第10-11周Python学习周记

&关于计划:

利用课余时间,对python进行三个并发进程式的学习:

1.阅读西瓜书(《机器学习》);

2.对于python相关库的学习(参考简书文档);

3.时间允许的话,尽可能了解一些身为程序员必要掌握的知识(例如json,参考于网络资源)。




&小结时间:第10~11周

&学习内容:

1.阅读了《机器学习》中第一章的《基本术语》部分;

2.关于切片(简化指定索引范围的索引操作):

a.

代码:

>>> eg=['apple','banana','pear']

>>> eg[:3]

['apple', 'banana', 'pear']

eg[:3]表示从索引0开始取,直到索引3为止,但不包括索引3。即索引0,1,2,正好是3个元素。

b.从索引1开始,取出2个元素出来:

>>> eg[1:3]

['banana', 'pear']

c.从倒数第二个元素开始取值:

>>> eg[-2:]

['banana', 'pear']

d.可以通过切片轻松取出某一段数列:

首先创建一个0-99的数列:

>>> L = list(range(100))

>>> L

[0, 1, 2, 3, 4, 5, 6, 7, 8, 9, 10, 11, 12, 13, 14, 15, 16, 17, 18, 19, 20, 21, 22, 23, 24, 25, 26, 27, 28, 29, 30, 31, 32, 33, 34, 35, 36, 37, 38, 39, 40, 41, 42, 43, 44, 45, 46, 47, 48, 49, 50, 51, 52, 53, 54, 55, 56, 57, 58, 59, 60, 61, 62, 63, 64, 65, 66, 67, 68, 69, 70, 71, 72, 73, 74, 75, 76, 77, 78, 79, 80, 81, 82, 83, 84, 85, 86, 87, 88, 89, 90, 91, 92, 93, 94, 95, 96, 97, 98, 99]

取前十个数:

>>> L[:10]

[0, 1, 2, 3, 4, 5, 6, 7, 8, 9]

取后十个数:

>>> L[-10:]

[90, 91, 92, 93, 94, 95, 96, 97, 98, 99]

前十个数,每两个取一个:

>>> L[:10:2]

[0, 2, 4, 6, 8]

所有数,每五个取一个:

>>> L[::5]

[0, 5, 10, 15, 20, 25, 30, 35, 40, 45, 50, 55, 60, 65, 70, 75, 80, 85, 90, 95]

3.关于Numpy(摘要):

a.关于随机生成数列:

>>> import numpy as np

>>> np.arange(60,80,5)       

                    #以5为步从60到80(不包括80)间取                        数,返回一个数组

array([60, 65, 70, 75])

>>> np.linspace(0,2,9)       

                      #从0到2取9个数,返回一个数组

array([ 0. , 0.25, 0.5 , 0.75, 1. , 1.25, 1.5 , 1.75, 2. ])

b.关于矩阵乘积:

>>> a = np.array([[1,1],

... [0,1]])

>>> b = np.array([[2,0],

... [3,4]])

>>> a*b #元素级别乘积

array([[2, 0],

[0, 4]])

>>> a.dot(b) #矩阵乘积1

array([[5, 4],

[3, 4]])

>>> np.dot(a,b) #矩阵乘积2

array([[5, 4],

[3, 4]])

c.矩阵的转置:

>>> x = np.arange(16).reshape((4,4))

>>> x

array([[ 0, 1, 2, 3],

[ 4, 5, 6, 7],

[ 8, 9, 10, 11],

[12, 13, 14, 15]])

>>> np.transpose(x)

array([[ 0, 4, 8, 12],

[ 1, 5, 9, 13],

[ 2, 6, 10, 14],

[ 3, 7, 11, 15]])

d.数组的堆叠:

>>> x = np.arange(4).reshape((2,2))

>>> y = np.arange(4).reshape((2,2))

>>> x

array([[0, 1],[2, 3]])

>>> y

array([[0, 1],

[2, 3]])

>>> np.vstack((x,y)) #垂直堆叠

array([[0, 1],

[2, 3],

[0, 1],

[2, 3]])

>>> np.hstack((x,y)) #水平堆叠

array([[0, 1, 0, 1],

[2, 3, 2, 3]])

>>> x = np.arange(8)

>>> x

array([0, 1, 2, 3, 4, 5, 6, 7])

>>> x[:,newaxis]

                                #利用newaxis将1D数组作为                                    列堆叠到2D数组中

array([[0],

[1],

[2],

[3],

[4],

[5],

[6],

[7]])

>>> x

array([0, 1, 2, 3, 4, 5, 6, 7])

>>> y = x

>>> y

array([0, 1, 2, 3, 4, 5, 6, 7])

>>> np.column_stack((x,y))

                          #利用column_stack(将1D数组作                              为列堆叠到2D数组中

array([[0, 0],

[1, 1],

[2, 2],

[3, 3],

[4, 4],

[5, 5],

[6, 6],

[7, 7]])

3.用requests模块从Web下载文件(参考网络资源进行学习)

A.用requests.get()函数下载一个网页:

>>> import requests

                                        #requests.get()函数接收                                      一个要下载的URL字符串

>>> res = requests.get('http://www.gutenberg.org/cache/epub/1112/pg1112.txt')

>>> type(res)

                                        #requests.get()函数返回                                            的是一个Response对象

<class 'requests.models.Response'>

>>> res.status_code == requests.codes.ok

                        #判断对这个网页的请求是否成功

True

>>> len(res.text)            #下载的页面作为一个字                                            符串保存在Response                                              对象的text变量中

178981                      #调用len函数查看其长度

该URL指向一个文本页面,其中包含整部罗密欧与朱丽叶,它是由古登堡计划提供的。

B.结合for循环和Response对象的iter_content()方法将下载的文件保存到硬盘

图片发自简书App

图片发自简书App

4.json模块:

a.用loads()函数读取JSON:

>>> sojd = '{"name":"Jack","isCat":true,"miceVaught":0}'

>>> import json

>>> jdapd = json.loads(sojd)

>>> jdapd

{'isCat': True, 'miceVaught': 0, 'name': 'Jack'}

b.用dumps函数写出JSON

>>> pd = jdapd

>>> pd

{'isCat': True, 'miceVaught': 0, 'name': 'Jack'}

>>> sojd1 = json.dumps(pd)

>>> sojd1

'{"isCat": true, "miceVaught": 0, "name": "Jack"}'

最后编辑于
©著作权归作者所有,转载或内容合作请联系作者
  • 序言:七十年代末,一起剥皮案震惊了整个滨河市,随后出现的几起案子,更是在滨河造成了极大的恐慌,老刑警刘岩,带你破解...
    沈念sama阅读 204,684评论 6 478
  • 序言:滨河连续发生了三起死亡事件,死亡现场离奇诡异,居然都是意外死亡,警方通过查阅死者的电脑和手机,发现死者居然都...
    沈念sama阅读 87,143评论 2 381
  • 文/潘晓璐 我一进店门,熙熙楼的掌柜王于贵愁眉苦脸地迎上来,“玉大人,你说我怎么就摊上这事。” “怎么了?”我有些...
    开封第一讲书人阅读 151,214评论 0 337
  • 文/不坏的土叔 我叫张陵,是天一观的道长。 经常有香客问我,道长,这世上最难降的妖魔是什么? 我笑而不...
    开封第一讲书人阅读 54,788评论 1 277
  • 正文 为了忘掉前任,我火速办了婚礼,结果婚礼上,老公的妹妹穿的比我还像新娘。我一直安慰自己,他们只是感情好,可当我...
    茶点故事阅读 63,796评论 5 368
  • 文/花漫 我一把揭开白布。 她就那样静静地躺着,像睡着了一般。 火红的嫁衣衬着肌肤如雪。 梳的纹丝不乱的头发上,一...
    开封第一讲书人阅读 48,665评论 1 281
  • 那天,我揣着相机与录音,去河边找鬼。 笑死,一个胖子当着我的面吹牛,可吹牛的内容都是我干的。 我是一名探鬼主播,决...
    沈念sama阅读 38,027评论 3 399
  • 文/苍兰香墨 我猛地睁开眼,长吁一口气:“原来是场噩梦啊……” “哼!你这毒妇竟也来了?” 一声冷哼从身侧响起,我...
    开封第一讲书人阅读 36,679评论 0 258
  • 序言:老挝万荣一对情侣失踪,失踪者是张志新(化名)和其女友刘颖,没想到半个月后,有当地人在树林里发现了一具尸体,经...
    沈念sama阅读 41,346评论 1 299
  • 正文 独居荒郊野岭守林人离奇死亡,尸身上长有42处带血的脓包…… 初始之章·张勋 以下内容为张勋视角 年9月15日...
    茶点故事阅读 35,664评论 2 321
  • 正文 我和宋清朗相恋三年,在试婚纱的时候发现自己被绿了。 大学时的朋友给我发了我未婚夫和他白月光在一起吃饭的照片。...
    茶点故事阅读 37,766评论 1 331
  • 序言:一个原本活蹦乱跳的男人离奇死亡,死状恐怖,灵堂内的尸体忽然破棺而出,到底是诈尸还是另有隐情,我是刑警宁泽,带...
    沈念sama阅读 33,412评论 4 321
  • 正文 年R本政府宣布,位于F岛的核电站,受9级特大地震影响,放射性物质发生泄漏。R本人自食恶果不足惜,却给世界环境...
    茶点故事阅读 39,015评论 3 307
  • 文/蒙蒙 一、第九天 我趴在偏房一处隐蔽的房顶上张望。 院中可真热闹,春花似锦、人声如沸。这庄子的主人今日做“春日...
    开封第一讲书人阅读 29,974评论 0 19
  • 文/苍兰香墨 我抬头看了看天上的太阳。三九已至,却和暖如春,着一层夹袄步出监牢的瞬间,已是汗流浃背。 一阵脚步声响...
    开封第一讲书人阅读 31,203评论 1 260
  • 我被黑心中介骗来泰国打工, 没想到刚下飞机就差点儿被人妖公主榨干…… 1. 我叫王不留,地道东北人。 一个月前我还...
    沈念sama阅读 45,073评论 2 350
  • 正文 我出身青楼,却偏偏与公主长得像,于是被迫代替她去往敌国和亲。 传闻我的和亲对象是个残疾皇子,可洞房花烛夜当晚...
    茶点故事阅读 42,501评论 2 343

推荐阅读更多精彩内容