小白入门级爬虫创建Scrapy框架：使用PyCharmIDE可以快速的创建python项目集成了大量的插件供我们一键式使用快速添加依赖库例子：快速创建Scrapy项目安装PyCharm这个安装不是本文重点我就直接跳过了！！！！！！创建项目：PycharmIDE给我们集成了Virtualenv插件来创建项目的虚拟目录venv目录使用PycharmIDE创建的项目都会含有venv这个虚拟项目就像项目的依赖库一样项目创建完成后：使用PyCharmIDE快速安装库
系统 2019-09-27 17:51:52 1991
阅读更多操作列表#列表循环for循环（for**in**）1.注意使用for循环时print前要缩进cats=["alice","clear","dell",'moon']forcatincats:print(cat)#可在for循环中执行更多操作#2.不使用for循环时，切记print能缩进cats=["alice","clear","dell",'moon']forcatincats:print(cat)print（"theyaresocute"）#在
系统 2019-09-27 17:51:31 1991
python解析网页，无出BeautifulSoup左右，此是序言安装BeautifulSoup4以后的安装需要用eazy_install，如果不需要最新的功能，安装版本3就够了，千万别以为老版本就怎么怎么不好，想当初也是千万人在用的啊。安装很简单复制代码代码如下:$wget"http://www.crummy.com/software/BeautifulSoup/download/3.x/BeautifulSoup-3.2.1.tar.gz"$tarzx
系统 2019-09-27 17:51:29 1991
由于客户提供的是excel文件，在使用时期望使用csv文件格式，且对某些字段内容需要做一些处理，如从某个字段中固定的几位抽取出来，独立作为一个字段等，下面记录下使用acaconda处理的过程；importpandasdf=pandas.read_excel("/***/***.xlsx")df.columns=[内部为你给你的excel每一列自定义的名称]（比如我给我的excel自定义列表为：["url","productName","***"，。。。,"
系统 2019-09-27 17:49:31 1991
如果你花费了很多的时间去进行Django数据库事务处理的话，你将会了解到这是让人晕头转向的。在过去，只是提供了简单的基础文档，要想清楚知道它是怎么使用的，还必须要通过创建和执行Django的事务处理。这里有众多的Django事务处理的名词，例如：commit_on_success,commit_manually,commit_unless_maneged，rollback_unless_managed,enter_transaction_managemen
系统 2019-09-27 17:49:03 1991
使用socket实现tcp通信，需导入socket模块1、服务端主要步骤：（1）创建socket：socket.socket(family=AF_INET,type=SOCK_STREAM,proto=0,fileno=None)family：AF_INET,AF_INET6,AF_UNIX,AF_CAN,AF_PACKET,AF_RDStype：SOCK_STREAM,SOCK_DGRAM,SOCK_RAW,或者其他SOCK_*proto：一般使用默认值
系统 2019-09-27 17:48:40 1991
王者荣耀这么久了，还没上王者？哈哈哈，看过来，是不是对英雄理解的不够透彻呢，是不是还没有很好的为英雄分类呢，今天就来看看英雄分类技术栈一、EM聚类简介二、爬取网上的英雄初始属性值三、做成饼图EM聚类简介EM英文名是ExpectationMaximization，也叫最大期望算法。在统计计算中，最大期望（EM）算法是在概率（probabilistic）模型中寻找参数最大似然估计或者最大后验估计的算法，其中概率模型依赖于无法观测的隐藏变量（LatentVari
系统 2019-09-27 17:48:30 1991
一、列表元素的追加和插入append():追加一个元素到列表extend():列表拉伸，追加多个元素到列表insert():在指定索引处插入元素二、列表元素的删除pop(a)：弹出列表中索引为a的元素，默认为列表最后一个元素pop()弹出的值可用变量接收remove():删除列表元素del：从内存种删除一个元素三、列表元素的重新赋值1、通过索引，重新赋值2、通过切片赋值四、列表元素的排序x.sort()#列表排序，默认按照ascii排序x.sort(rev
系统 2019-09-27 17:48:02 1991
支持向量机是一种二分类模型，基本模型是定义在特征空间的间隔最大的线性分类器。间隔最大化使它有别于感知机。在面试中，经常遇到手推SVM，所以公式的推导也很重要。模型：策略：间隔最大化，形式化为求解凸二次规划，等价于正则化的合页损失函数最小化算法：略支持向量机包括：线性可分支持向量机，线性支持向量机，非线性支持向量机间隔最大化的直观解释：对训练数据集找到几何间隔最大的超平面意味着以充分大的确信度对训练数据进行分类。使其面对最难分的实例点也有足够大的确信度将它们
系统 2019-09-27 17:47:32 1991
近日，在阅读《FluentPython》的第2.9.2节时，有一个关于内存视图的例子，当时看的一知半解，后来查了一些资料，现在总结一下，以备后续查询；示例复述添加了一些额外的代码，便于更好理解memoryview>>>importarray>>>numbers=array.array('h',[-2,-1,0,1,2])>>>memv=memoryview(numbers)>>>len(memv)5>>>memv[0]-2>>>memv_oct=memv.
系统 2019-09-27 17:47:26 1991
