转载：https://www.cnblogs.com/ybf-yyj/p/8717601.html见二叉树先想递归。-*-coding:utf-8-*-classNode:def__init__(self,data):self.data=dataself.lchild=Noneself.rchild=NoneclassTree:def__init__(self):self.queue=[]#利用队列存储树的节点self.flag=0#存储树根后flag置为
系统 2019-09-27 17:53:55 1777
同一行的数据都为浮点数，或者说是同一行的数据格式相同时:withopen(input_file,'r')asf:#打开文件header=f.readline().strip()#跳过一行column_names=header.split('|')#以管道分隔符切分数据values=np.loadtxt(f,delimiter='|')同一行的数据格式不相同时，比如字符串和浮点数结合时：选择跳过某一列或者只读取某一列数据，下面为只读取某一列数据withope
系统 2019-09-27 17:53:49 1777
BacktoPythonIndex很好玩儿的数据结构，多用于无序数据去重多组数据逻辑运算，寻找交集，并集，非集等操作见https://blog.csdn.net/business122/article/details/7541486
系统 2019-09-27 17:53:35 1777
pythonmap函数map()函数map()是Python内置的高阶函数，它接收一个函数f和一个list，并通过把函数f依次作用在list的每个元素上，得到一个新的list并返回。例如，对于list[1,2,3,4,5,6,7,8,9]如果希望把list的每个元素都作平方，就可以用map()函数：因此，我们只需要传入函数f(x)=x*x，就可以利用map()函数完成这个计算：deff(x):returnx*xprintmap(f,[1,2,3,4,5,6
系统 2019-09-27 17:53:19 1777
环境：win10(64)，python3.7.1，git2.7.2，pylint-2.3.1，git_pylint_commit_hook-2.5.1以上为当期搭建所用到的版本，有异常时方便查找问题。安装pylint，pylint是一个单独可以对python文件进行格式校验的模块，https://www.pylint.org/官网地址有各个电脑环境的安装说明，Windows下，使用：pipinstallpylint安装完成之后，就可以直接使用pylint对
系统 2019-09-27 17:53:18 1777
本文实例讲述了Python类的专用方法。分享给大家供大家参考。具体分析如下：Python类可以定义专用方法,专用方法是在特殊情况下或当使用特别语法时由Python替你调用的，而不是在代码中直接调用（象普通的方法那样）。1.__init__类似于构造函数复制代码代码如下:#!/usr/local/bin/pythonclassStudy:def__init__(self,name=None):self.name=namedefsay(self):prints
系统 2019-09-27 17:53:14 1777
这里主要讲了bs4解析方法和json方法，以8684网页为例子，爬取了全国公交线路importrequestsimporttimefrombs4importBeautifulSoupimportjsonfromxpinyinimportPinyinheaders={'User-Agent':'Mozilla/5.0(WindowsNT10.0;Win64;x64)AppleWebKit/537.36(KHTML,likeGecko)Chrome/76.0.
系统 2019-09-27 17:53:12 1777
文章目录一、背景二、总结内容2.1UDP通信服务端创建方式**DUP采用的是无连接的套接字**2.216进制数据解析2.3文件创建与数据储存分析一、背景最近在处理公司的一设备，内置的DTU通过UDP向服务器发送16进制的数据报文，由于第一次接触此类数据解析方式，在这里做总结与反省，避免大家走弯路二、总结内容2.1UDP通信服务端创建方式步骤创建UDP的socket通信方式。绑定具体的端口。设置端口复用等待(这一步可以省略)获取数据。向客户端发送数据。解析储
系统 2019-09-27 17:53:08 1777
运行多进程每个子进程的内存空间是互相隔离的进程之间数据不能共享的互斥锁但是进程之间都是运行在一个操作系统上，进程之间数据不共享,但是共享同一套文件系统,所以访问同一个文件,或同一个打印终端,是可以的，而共享带来的是竞争，竞争带来的结果就是错乱#并发运行,效率高,但竞争同一打印终端,带来了打印错乱frommultiprocessingimportProcessimporttimedeftask(name):print("%s1"%name)time.slee
系统 2019-09-27 17:52:42 1777
#使用StandardScaler进行数据预处理importnumpyimportmatplotlib.pyplotaspltfromsklearn.datasetsimportmake_blobsX,y=make_blobs(n_samples=40,centers=2,random_state=50,cluster_std=2)plt.scatter(X[:,0],X[:,1],c=y,cmap=plt.cm.cool)plt.show()#导入Sta
系统 2019-09-27 17:52:41 1777
