装饰器这东西我看了一会儿才明白，在函数外面套了一层函数，感觉和java里的aop功能很像；写了2个装饰器日志的例子，第一个是不带参数的装饰器用法示例，功能相当于给函数包了层异常处理，第二个是带参数的装饰器用法示例，将日志输出到文件。```#coding=utf8importtracebackimportloggingfromlogging.handlersimportTimedRotatingFileHandlerdeflogger(func):defin
系统 2019-09-27 17:54:25 2307
一、闭包来自wiki：闭包（Closure）是词法闭包（LexicalClosure）的简称，是引用了自由变量的函数。这个被引用的自由变量将和这个函数一同存在，即使已经离开了创造它的环境也不例外。所以，有另一种说法认为闭包是由函数和与其相关的引用环境组合而成的实体。在一些语言中，在函数中定义另一个函数时，如果内部的函数引用了外部的函数的变量，则可能产生闭包。运行时，一旦外部的函数被执行，一个闭包就形成了，闭包中包含了内部函数的代码，以及所需外部函数中的变量
系统 2019-09-27 17:54:10 2307
转载自我自己的github博客——>半天钟的博客元编程相关博文的目录及链接这篇博文是元编程系列博文中的其中一篇、这个系列中其他博文的目录和连接见下：使用python特性管理实例属性浅析python属性描述符（上）浅析python属性描述符（下）python导入时与运行时python元编程之动态属性python元编程之类元编程Review在上一篇博文中、我们使用python特性（property）管理了实例属性，最大的好处是：在使用property装饰器后，
系统 2019-09-27 17:53:35 2307
为了应付某些情况，需要做17份记录。虽然不很重要，但是17份完全雷同也不很好。大体看了一下，此记录大致分为四段。于是决定每段提供四种选项，每段四选一，拼凑成四段文字，存成一个文件。文件名就叫“XX记录+日期”。应急的随手创作，使用了“文件操作”和“生成随机数”的功能。比较简陋。后期扩展可以考虑搭配个数据库。复制代码代码如下:#-*-coding:cp936-*-importrandomtitle='XXX周例会\n会议时间:'timelist=['6月6日
系统 2019-09-27 17:53:26 2307
一、内置函数sort()原型：sort（fun，key，reverse=False）参数：1、参数fun是表明此sort函数是基于何种算法进行排序的，一般默认情况下python中用的是归并排序，并且一般情况下我们是不会重写此参数的，所以基本可以忽略；2、参数key用来指定一个函数，此函数在每次元素比较时被调用，此函数代表排序的规则，也就是你按照什么规则对你的序列进行排序；3、参数reverse是用来表明是否逆序，默认的False情况下是按照升序的规则进行排
系统 2019-09-27 17:52:44 2307
通常在使用Spark算子函数，比如使用map()或者reduce函数我们向函数传入条件时，函数内部可以使用驱动程序中定义的变量，但是这样会使集群中所有任务都会得到变量新的副本，这些副本的更新不会传播回驱动程序，导致读写共享变量效率低下或者内存溢出，为了解决这个问题Spark提供了两种共享变量类型：广播变量和累加器广播变量：用来高效分发较大对象，只能在Driver定义，不能在Executor端定义，同时RDD不存储数据所以不能广播出去累加器：用来对信息进行聚
系统 2019-09-27 17:52:33 2307
#/usr/bin/env/python#coding=utf-8importsys,re,time,osmaxdata=50000#单位KBmemfilename='/tmp/newnetcardtransdata.txt'netcard='/proc/net/dev'defcheckfile(filename):ifos.path.isfile(filename):passelse:f=open(filename,'w')f.write('0')f.c
系统 2019-09-27 17:52:13 2307
测试时候类的调用是经常会用到的。简单看下类的调用使用的方法吧。来看例子：目录结构：我们现在要在do_class.py这个文件里调用class_learn.py里的类代码(do_class.py):#!/usr/bin/envpython3#coding=utf-8'''@Author:Jock'''fromall_python_learn.class_and_funcation.class_learnimport*b=Learn(1,2)b.get()pr
系统 2019-09-27 17:51:14 2307
目录基础部分shutil.copyfileobj(file1，file2)：shutil.copyfile(file1，file2)：其他shutil.copymode(file1，file2)：shutil.copystat(file1，file2)：shutil.copy(file1，file2)：shutil.copy2(file1，file2)：shutil.copytree(源目录，目标目录)：shutil.rmtree(目标目录)：shutil
系统 2019-09-27 17:49:33 2307
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 2307
