功能 两个函数的功能都是将多维数组降为一维. 用法 import numpy as np arr = np.array([[1, 2],[3, 4]]) arr.flatten() arr.ravel() #降维默认行序有限,传入参数'F'表示列序优先 arr.ravel('F') 区别 ravel()返回的是视图,意味着改变元素的值会影响原始数组: flatten()返回的是拷贝,意味着改变元素的值不会影响原始数组.

Python+Selenium自动化-设置浏览器大小.刷新页面.前进和后退   1.设置浏览器大小 maximize_window():设置浏览器大小为全屏 set_window_size(500,500):设置浏览器分辨率为:500×500 from selenium import webdriver import time browser = webdriver.Chrome() browser.maximize_window() #设置浏览器大小:全屏 browser.get('https

118. Pascal's Triangle Given numRows, generate the first numRows of Pascal's triangle. For example, given numRows = 5,Return [ [1], [1,1], [1,2,1], [1,3,3,1], [1,4,6,4,1] ] class Solution(object): def generate(self, numRows): """ :type numR

python 2中,有cmp(a,b)函数,用于比较两个字符串的大小. 如 >>>a='abc' >>>b='abd' >>>print cmp(a,b) -1 >>>a='abc' >>>b='abc' >>>print cmp(a,b) 0 >>>a='abz' >>>b='abc' >>>print cmp(a,b) 1 但是在 Pytho

array,list,dataframe索引切片操作 2016年07月19日——智浪文档 list,一维,二维array,datafrme,loc.iloc.ix的简单探讨 Numpy数组的索引和切片介绍: 从最基础的list索引开始讲起,我们先上一段代码和结果: a = [0,1,2,3,4,5,6,7,8,9] a[:5:-1] #step < 0,所以start = 9 a[0:5:-1] #指定了start = 0 a[1::-1] #step < 0,所以stop = 0 输出: [

在进行计算一个文件夹内容大小的时候,我们要考虑文件夹内都有什么内容,可能都是一个一个的单文件,也有可能都是子文件夹,或者二者都有,既然要计算整个文件夹的大小,我们当然要计算每一个文件的大小以及每一个子文件夹下的每一个子文件.计算每一个文件的大小我们肯定都可以计算到,或者如果我们知道一个文件夹内有子文件夹的数量,一个个遍历子文件夹的内容进行计算,但是如果我们不知道这个文件夹内到底有多少子文件夹呢?所以,根据我的思路,可以使用递归的方式进行计算每一个文件及每一个字文件夹的大小,但有个弊端就是在pyt

python中的很多模块是非常牛X的,之前提到过logging模块(其功能类似于java下的Log4j ),由于最近一个涉及网络排障的脚本需要日志输出,这里就使用了python的logging模块去实现.日志全部写到一个文件中时,随着时间的推移文件会越来越来,这里可以利用TimedRotatingFileHandler方法或RotatingFileHandler方法来进行处理. 在日志输出不涉及轮转的时候,可以通过logging.basicConfig 方法自定义输出的日志格式,这部分可以参考我

unsigned int(uint32_t)大小端转换函数 unsigned int BLEndianUint32(unsigned int value) { return ((value & 0x000000FF) << 24) | ((value & 0x0000FF00) << 8) | ((value & 0x00FF0000) >> 8) | ((value & 0xFF000000) >> 24); } float

python有一个图像处理库——PIL,可以处理图像文件.PIL提供了功能丰富的方法,比如格式转换.旋转.裁剪.改变尺寸.像素处理.图片合并等等等等,非常强大. 举个简单的例子,调整图片的大小: import Image infile = 'D:\\original_img.jpg' outfile = 'D:\\adjust_img.jpg' im = Image.open(infile) (x,y) = im.size #read image size x_s = 250 #define s

前言:排序(Sorting) 是计算机程序设计中的一种重要操作,它的功能是将一个数据元素(或记录)的任意序列,重新排列成一个关键字有序的序列.本文主要讲述python中经常用的两种排序算法,选择排序法和冒泡排序法及其区别.通过对列表里的元素大小排序进行阐述. 一,选择排序法 从第一个位置开始比较,找出最小的,和第一个位置互换,开始下一轮. lt = [3, 5, 2, 1, 8, 4] #求出lt的长度 n = len(lt) #外层循环确定比较的轮数,x是下标,lt[x]在外层循环中代表lt中

摇骰子游戏升级 此次更改增加下注功能,启动资金1000元,每次赔率都是一倍,钱输光退出. 源码: #!/user/bin/env python #-*-coding:utf-8 -*- #Author: qinjiaxi import random #一次摇三个骰子并将结果存在列表中 def role_a_dice(number = 3, point = None ): print('Let\'s play a game') if point is None: point = [] while

from array import array from random floats = array('d',random((for i in range(10**7)) fp = open('floats.bin','wb') floats.tofile(fp) fp.close() floats2 = array('d') fp1 = open('floats.bin','rb') floats2.fromfile(fp1,10**7) fp1.close()

python中通常情况下for循环会枚举各个元素不会访问下标,例如: l = [1,2,4,6] for val in l: print l 但是有时候我们会需要在便利数组的同时访问下标,这时候可以借助于enumerate函数来实现,例如: l = [1,2,3] for index,val in enumerate(l): print 'index is %d, val is %d' % (index,val)

Attributes of numpy.ndarray: numpy.ndarray.shape: Dimensions (height, width, ...) numpy.ndarray.ndim: No. of dimensions = len(shape) numpy.ndarray.size: Total number of elements numpy.ndarray.dtype: Datatype import numpy as np def array(): a = np.ran

>>> num1 = '2.0' >>> print num1.isdigit() False >>> num2 = ' >>> print num2.isdigit() True >>> num3 = '-3' >>> print num3.isdigit() False >>> num4 = '3.0' >>> print int(num4) Tracebac

一.排序 a = [2,3,4,1] b = np.argsort(a) # out:[3 0 1 2] # 输出:是一个数组,是按元素递增顺序的索引 二.查找 1.最大值及其索引 b = max(a) # 最大值 b = np.max(a) # 两个一样的效果 # out:5 c = np.argmax(a) # 最大值的索引 # out:4 2.在某条件下查找 a = np.array([[1,2,3],[4,5,6]]) b = np.argwhere(a>2) # out:[[0 2]

# 字符串 string  单引号 ‘ ’  双引号 “  ”-包含的 app = 'dongt woory' 外面单引号里面可以双引号,外面双引号,里面也可以单引号 app ='你是真的“好看”吗' app =“你是真的’好看‘吗” #int 整数 age= 18 #float 浮点数 sore= 183.333 #条件的判断   true 和 Flase #优秀 良好 及格 不及格score = input('请输入成绩:') #1.input接收到的都是字符串 2.intscore = i

简介 由于项目需要对比两张相同图片的相似度,因此采用opencv将图片转为灰阶数组,然后对比相应的数组来取相似度,此方法只适用于大小相同的图片,较为局限 # -*- coding: utf-8 -*- import cv2 import os # scikit-image from skimage.metrics import structural_similarity as ssim class PictureSimilarity(): """ Image cutting

# coding =utf-8 import random def roll_dice(number=3, points=None): if points == None: points = [] while number > 0: point = random.randrange(1,7) points.append(point) number = number - 1 return points def roll_result(total): print('<<<<<

一般的sys.getsizeof()显示不了复杂的字典. 查看类中的内容: def dump(obj): for attr in dir(obj):#dir显示类的所有方法 print(" obj.%s = %r" % (attr, getattr(obj, attr))) 这里用递归调用所有对象的getsizeof: def get_size(obj, seen=None): # From https://goshippo.com/blog/measure-real-size-any

import os path = r'/Users/authurchen/PycharmProjects/Demo' # print(os.listdir(path)) ls = os.listdir(path)files = [] def get_all_file(dir_path): global files for filepath in os.listdir(dir_path): tmp_path = os.path.join(dir_path,filepath) if os.path.