/a/text()").extract()在这段代码里面的yield执行顺序我很不解，这段代码的意思是将得到的url都输出，但是每次输出的时候都会将url放进yield语句的呀 为什么没有执行呢 就是每次输出一条url就调用下一个函数呢 就是callback函数呢 而且输出的len（）为什么只执行了一次呢？兄弟，看起来像是scrapy。yield Request(k["url"],callback=self.parse_item)这段话的意思大概是说，请求k["url"]这个url，然后给parse_item函数做处理。具体的不说啦。你去百度yield和callback

使用模块 commands 代码如下: >>> import commands >>> dir(commands) ["__all__", "__builtins__", "__doc__", "__file__", "__name__", "getoutput", "getstatus","getstatusoutput", "mk2arg", "mkarg"] >>> commands.getoutput("date") "Wed Jun 10 19:39:57 CST 2009" >>> >>> commands.getstatusoutput("date") (0, "Wed Jun 10 19:40:41 CST 2009") 注意： 当执行命令的参数或者返回中包含了中文文字，那么建议使用subprocess，如果使用os.popen则会出现下面的错误: 代码如下: Traceback (most recent call last): File "./test1.py", line 56, inmain() File "./test1.py", line 45, in main fax.sendFax() File "./mailfax/Fax.py", line 13, in sendFax os.popen(cmd) UnicodeEncodeError: "ascii" codec can"t encode characters in position 46-52: ordinal not inrange(128)

请问如何来暂时保存这些数据？如何使用这些数据？不太确定理解了你的问题：1 你是根据数据库来进行语句分割，评价分析的吗。 如果是的话，那就把分析结果存到字典里就可以了。(也就是你说的保存) 使用呢，就是对这个字典进行判断处理。2 如果不是的话，你是想收集语料库放到字典里，然后再利用这个字典对象去判断? 保存大词典对象的话可以用gdbm来读写。

用过PyTorch的朋友大概都知道，对于不同的网络层，输入的维度虽然不同，但是通常输入的第一个维度都是batch_size，比如torch.nn.Linear的输入(batch_size,in_features)，torch.nn.Conv2d的输入（batch_size, C, H, W）。而RNN的输入却是(seq_len, batch_size, input_size)，batch_size位于第二维度！虽然你可以将batch_size和序列长度seq_len对换位置，此时只需要令batch_first=True。 但是 为什么RNN输入默认不是batch first=True？这是为了便于并行计算 。因为cuDNN中RNN的API就是batch_size在第二维度！进一步，为啥cuDNN要这么做呢？因为batch first意味着模型的输入（一个Tensor）在内存中存储时，先存储第一个sequence，再存储第二个... 而如果是seq_len first，模型的输入在内存中，先存储所有序列的第一个单元，然后是第二个单元... 两种区别如下图所示： [参考资料] https://zhuanlan.zhihu.com/p/32103001

最简单的方法是另写一个python脚本，然后在bash脚本里调用。如果一定内嵌的话 请参考这里http://hi.baidu.com/wmeng_1992/item/7291d3fe38abc8eea835a236

可以告诉你没区别吗。u"string" 表示 已经是 unicode 编码的 "string" 字符串而 unicode("string") 是 即将要把 "string" 转化为 unicode 编码（但在执行这条语句之前，还不一定是unicode编码）文件开始，是整体中的字符编码。一般使用 #coding:utf-8 最好还是使用utf-8

Python是一种解释型、面向对象、动态数据类型的高级程序设计语言。 Python源代码同样遵循 GPL(GNU General Pubpc License)协议。GPL(GNU General Pubpc License)（推荐学习：Python视频教程）GPL协议的主要内容是只要在一个软件中使用(“使用”指类库引用，修改后的代码或者衍生代码)GPL 协议的产品，则该软件产品必须也采用GPL协议，既必须也是开源和免费。这就是所谓的”传染性”。GPL协议的产品作为一个单独的产品使用没有任何问题，还可以享受免费的优势。由于GPL严格要求使用了GPL类库的软件产品必须使用GPL协议，对于使用GPL协议的开源代码，商业软件或者对代码有保密要求的部门就不适合集成/采用作为类库和二次开发的基础。GPL(GNU通用公共许可证)大多数软件许可证决意剥夺你共享和修改软件的自由。相比之下，GNU通用公共许可证试图保证你共享和修改自由软件的自由。——保证自由软件对所有用户是自由的。GPL适用于大多数自由软件基金会的软件，以及由使用这些软件而承担义务的作者所开发的软件。（自由软件基金会的其他一些软件受GNU库通用许可证的保护）。你也可以将它用到你的程序中。当我们谈到自由软件（free software）时，我们指的是自由而不是价格。为了保护你的权利，我们需要作出规定：禁止任何人不承认你的权利，或者要求你放弃这些权利。如果你修改了自由软件或者发布了软件的副本，这些规定就转化为你的责任。例如，如果你发布这样一个程序的副本，不管是收费的还是免费的，你必须将你具有的一切权利给予你的接受者；你必须保证他们能收到或得到源程序；并且将这些条款给他们看，使他们知道他们有这样的权利。更多Python相关技术文章，请访问Python教程栏目进行学习！以上就是小编分享的关于python采用什么开源协议的详细内容希望对大家有所帮助，更多有关python教程请关注环球青藤其它相关文章！

不是漂印打印字串符不是究中的所有题。

使用 rjust如：print(str(fib(i)).rjust(5),end=" ")

sys.argv返回的是命令行的参数列表比如你要运行一个hello.py的程序需要用命令行传入参数，比如名字运行就是pythonhello.py"张三"那么你可以通过sys.argv一个列表["张三"]然后在程序里面使用比如输出print出来

使用Python实现斐波那契Fibonacci函数。_蠛芗虻ィ淙_，输出第n个Fibonacci数，n为正整数。

在上一篇 《Python reportlab库之hello world》 中我们演示了简单Demo，在Demo中使用Canvas对象。 本篇文章将简单介绍一下Canvas对象，首先我先来看看Canvas的构造函数 filename 参数控制最终PDF文件的名称 pagesize 参数有width和height两个参数，canvas默认的大小是A4纸（美国标志信件采用的就是A4）,具体demo如下 运行效果 bottomup 参数用于切换坐标系。一些系统把(0,0)坐标设置在底部左侧。 bottomup 未来可能会被移除。 pageCompression 选择是否压缩每个页面。默认的页面是不被压缩的，因为压缩会影响文件处理速度。如果 pageCompression =1，那么文件将被压缩到最小，但生成时间也会被延长。注意，图片总是会被压缩。如果您有大量的文章和矢量图像会造成文件过大，使用 pageCompression 参数将有效减少文件体积。 encoding 参数在2.0版本上已经省略了，大家基本上可以忽略这个参数。 verbosity 参数参数确定打印多少日志信息。默认情况下， verbosity 为0。如果值为1，您将得到生成文档是的日志信息。数值越高可能会在未来产生更多的日志输出。 encrypt 参数决定文档是否加密。默认情况下，文档是不加密的。

实时检测我觉得可能没必要了，周期性检测倒是不错，比如每隔30秒检查一次，除非你一秒钟就几十上百兆数据写入，那就得实时检测了。实时监测的话，在while循环里不停的查看文件夹的变化首写关于文件夹的大小，据我所知道的python标准库并没有提供关于文件夹大小的api或套件，你需要一个一个文件的去遍历获取文件的大小累加求和，获取文件大小可以使用os.stat(文件路径)。不过最好的方式，我觉得是通过调用系统命令获取文件夹的大小，这样就不用写递归方法，获取你要清空目录下的文件目录结构，当然目录结构简单的话，递归方法都不用写。不知道你的操作系统是什么，linux的话可以用du -sh /data/applog/在python2.7中可以使用commands.getoutput执行上面的命令并获取到输出结果第二就是关于清空文件夹的，你必须保证没有程序对你要清空的目录进行访问，你才能正常的清空，否则，对于在使用中的文件你会清空失败。清空文件夹你可以使用shutil库里的rmtree（）方法，它不管你文件夹是否有文件或子文件夹，使用它就是一行代码的事情，如果使用os模块进行删除的话你要从最底层文件夹开始删除。最后你再重新新建这文件夹上面只是思路，具体使用还得根据你的实际需要来的如果你要进行周期性检测的话，可以使用标准库中的sched库来开发

我们不知道

你是要选择用TKinter还是wxpython实现？

Authorization: Bearer 编码后的AccessToken(AccessToken经过Base64编码后的字符串)通常 Bearer 后有一个空格的,以前研究过酷盘的api 就是因为少错,加个空格老报,加一个试试

@(Python入门) [TOC] quit raises the SystemExit exception behind the scenes. Furthermore, if you print it, it will give a message: This functionality was included to help people who do not know Python. After all, one of the most likely things a newbie will try to exit Python is typing in quit . Nevertheless, quit should not be used in production code. This is because it only works if the site module is loaded. Instead, this function should only be used in the interpreter. exit is an alias for quit (or vice-versa). They exist together simply to make Python more user-friendly. Furthermore, it too gives a message when printed: However, like quit , exit is considered bad to use in production code and should be reserved for use in the interpreter. This is because it too relies on the site module. sys.exit raises the SystemExit exception in the background. This means that it is the same as quit and exit in that respect. Unlike those two however, sys.exit is considered good to use in production code. This is because the sys module will always be there. os._exit exits the program without calling cleanup handlers, flushing stdio buffers, etc . Thus, it is not a standard way to exit and should only be used in special cases. The most common of these is in the child process(es) created by os.fork . Ctrl+Z is a qucik-operation of exit and quit , which means Ctrl+Z is the same with them. use to exit, so u don"t need to import sys first. The site module (which is imported automatically during startup, except if the -S command-line option is given) adds several constants to the built-in namespace. They are useful for the interactive interpreter shell and should not be used in programs. Objects that when printed, print a message like “Use quit() or Ctrl-D (i.e. EOF, end of file) to exit”, and when called, raise SystemExit with the specified exit code. Exit from Python. This is implemented by raising the SystemExit exception, so cleanup actions specified by finally clauses of try statements are honored, and it is possible to intercept the exit attempt at an outer level. The optional argument arg can be an integer giving the exit status (defaulting to zero), or another type of object. If it is an integer, zero is considered “successful termination” and any nonzero value is considered “abnormal termination（结局）” by shells and the like. Most systems require it to be in the range 0–127, and produce undefined results otherwise. Some systems have a convention for assigning specific meanings to specific exit codes, but these are generally underdeveloped; Unix programs generally use 2 for command line syntax errors and 1 for all other kind of errors. If another type of object is passed, None is equivalent to passing zero, and any other object is printed to stderr and results in an exit code of 1. In particular, sys.exit ( "some error message" ) is a quick way to exit a program when an error occurs. Since exit() ultimately “only” raises an exception, it will only exit the process when called from the main thread, and the exception is not intercepted. Changed in version 3.6: If an error occurs in the cleanup after the Python interpreter has caught SystemExit (such as an error flushing buffered data in the standard streams), the exit status is changed to 120. https://stackoverflow.com/questions/19747371/python-exit-commands-why-so-many-and-when-should-each-be-used https://docs.python.org/3/library/constants.html#quit https://docs.python.org/3/library/sys.html#sys.exit http://grokbase.com/t/python/python-list/042qh9j55e/gripe-use-ctrl-d-i-e-eof-to-exit

1、首先推荐成熟的python web模式是：Pyramid 它是由Pylons和repoze.bfg合并而成的新项目。2、其它的还有很多的，简单列一下。TurboGears，Bottle，Flask，Grok，Quixote，Tornado，web.py，web2py，Webware，Werkzeug，Karrigell，Cubicweb，PureMVC等。推荐这几个：Pyramid，Bottle，Flask，Tornado，web.py。

1.CubicWebCubicWeb的最重要的功能是其代码的可重用性，由一个个代码单元组成。它灵活又强大，并且还有一些特别的功能，包括RQL查询语言和支持有效编码的语义视图功能。这是语义Web应用程序的最佳解决方案，并且提供理想的环境。作为一个程序员，我们必须了解Python这门编程语言的灵活和强大。框架的选择取决于Web应用程序的使用目的和复杂程度。测量项目所需的负荷、可扩展性和效率是关键。官方网站：http://www.cubicweb.org/2.Zope2Zope是不同Web框架集合在一起的完整家庭。与其他框架相比，zope2在当前的开发环境中对于内容管理系统是相当有限的。 Zope工具包是一个很好的库资源，允许使用重用代码和不同的库。官方网站：https://pypi.python.org/pypi/Zope23.web2pyweb2py最重要的因素是其外部零依赖，可以创建、复原、管理和修改在浏览器中的应用程序。对于一些简单的web开发任务，大部分都可以自动化快速开发。程序员甚至不需要再准备单一的开发、调试、测试、部署和数据库处理的封装包。内置的Web界面中这些都有，在使用之前也不需要进行安装。官方网站：http://www.web2py.com/4.TurboGearsTurboGears也称为是框架的终结者，因为它虽然有着其他Python框架都有的功能，却不像其他框架那样有局限性。它甚至能适用于简单的微架构项目。它给人的感觉就不像是工作在框架上，而像是在写新的功能。你可以在几分钟之内可以创建一个read-to-extend应用，并且我们可以在网上找到大量的教程。官方网站：http://www.turbogears.org/5.Pylons灵活性是pylons框架的主要特点之一。它可以将不同Python框架提供的某些最好功能，整合到同一个地方。Pyramid是pylons的第一批产品之一，它把重点放在了快速和灵活开发实践上。你可以挑选任何你认为可以提高Web开发效率的功能整合到一起。官方网站：http://www.pylonsproject.org/6.Grok它由Zope工具包提供支持，并且一开始的时候是作为一个易扩展的Zope工具箱，为了方便那些菜鸟程序员的使用而开发 的。对于Web应用，Grok不但能提供多个构件，还有一个随时可以提供支持的很好社区。它提供了一种更为简单和灵活的学习Python的模式。它配备的可DRY方法使得它成为了一个很好的工具。官方网站：http://grok.zope.org/7.Web.py之所以说这是一款非常独特的框架，主要是因为它的简单性和功能强大的开发能力。你可以用Python语言舒舒服服地编写web应用程序。你会因为它的零局限性和易用性喜欢上web.py。有些程序员可能会发现它对功能的限制比较少，因为它预留了整合的空间，所以你不必一下子加载所有的功能，尤其是那些你并不需要的。官方网站：http://webpy.org/8.PyramidPyramid以其高效率和快节奏的开发能力而出名。这个框架最妙的是包含了一些Python，Perl和Ruby提供的最独特的功能。此开源Web框架有一个独立于平台的MVC结构，提供了开发的最简途径。此外，它还是高效开发重用代码的首选平台之一。官方网站：http://www.pylonsproject.org/projects/pyramid/about9.CherryPyCherryPy起源的其中一个最重要的原因是，它与Python兼容，并且它Python化的接口允许开发人员像Python提供的其他任何模块一样将其整合。另一个优秀的特点是能够自定义各个功能，并配备了本地适配器（mod_python），使得它非常适合开发。它为每一个WSGI功能适配器提供支持，并允许CherryPy的广泛实施。官方网站：http://www.cherrypy.org/10.FlaskFlask是一款可扩展却又简单的微架构。可能刚用的时候你会觉得它缺少某些功能，如表单验证、数据库抽象层、添加常用功能的第三方库。但是，它允许扩展，使得它更易于添加所需的功能。它的有些功能如单元测试非常适用于开发，并且支持客户端应用程序使用安全的cookies。它更适用于轻量级的应用程序和项目。

1、Django框架Django是一个开放源代码的Web 应用框架，由纯Python写成，是目前 Python 语言中主流 de 三大Web框架之一(flask、django、tornado)，是最容易上手的框架。2、Flask框架flask框架是python中的一个轻量级的前后端开发框架，不同于Django，flask只提供基础的功能，其他的功能需要安装各种插件。因为轻量，所以可以用来做一些小工程和低流量的开发;大型工程也可以使用flask框架，但是就需要安装很多插件。3、Pyramind框架Pyramind是一个扩展性很强且灵活的 Python Web 开发框架。上手十分容易，比较适合中等规模且边开发边设计的场景。Pyramid 不提供绝对严格的框架定义，根据需求可以扩展开发，对高阶程序员十分友好。4、web.py框架web.py 是一个Python 的web框架，它简单而且功能强大。web.py 是公开的，无论用于什么用途都是没有限制的。而且相当的小巧，应当归属于轻量级的web 框架。但这并不影响web.py 的强大，而且使用起来很简单、很直接。5、Tornado框架Tornado是一个Python web框架和异步网络库，最初是在FriendFeed开发的。通过使用非阻塞网络I/O, Tornado可以扩展到数以万计的开放连接，非常适合长轮询、WebSockets和其他需要与每个用户进行长时间连接的应用程序。6、TurboGears框架TurboGears具有其他Python框架都具有的功能，但与其他框架一样没有限制，因此可以说是框架的终结者。也可以应用于简单的微体系结构项目。它感觉不像在框架中工作，而是写新的功能。7、CherryPy框架CherryPy是一个轻量级的python网络框架，用来创建网络应用。比如快速实现api接口、做网站后端这样。感觉和flask差不多。8、Flcon框架Falcon是一个最低限度的ASGI/WSGI框架，用于构建任务关键型REST API和微服务，重点关注规模上的可靠性、正确性和性能。9、Asgineer框架Asgineer是一种编写异步Web应用程序的工具，使用尽可能少的抽象，同时仍然提供友好的API。10、Bottle框架Bottle是一个用于Python的快速、简单和轻量级的WSGI微型网络框架。它作为单个文件模块分发，除了Python标准库之外没有任何依赖项。

.........

Python有一些绘图的功能，使用turtle模块。 在命令行输入 python.exe -m turtledemo 可以打开Python安装时，系统自带的一些演示程序。 感觉功能还是比较多的。 程序实现其实还是比较简单，主要是得搞懂倒是给的文献，还得跟导师交流如何演示出效...

fit()可以说是调用的通用方法。fit(X)，表示用数据X来训练某种模型。 函数返回值一般为调用fit方法的对象本身。fit(X,y=None)为无监督学习算法，fit(X,Y)为监督学习算法

Pytest是一个 易用 、 强大 、 灵活 的功能测试框架,并且兼容unittest和nose的测试用例 运行方法 在当前文件所在目录,打开命令行,运行: 或者在脚本中,导入pytest,使用 pytest.main([...]) 运行: mark主要用来标记用例,通过不同的标记实现不同的运行策略 主要用途: 标记和分类用例 标记用例在指定条件下跳过或直接失败 标记使用指定fixtures 参数化 标记超时时间 或命令行使用 pytest --timeout=300 限定所有用例 标记失败重跑次数 或 pytest --reruns 5 --reruns-delay 1 Pytest提供 会话 (一次测试运行为一个会话)/包/模块/类/方法级别以及 用例单独 的fixtures方法, 并且支持unittest/nose中的 setUpModule/tearDownModule , setUpClass/tearDownClass , setUp/tearDown 方法,并且使用更加灵活 fixture参数支持 scope (生效范围)和 autouse (自动使用) 生效范围 执行顺序 独立的fixture方法(供某个/某些用例单独使用) 向fixture方法传递参数及使用返回结果 使用 conftest.py (固定文件名),集中管理fixtures方法 通过 pytest ... 命令,可以实现非常灵活的执行控制 其它常用参数 或 pytest --timeout=300 限定所有用例 或 pytest --reruns 5 --reruns-delay 1

一、parametrize--参数化 pytest中装饰器@pytest.mark.parametrize("参数名",list)可以实现测试用例参数化。 1、第一个参数是字符串，多个参数中间用逗号隔开 2、第二个参数是list，多组数据是用元组类型，传三个或者更多参数也是这么传，list的每个元素都是一个元组，元组里的每个元素和参数顺序一一对应 3、传一个参数@pytest.mark.parametrize("参数名"，list) 进行参数化 4、传两个参数@pytest.mark.parametrize("参数名1，参数名2"，[(参数1_data[0], 参数2_data[0]),(参数1_data[1], 参数2_data[1])]) 进行参数化 详见： https://cloud.tencent.com/developer/article/1527541 二、order--执行顺序 1、控制用例执行顺序的方法 2、在需要调整用例执行顺序的函数（或方法）前增加，如@pytest.mark.run(order=x)，x表示数字 3、执行顺序，由小到大、由正到负、未标记的在正数后、负数前执行 顺序为：1，2，3，无标记，-3，-2，-1 三、fixture--函数做参数 1、可将被fixture标记的函数当作参数使用 2、fixture可放到conftest.py文件下，conftest.py会自动识别哪个用例调用了这个函数 3、fixture可以实现setup和teardown功能 四、rerunfailure--失败重跑 1、失败重跑机制 2、安装pytest-rerunfailure 在设置文件pytest.ini中添加命令 reruns = 重跑次数 addopts= --reruns =10 五、skip--跳过测试 1、pytest.skip(用于函数内，跳过测试用例) 2、@pytest.mark.skip(用于函数外，跳过测试用例) 3、@pytest.mark.skipif(用于函数外，条件condition，跳过原因reason="xxx")

定义fixture跟定义普通函数差不多，唯一区别就是在函数上加个装饰器@pytest.fixture() fixture命名与用例区分开，不要以test开头。fixture是有返回值的，没有返回值默认为None。 用例调用fixture的返回值，直接就是把fixture的函数名称当做变量名称。 主要解决测试前后的问题和依赖问题。 fixture的功能主要是定制化执行特定的方法。 比如淘宝，有些不需要登录也可以进行直接操作，比如搜索，对商品进行搜索，不需要登录。但是加入购物车或者支付，都需要登录，才能进行操作。 核心： @pytest.fixture() 括号里面的默认值是function。 操作步骤： 1、导入pytest 2、在登录函数上，使用@pytest.fixture()，注意：函数名称不以test开头 3、不传入变量函数名，直接执行测试函数 4、传入变量函数名，先登录在执行测试函数 返回内容： test_fixture.py::test_search 用例1，不需要登录也可以进行搜索 PASSED test_fixture.py::test_cart 登录用户名和密码 用例2，需要登录才可以进行加入购物车 PASSED test_fixture.py::test_pay 登录用户名和密码 用例3，需要登录才可以进行支付 PASSED 如上例子中，登录中的用户名和密码，不在函数中，是一个变量，那就需要参数传递，fixture通过params进行操作。@pytest.fixture(params=xxx)，函数中request参数是固定 返回内容： test_fixture_param.py::test_prepare[1] 参数传递1 test_fixture_param.py::test_prepare[2] 参数传递2 test_fixture_param.py::test_prepare[4] 参数传递4 test_fixture_param.py::test_prepare[linda] 参数传递linda 1、fixture传递，直接传入变量，就先执行website，在执行login 返回内容： test_fixture.py::test_search 用例1，不需要登录也可以进行搜索 test_fixture.py::test_cart 打开浏览器 登录用户名和密码 用例2，需要登录才可以进行加入购物车 test_fixture.py::test_pay 打开浏览器 登录用户名和密码 用例3，需要登录才可以进行支付 2、fixture传递，pytest.fixture(autouse=True)，表示所有的test_xx用例都会执行这个 fixture传递。 返回结果： test_fixture.py::test_search 登录用户名和密码 用例1，不需要登录也可以进行搜索 test_fixture.py::test_cart 登录用户名和密码 打开浏览器 用例2，需要登录才可以进行加入购物车 test_fixture.py::test_pay 登录用户名和密码 打开浏览器 用例3，需要登录才可以进行支付 3、fixture传递，只针对特定的test_xx方法进行参数传递，可以通过标记的方式进行操作。 核心： @pytest.mark.usefixtures("login") 返回结果： test_fixture.py::test_search 用例1，不需要登录也可以进行搜索 test_fixture.py::test_cart 用例2，需要登录才可以进行加入购物车 test_fixture.py::test_pay 登录用户名和密码 用例3，需要登录才可以进行支付

ArrowPython中处理时间的库有datetime，但是它过于简单，使用起来不够方便和智能，而Arrow可以说非常的方便和智能。它可以轻松地定位几个小时之前的时间，可以轻松转换时区时间，对于一个小时前，2个小时之内这样人性化的信息也能够准确解读。Behold调试程序是每个程序员必备的技能，对于脚本语言，很多人习惯于使用print进行调试，然而对于大项目来说，print的功能还远远不足，我们希望有一个可以轻松使用，调试方便，对变量监视完整，格式已于查看的工具，而behold就是那个非常好用的调试库。Click现在几乎所有的框架都有自己的命令行脚手架，python也不例外，那么如何快速开发出属于自己的命令行程序呢?答案就是使用python的click库。click库对命令行api进行了大量封装，你可以轻松开发出属于自己的CLI命令集。终端的颜色，环境变量信息，通过click都可以轻松进行获取和改变。Numba如果你从事数学方面的分析和计算，那么Numba一定是你必不可少的库。NumPy通过将高速C库包装在Python接口中来工作，而Cython使用可选的类型将Python编译为C以提高性能。但是Numba无疑是最方便的，因为它允许使用装饰器选择性地加速Python函数。Matlibplot做过数据分析，数据可视化的数学学生一定知道matlab这个软件，这是一个收费的数学商用软件，在Python中，Matlibplot就是为了实现这个软件中功能开发的第三方Python库。并且它完全是免费的，很多学校都是用它来进行数学教学和研究的。Pillow图像处理是任何时候我们都需要关注的问题，平时我们看到很多PS中的神技，比如调整画面颜色，饱和度，调整图像尺寸，裁剪图像等等，这些其实都可以通过Python简单完成，而其中我们需要使用的库就是Pillow。pyqt5Python是可以开发图形界面程序的。而pyqt就是一款非常好用的第三方GUI库，有了它，你可以轻松开发出跨平台的图形应用程序，其中qtdesigner设计器，更是加速了我们开发图形界面的速度。ScrapyPython被很多人知道都是因为它的爬虫功能，而Python中说到爬虫框架，人们公认最好的就Scrapy没有之一。Scrapy可以说专门为爬虫而生，它的设计思想，还有他的简洁性，可以说至少再过几年，也没有能超过它的。除了以上内容，比较常见的Python库还包括Splinter、Pygame、PyInstaller、Openpyxl等，Python的库多到你一身都学不完。

python的库多达24种：用于数据收集的Python库· Beautiful Soup· Scrapy· Selenium用于数据清理和数据操作的Python库· Pandas· PyOD· NumPy· Spacy用于数据可视化的Python库· Matplotlib· Seaborn· Bokeh用于建模的Python库· Scikit-learn· TensorFlow· PyTorch用于模型解释的Python库· Lime· H2O用于语音处理的Python库· Librosa· Madmom· pyAudioAnalysis用于图像处理的Python库· OpenCV-Python· Scikit-image· Pillow作为数据库的Python库· Psycopg· SQLAlchemy用于模型部署的Python库· Flask希望这些回答可以帮助到你。

python能做什么游戏？python可以开发一些小游戏，实际上Python中是有一些对应的官方或者非官方的游戏开发库的。1. Github上面有个项目Free Python Games，里面集合了不少的Python开发的小游戏，能玩，也适合新手用来练练手，另外 PyGame 这个网站里面里面集合了很多Python开发的小游戏。2. Python版本的 Flapy Bird 简化版，但是感觉更加难玩了。当然你也可以尝试用Python开发原版的 Flapy Bird，涵盖了颜色图像等：Flappy Block - 1.03. 小时候经常在手机上玩的一个游戏，也是一款经典的街机游戏，这款游戏进化之后其实就是一个打乒乓的小游戏，这里同样有一个进化版本，图形设计的更加好看：Ping Pong4. 以前初高中在学校很无聊的时候跟同桌或者前后桌玩的游戏，你还记得么5. 同样一款小时候在小霸王上玩的游戏：Junk Jungle6. 除此之外，一款比较有名基于Pyhton的战争的游戏：Home - TaleWorlds Entertainment7. 一款看起来非常有趣的3D游戏：Galcon相关推荐：《Python教程》以上就是小编分享的关于python能做什么游戏的详细内容希望对大家有所帮助，更多有关python教程请关注环球青藤其它相关文章！

Python开发的游戏有很多，比如说最著名的魔兽世界，以及坦克世界、星战前夜、文明帝国4等，还有网易手游阴阳师等都是Python开发的。

ant 蚂蚁2. bagels 百吉饼另外贪吃蛇，吃豆子都是可以的，直接代码就可以玩。Python包括随您的安装一起分发的大量标准库。标准库有一个称为Turtle的模块，这是一种向普通人介绍python编程的流行方法。今天介绍的所有游戏都是使用Python及其Turtle模块实现的。每个游戏都完全独立于其他游戏，不试一试 您永远都不知道最喜欢哪种游戏。安装完之后我们可以使用"python -m freegames list"来查看所有的游戏贪吃蛇贪吃蛇 -经典街机游戏。使用箭头键导航并吃绿色食品。每次食用食物，蛇就会长出一段。避免自己进食或出界！吃豆子吃豆子 –经典街机游戏。使用箭头键导航并吃掉所有白色食物。提防漫游迷宫的红色幽灵。FlappyFlappy-bird启发游戏。单击屏幕拍打翅膀。当您飞越屏幕时，请当心黑乌鸦。加农炮大炮-射击运动。单击屏幕发射您的炮弹。炮弹在其路径中弹出蓝色气球。弹出所有气球，然后才能越过屏幕。

把py2的照着改一下不就好了

ant 蚂蚁2. bagels 百吉饼另外贪吃蛇，吃豆子都是可以的，直接代码就可以玩。Python包括随您的安装一起分发的大量标准库。标准库有一个称为Turtle的模块，这是一种向普通人介绍python编程的流行方法。今天介绍的所有游戏都是使用Python及其Turtle模块实现的。每个游戏都完全独立于其他游戏，不试一试 您永远都不知道最喜欢哪种游戏。安装完之后我们可以使用"python -m freegames list"来查看所有的游戏贪吃蛇贪吃蛇 -经典街机游戏。使用箭头键导航并吃绿色食品。每次食用食物，蛇就会长出一段。避免自己进食或出界！吃豆子吃豆子 –经典街机游戏。使用箭头键导航并吃掉所有白色食物。提防漫游迷宫的红色幽灵。FlappyFlappy-bird启发游戏。单击屏幕拍打翅膀。当您飞越屏幕时，请当心黑乌鸦。加农炮大炮-射击运动。单击屏幕发射您的炮弹。炮弹在其路径中弹出蓝色气球。弹出所有气球，然后才能越过屏幕。

用闭包再来看看专业的解释:闭包（Closure）是词法闭包（Lexical Closure）的简称，是引用了自由变量的函数。这个被引用的自由变量将和这个函数一同存在，即使已经离开了创造它的环境也不例外。所以，有另一种说法认为闭包是由函数和与其相关的引用环境组合而成的实体。<pre t="code" l="python">def make_adder(addend):def adder(augend):return augend + addendreturn adderp = make_adder(23)q = make_adder(44)print p(100)print q(100)运行结果：123144

嵌套函数（闭包）来实现

例如一个函数内有一个变量i，怎么在函数外或另一个函数中调用或更改它。新手学习，谢谢。 ==============================不能在函数外更改某函数里的局部变量，因为每当你实例化那个函数的时候，那个函数里面的局部变量也会被重新赋值，重新定义，谈何更改呢？这一个全部变量和局部变量的问题，如果要实现楼主说的，必须使用全局变量（类中的self）:================bianliang.py===========#coding: utf-8i = 0 #定义一个全局变量idef a(): """ 打印出i的值 """ print idef b(): global i a() #调用a方法 print i #打印i i = 1000 #重新赋值i print i #打印i a() #再次调用a方法b()=================================%python bianliang.py0010001000这个py文件里面使用了一个全局变量i，实现了a方法和b方法共用参数i

http://blog.sina.com.cn/s/blog_64e467d60100uhls.html上面有一个方法

这个要贴具体代码看看哈。大致的意思是，后面recv是个函数，接收了一个2048的参数；这个函数有两个返回值，一个是data，一个是addr

python有cpython和jpython之分常用的cpython就是cc++编写的，当然支持……

更多历史分数 力扣竞赛 - 勋章及成就规则 简而言之就是 ： Guardian 为 1600 分以上的所有参与竞赛人员的前 5% Knight 为 1600 分以上的所有参与竞赛人员的前 25%

Ansible 和 SaltStack 都提供了 Python 直接调用的API, 这方便了 Pythoner 对这些软件进行二次开发和整合, 此功能着实方便了不少, 比起 Python 代码中调用 shell 也略显专业!然而 Ansible 在2.0版本后重构了大部分的代码逻辑, 启用了2.0版本之前的 Runner 和 Playbook 类, 使得广大同学之前的代码运行错误. 择日不如撞日, 今天中午对照 官方的文档 , 结合源代码, 对2.0版本之后的 Python API 做了下探究Adhocadhoc 其实就是执行 Ansible 模块, 通过 adhoc 我们可以方便快捷的完成一些临时的运维操作.

：直接执行python xx.py就可以运行。 或者建立catkin_make工作目录，放入python文件，写好配置文件。catkin_make 之后生成节点文件，rosrun运行该节点。

1 先建立工作空间~/catkin_wscatkin_create_pkg basic std_msgs rospy2 在工作空间~/catkin_ws下创建包pkg目录basic好处是通过创建包自动生成package.xml和CMakeLists.txt3 在工程目录下建一个src子目录和.py文件源代码文件：topic_publisher.py ~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~#!/usr/bin/env pythonimport roslib; roslib.load_manifest("basic")import rospyfrom std_msgs.msg import Int32rospy.init_node("topic_publisher")pub = rospy.Publisher("counter", Int32)rate = rospy.Rate(2)count = 0while not rospy.is_shutdown(): pub.publish(count) count += 1 rate.sleep()~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~操作步骤如下liao@liao-eagle:~/catkin_ws$ lsbuild devel install srcliao@liao-eagle:~/catkin_ws$ cd srcliao@liao-eagle:~/catkin_ws/src$ lsbasic beginner_tutorials CMakeLists.txt first secondliao@liao-eagle:~/catkin_ws/src$ cd basic/liao@liao-eagle:~/catkin_ws/src/basic$ lsCMakeLists.txt package.xml srcliao@liao-eagle:~/catkin_ws/src/basic$ cd srcliao@liao-eagle:~/catkin_ws/src/basic/src$ vi topic_publisher.py liao@liao-eagle:~/catkin_ws/src/basic/src$ chmod +x topic_publisher.py 4 回到~/catkin_ws目录下，编译程序$ cd ～/catkin_wsliao@liao-eagle:~/catkin_ws$ catkin_make5 将当前工程加入到shell环境里去liao@liao-eagle:~/catkin_ws$ echo "source ~/catkin_ws/devel/setup.bash" >> ~/.bashrcliao@liao-eagle:~/catkin_ws$ source ~/.bashrc6 运行程序（需开两个终端）liao@liao-eagle:~/catkin_ws$ roscoreliao@liao-eagle:~/catkin_ws$ rosrun basic topic_publisher.py7 通过rostopic查看相关信息liao@liao-eagle:~/catkin_ws$ rostopic list/counter/rosout/rosout_aggliao@liao-eagle:~/catkin_ws$ rostopic info /counterType: std_msgs/Int32Publishers: * /topic_publisher (http://liao-eagle:34233/)Subscribers: Noneliao@liao-eagle:~/catkin_ws$ rostopic echo /counterdata: 185---data: 186---data: 187---data: 188---data: 189---data: 190---data: 191---data: 192---data: 193---data: 194

GuidovanRossum正式对外发布Python版本的年份是（）。 A.1991 B.1998 C.2002 D.2008 正确答案：1991

python，英[u02c8pau026aθu0259n]，美[u02c8pau026aθɑu02d0n]，英["pau026aθu0259n]：发音有点像“派森” 或 “派粉”，注意中间那个 θ 音，除英语外，世界上没几个语言有这个音。θ 这个就是咬住舌头吐气的发音。美[u02c8pau026au02ccθɑn, -θu0259n]：听起来有点像“派饭”??也可以读成“派森”。 Python的创始人为Guido van Rossum,是电视节目Monty Python(大蟒蛇)的粉丝，在1989年圣诞节期间，Guido选中Python作为发明的程序语言的名字。扩展资料：Python 由 Guido van Rossum 在八十年代末和九十年代初，在荷兰国家数学和计算机科学研究所设计出来的。Python 本身也是由诸多其他语言发展而来的,这包括 ABC、Modula-3、C、C++、Algol-68、SmallTalk、Unix shell 和其他的脚本语言等等。像 Perl 语言一样，Python 源代码同样遵循 GPL(GNU General Public License)协议。现在 Python 是由一个核心开发团队在维护，Guido van Rossum 仍然占据着至关重要的作用，指导其进展。Python 2.7 被确定为最后一个 Python 2.x 版本，它除了支持 Python 2.x 语法外，还支持部分 Python 3.1 语法。参考资料来源：百度百科-Python参考资料来源：百度百科-python

简单的回答：Ai，科学计算，爬虫，编程入门，等等

1、Python做数据挖掘很强大，最近几年很火的机器学习以及较为前沿的自然语言处理也会选用Python作为基础工具。下面是我之前写的一点Python数分挖掘的简单案例，代码均有，可以看下：你用 Python 做过什么有趣的数据挖掘/分析项目？ - 据数的回答 写的简单且乱，轻拍！2、楼主提到Python作图，提到了matplotlib库。其实楼主可以试一下seaborn，简单易上手而且结果美观：SeabornMatplotlib是Python主要的绘图库。但是，我不建议你直接使用它，原因与开始不推荐你使用NumPy是一样的。虽然Matplotlib很强大，它本身就很复杂，你的图经过大量的调整才能变精致。因此，作为替代，我推荐你一开始使用Seaborn。Seaborn本质上使用Matplotlib作为核心库（就像Pandas对NumPy一样）。我将简短地描述下seaborn的优点。具体来说，它可以：默认情况下就能创建赏心悦目的图表。（只有一点，默认不是jet colormap）创建具有统计意义的图能理解pandas的DataFrame类型，所以它们一起可以很好地工作。

由于现在的编辑程序特别的火，而且国家推出了一系列的智能机器人，让人们觉得不要让孩子输在起跑线上，从小就要学会编程，爬虫就是在这样理念中诞生的。

4的2次方。Python的创始人为荷兰人吉多·范罗苏姆（GuidovanRossum）。1989年圣诞节期间，在阿姆斯特丹，Guido为了打发圣诞节的无趣，决心开发一个新的脚本解释程序，作为ABC语言的一种继承。之所以选中Python（大蟒蛇的意思）作为该编程语言的名字，是取自英国20世纪70年代首播的电视喜剧《蒙提·派森的飞行马戏团》（MontyPython"sFlyingCircus）。ABC是由Guido参加设计的一种教学语言。就Guido本人看来，ABC这种语言非常优美和强大，是专门为非专业程序员设计的。但是ABC语言并没有成功，究其原因，Guido认为是其非开放造成的。Guido决心在Python中避免这一错误。同时，他还想实现在ABC中闪现过但未曾实现的东西。

第一：概念不同Python是一种跨平台的计算机程序设计语言。 是一个高层次的结合了解释性、编译性、互动性和面向对象的脚本语言。最初被设计用于编写自动化脚本(shell)，随着版本的不断更新和语言新功能的添加，越多被用于独立的、大型项目的开发。R是用于统计分析、绘图的语言和操作环境。R是属于GNU系统的一个自由、免费、源代码开放的软件，它是一个用于统计计算和统计制图的优秀工具。第二：数据结构不同R语言数据结构简单，主要包含向量一维、多维数组二维时为矩阵、列表非结构化数据、数据框结构化数据。Python数据结构丰富，包含更丰富的数据结构来实现数据更精准的访问和内存控制，多维数组。第三：用途不同R语言是一个用于统计计算和统计制图的优秀工具。自Python由Guido van Rossum于1989年底发明创建以来，基于此项技术的网站和软件项目已经有数千个。python由于其独特性，使其在各种编程语言中脱颖而出，在全世界拥有大量用户它的程序员。第四、特点不同R语言是专门为统计和数据分析开发的语言，各种功能和函数琳琅满目，其中成熟稳定的一抓一把。体积轻便，运行起来系统负担也小。Python语言是在ABC教学语言的基础上发展出来的;遗憾的是，ABC语言虽然非常强大，但却没有普及应用，Guido认为是它不开放导致的。

Python是一种跨平台的计算机程序设计语言。 是一个高层次的结合了解释性、编译性、互动性和面向对象的脚本语言。最初被设计用于编写自动化脚本(shell)，随着版本的不断更新和语言新功能的添加，越多被用于独立的、大型项目的开发。相关课程python3 Appium全方位实践与框架开发去学习Python简介及应用领域Python是一种解释型脚本语言，可以应用于以下领域：[2]Web 和 Internet开发科学计算和统计人工智能桌面界面开发软件开发后端开发网络爬虫下载Python在您开始之前，你的计算机需要Python，但您可能不需要下载它。首先检查(在同级目录下在命令行窗口输入python)有没有安装Python。如果你看到了一个Python解释器的响应，那么就能在它的显示窗口中得到一个版本号。通常的版本都可以做到Python的向前兼容。如果您需要安装， 您不妨下载最近稳定的版本。 就是那个以没有被标记作为alpha或Beta发行的最高的版本。目前最稳定的版本是Python3.0以上[3]如果你使用的操作系统是Windows：当前最稳定的Windows版本下载是"Python 3.8.3 for Windows"如果你使用的是Mac，MacOS 10.2 (Jaguar), 10.3 (Panther) and 10.4 (Tiger)已经集成安装了Python，但是你大概需要安装最近通用的构架(build)。对于Red Hat，安装python2和python2-devel包。对于Debian，安装python2.5和python2.5-dev包。发展历程自从20世纪90年代初Python语言诞生至今，它已被逐渐广泛应用于系统管理任务的处理和Web编程。Python的创始人为荷兰人吉多·范罗苏姆[4] （Guido van Rossum）。1989年圣诞节期间，在阿姆斯特丹，Guido为了打发圣诞节的无趣，决心开发一个新的脚本解释程序，作为ABC 语言的一种继承。之所以选中Python（大蟒蛇的意思）作为该编程语言的名字，是取自英国20世纪70年代首播的电视喜剧《蒙提.派森的飞行马戏团》（Monty Python"s Flying Circus）。ABC是由Guido参加设计的一种教学语言。就Guido本人看来，ABC 这种语言非常优美和强大，是专门为非专业程序员设计的。但是ABC语言并没有成功，究其原因，Guido 认为是其非开放造成的。Guido 决心在Python 中避免这一错误。同时，他还想实现在ABC 中闪现过但未曾实现的东西。就这样，Python在Guido手中诞生了。可以说，Python是从ABC发展起来，主要受到了Modula-3（另一种相当优美且强大的语言，为小型团体所设计的）的影响。并且结合了Unix shell和C的习惯。Python[5] 已经成为最受欢迎的程序设计语言之一。自从2004年以后，python的使用率呈线性增长。Python 2于2000年10月16日发布，稳定版本是Python 2.7。Python 3于2008年12月3日发布，不完全兼容Python 2。[4] 2011年1月，它被TIOBE编程语言排行榜评为2010年度语言。[6]

这种情况，是缩进有错误的，找找哪里没对齐