Python在debug方面的支持还是不错的，在明确代码意义的情况下，通过log、print和assert分析错误原因，配合单元测试可以很高效。然而，实际工作中大量代码很可能出自他人之手，这种情况下，使用debugger就显得更加高效了。一、在控制台下进行程序调试PDB如果你熟悉命令行调试工具（例如gdb、lldb），那么使用Python中的PDB将获得非常好的体验，PDB不仅支持项目启动时进行调用，也支持在Pythonshell中交互式调试；功能上，支持
系统 2019-09-27 17:50:11 1782
SeriesSeries类似一维数组，由一组数据及一组相关数据标签组成。使用pandas的Series类即可创建。importpandasaspds1=pd.Series(['a','b','c,','d'])print(s1)#输出：0a#1b#2c#3d#dtype:object上面是传入一个列表实现，上面的0，1，2，3就是数据的默认标签。另外可以通过index属性自定义标签。s2=pd.Series(['1','2','3,','4'],index
系统 2019-09-27 17:50:09 1782
python语言解释器是一个轻量级的小尺寸软件，可以在python语言主网站上下载网址如下https://www.python.org/downloads/我用的是sulimetext当然你也可以用其他的Sublime有很多优点比如SublimeText具有漂亮的用户界面和强大的功能，例如代码缩略图，Python的插件，代码段等。还可自定义键绑定，菜单和工具栏。SublimeText的主要功能包括：拼写检查，书签，完整的PythonAPI，Goto功能，即
系统 2019-09-27 17:50:02 1782
微线程领域（至少在Python中）一直都是StacklessPython才能涉及的特殊增强部分。关于Stackless的话题以及最近它经历的变化，可能本身就值得开辟一个专栏了。但其中简单的道理就是，在“新的Stackless”下，延续（continuation）显然是不合时宜的，但微线程还是这个项目存在的理由。这一点很复杂……刚开始，我们还是先来回顾一些内容。那么，什么是微线程呢？微线程基本上可以说是只需要很少的内部资源就可以运行的进程�D并且是在Pyth
系统 2019-09-27 17:49:59 1782
输入：s=‘happying’输出：s=‘gniyppah’方法1#使用字符串切片r=s[::-1]方法2#使用reducer=reduce(lambdax,y:y+x,s)方法3#使用递归函数#字符串s的倒序是,是s除去第一个字符的字符串的倒序加上第一个字符deffunc(s):iflen(s)<1:returnsreturnfunc(s[1:])+s[0]r=func(s)方法4#使用列表的reverse方法#reverse不是按照与字母顺序相反的顺序
系统 2019-09-27 17:49:53 1782
本人最近在研究机器学习方面的知识，要运用unet来实现医学图像分割，本文是为了实现unet代码而做的前期准备工作，综合网上的经验与自身的实践最终选择了keras+tensorflow-gpu来跑unet代码，下面是我安装tensoflow-gpu的整个过程，记录下来方便以后查阅。目录1.安装anaconda2.创建虚拟环境并安装python3.63.安装tensorflow-gpu3.1安装前奏——CUDA和cuDNN3.1.1下载CUDA3.1.2cuD
系统 2019-09-27 17:49:52 1782
原文链接：https://my.oschina.net/xiaocon/blog/199423Python当中的继承有点类似于JAVA。感觉特别像～可能学过JAVA以后对这个比较好理解吧。不过Python更加清晰一点，比起Perl面对对象，PYTHON看起来舒服，并且让人感觉一看就懂～下面这个实例是简明教程里面的，我初步理解了一下，一会再自己写个练习，熟练下。。。#!/usr/bin/python#coding=gbk#创建父类，该类会被下面的子类所继承c
系统 2019-09-27 17:49:21 1782
剑指offer：从上到下打印二叉树题目描述从上往下打印出二叉树的每个节点，同层节点从左至右打印。结果：[8,6,10,5,7,9,11]解题思路典型的使用队列的题目。每从队列头部获取一个节点，就将该节点的左右子节点存入队列的尾部。如此往复，直至队列为空。代码#coding:utf-8classSolution:#从上往下打印出二叉树的每个节点，同层节点从左至右打印defPrintFromTopToBottom(self,root):array=[]resu
系统 2019-09-27 17:49:17 1782
代码来源：《Python神经网络编程》手写数据集下载地址:1.训练数据集2.测试数据集摘要本文代码主要讲解基于Python的简单神经网络构建用于识别手写数据集，类模块具有通用性，在分析清楚问题后可以加以改动，运用于其他方面。代码importnumpy#scipy.specialforthesigmoidfunctionexpit()importscipy.specialimportmatplotlib.pyplotasplt#neuralnetworkcl
系统 2019-09-27 17:49:14 1782
更详细见：https://blog.csdn.net/Lord_sh/article/details/92653790>>>x=np.arange(0,16).reshape(4,4)>>>xarray([[0,1,2,3],[4,5,6,7],[8,9,10,11],[12,13,14,15]])>>>idx=[[1,0,0,0],[0,1,0,0],[0,1,0,0],[0,0,0,1]]>>>idx[[1,0,0,0],[0,1,0,0],[0,1,
系统 2019-09-27 17:49:14 1782
