在多个文件或者不同语言协同的项目中，python脚本经常需要从命令行直接读取参数。万能的python就自带了argprase包使得这一工作变得简单而规范。PS：optparse包是类似的功能，只不过写起来更麻烦一些。如果脚本很简单或临时使用，没有多个复杂的参数选项，可以直接利用sys.argv将脚本后的参数依次读取(读进来的默认是字符串格式)。比如如下名为test.py的脚本：importsysprint"Inputargumentis%s"%(sys.a
系统 2019-09-27 17:56:27 2390
利用Python+wxpy可以快速的查询自己好友的地区分布情况，以及好友的性别分布数量。还可以批量下载好友的头像，拼接成大图。本次教程是基于上次机器人后的，所有依赖模块都可以复用上次的，还不知道的小伙伴可以戳这里。python+wxpy机器人准备工作编辑器一个注册一年以上的微信号公共部分代码fromwxpyimport*//wxpy依赖fromPILimportImage//二维码登录依赖importos//本地下载依赖importmathimportwe
系统 2019-09-27 17:55:44 2390
前言CAPTCHA全称CompletelyAutomatedPublicTuringTesttoTellComputersandHumansApart，即全自动区分人机的图灵测试。这也是验证码诞生的主要任务。但是随着近年来大数据运算和机器视觉的发展，用机器视觉识别图像已经变得非常容易，过去用于区分人机的验证码也开始变得不再安全。接下来就让我们从零开始，深入图像处理和算法构建，来看看使用机器视觉来识别过时的验证码（如下所示）究竟可以有多简单。载入需要的程序包
系统 2019-09-27 17:55:24 2390
今天就和大家一起来讨论一下python实现12306余票查询（pycharm+python3.7），一起来感受一下python爬虫的简单实践我们说先在浏览器中打开开发者工具(F12)，尝试一次余票的查询，通过开发者工具查看发出请求的包可以看到红框框中的URL就是我们向12306服务器发出的请求，那么具体是什么呢？我们来看看https://kyfw.12306.cn/otn/leftTicket/queryZ?leftTicketDTO.train_date
系统 2019-09-27 17:54:56 2390
#visendmail.py#pythonsendmail.py运行即可importsmtplib#smtp服务器用的包fromemail.mime.textimportMIMEText#邮件用得包authEmail="xxx@qq.com"#开启smtp服务的邮箱authCode="xxx"#获取到的授权码http://service.mail.qq.com/cgi-bin/help?subtype=1&&id=28&&no=1001256toEmail
系统 2019-09-27 17:54:38 2390
《Python3爬虫、数据清洗和可视化实战》零一韩要宾黄园园著第11章数据可视化11.1matplotlib调用matplotlib有下面四个步骤：（1）设定画图背景样式mpl.style.use(“ggplot”)（2）设定画布#命名画布为fig，并把fig分为两个小画布（ax1,ax2），设置fig的大小为12*4点fig,(ax1,ax2)=plt.subplots(1,2,figsize=(12,4))（3）画图及设定元素df_mean.价格.pl
系统 2019-09-27 17:54:24 2390
https://www.liaoxuefeng.com/wiki/1016959663602400/1017099478626848#0完成该文章的作业：print("请输入身高，比如1.78：")a1=input('身高：')a2=float(a1)print("请输入体重，比如60：")b=input('体重：')b1=float(b)#b1=80#a1=1.75c=b1/pow(a2,2)print(c)ifc>32:print("严重肥胖")eli
系统 2019-09-27 17:49:05 2390
实验室老师让给数据画一张线性拟合图。不会matlab，就琢磨着用python。参照了网上的一些文章，查看了帮助文档，成功的写了出来这里用到了三个库importnumpyasnpimportmatplotlib.pyplotaspltfromscipyimportoptimizedeff_1(x,A,B):returnA*x+Bplt.figure()#拟合点x0=[75,70,65,60,55,50,45,40,35,30]y0=[22.44,22.17,
系统 2019-09-27 17:48:54 2390
TF（TermFrequency）词频，在文章中出现次数最多的词，然而文章中出现次数较多的词并不一定就是关键词，比如常见的对文章本身并没有多大意义的停用词。所以我们需要一个重要性调整系数来衡量一个词是不是常见词。该权重为IDF（InverseDocumentFrequency）逆文档频率，它的大小与一个词的常见程度成反比。在我们得到词频（TF）和逆文档频率（IDF）以后，将两个值相乘，即可得到一个词的TF-IDF值，某个词对文章的重要性越高，其TF-IDF
系统 2019-09-27 17:48:00 2390
与矩形相交的线条颜色为红色，其他为蓝色。演示如下：实例代码如下：importnumpyasnpimportmatplotlib.pyplotaspltfrommatplotlib.transformsimportBboxfrommatplotlib.pathimportPath#Fixingrandomstateforreproducibilitynp.random.seed(19680801)left,bottom,width,height=(-1,-1
系统 2019-09-27 17:38:45 2390
