Apache Axis | 易学教程

利用python进行数据分析1_numpy的基本操作，建模基础

阅读更多关于利用python进行数据分析1_numpy的基本操作，建模基础

import numpy as np # 生成指定维度的随机多维数据 data=np.random.rand(2,3) print(data) print(type(data)) 结果： [[0.11959428 0.52816495 0.31736705 ] [ 0.75400637 0.26683732 0.54080784 ]] < class ' numpy.ndarray ' > View Code print('维度个数',data.ndim) print('各维度大小',data.shape) print('数据类型',data.dtype) 结果：维度个数 2 各维度大小 ( 2, 3 ) 数据类型 float64 View Code 补充： import numpy as np # 生成指定维度的随机多维数据 data2=np.arange(1,10,2)#间隔为2 print(data2) print('元素个数',data2.size) # 5 ndarray，N维数组对象（矩阵）所有元素必须是相同类型 ndim属性：维度个数 shape属性：各维度大小 dtype属性：数据类型创建ndarray #list转换为ndarray l=range(10) data=np.array(l) print(data)#[0 1 2 3 4 5 6 7 8 9]

淘宝零食专栏分析（淘宝爬虫+数据分析）

阅读更多关于淘宝零食专栏分析（淘宝爬虫+数据分析）

前言：本文爬虫的关键字眼是“美食”，实际分析时发现“零食”的销售量远远高于“美食”，因此在一开始的数据层面就已经决定了本文分析的片面性，本篇博客主要是用于记录代码和分析过程。实际的结论请看下一篇博客（下一篇博客爬虫的关键字眼是“零食”）。 https://www.cnblogs.com/little-monkey/p/10822369.html 一、爬虫根据崔庆才老师的爬虫视频修改而来，利用selenium进行淘宝爬取（本来想用火车采集器爬取的，尝试了一下发现没法截取淘宝网址的字段）。 selenium完全模拟人工点击操作，原理上可以爬取淘宝的所有可见内容。爬虫代码有参考　　https://www.cnblogs.com/hustcser/p/8744355.html import re import time from selenium import webdriver from selenium.common.exceptions import TimeoutException from selenium.webdriver.common.by import By from selenium.webdriver.support.ui import WebDriverWait from selenium.webdriver.support import expected

MATLAB：图像的移动（move函数）

阅读更多关于 MATLAB：图像的移动（move函数）

图像移动涉及到move函数，实现过程如下： close all; %关闭当前所有图形窗口，清空工作空间变量，清除工作空间所有变量 clear all; clc; I=imread('lenna.bmp'); %输入图像 a=50;b=50;%设置平移坐标 J1=move(I,a,b);%移动原图像 a=-50;b=50;%设置平移坐标 J2=move(I,a,b);%移动原图像 a=50;b=-50;%设置平移坐标 J3=move(I,a,b);%移动原图像 a=-50;b=-50;%设置平移坐标 J4=move(I,a,b);%移动原图像 set(0,'defaultFigurePosition',[100,100,1000,500]);%修改图形图像位置的默认设置 set(0,'defaultFigureColor',[1 1 1])%修改图形背景颜色的设置 figure, subplot(1,2,1),imshow(J1),axis on;%绘制移动后图像 subplot(1,2,2),imshow(J2),axis on;%绘制移动后图像 figure, subplot(1,2,1),imshow(J3),axis on;%绘制移动后图像 subplot(1,2,2),imshow(J4),axis on;%绘制移动后图像　　效果图如下：来源： oschina 链接：

微信小程序学习 -flex布局

阅读更多关于微信小程序学习 -flex布局

flex布局简介微信小程序页面布局方式采用的是 Flex 布局。 Flex 布局，是W3c在2009年提出的一种新的方案，可以简便，完整，响应式的实现各种页面布局。 Flex布局提供了元素在容器中的对齐，方向以及顺序，甚至他们可以是动态的或者不确定的大小的。样式设置为 display:flex : 采用 Flex 布局的元素，称为 Flex 容器（flex container），简称"容器" 容器默认有两个轴：主轴(main axis)和侧轴(cross axis)。主轴的开始位置为主轴起点(main start)，主轴的结束位置为主轴终点(main end),而主轴的长度为主轴长度(main size)。同理侧轴的起点为侧轴起点(cross start),结束位置为侧轴终点(cross end),长度为侧轴长度(cross size)。详情见下图: flex布局的属性 1.flex-direction 主轴的方向使用 flex-direction 属性控制, 主轴并不是一定是从左到右的，同理侧轴也不一定是从上到下，它有4个可选值: row（默认值）：主轴为水平方向，起点在左端。 row-reverse：主轴为水平方向，起点在右端。 column：主轴为垂直方向，起点在上沿。 column-reverse：主轴为垂直方向，起点在下沿 2.justify

第七周：Python

阅读更多关于第七周：Python

python的应用场景重复性的东西编写脚本和对于大数据量的操作数据搭建的环境不建议自己在网上找下载，建议下载anaconda，可在清华镜像里面下载anaconda，下载安装之后可在桌面上找到程序image.png jupyer Notebook 为本次学习的常用项目，可进行可视化界面操作，分段 shift+光标执行 python基础目录 1.数据类型 2.变量 3.三大结构 3.1列表 3.2元组 3.3字典 4.控制流 5.def命名函数 6.Numpy包 7.1 Series 7.2 dataframe 8.数据的筛选 9.数据的聚合 10.多表关联 11.多重索引 12.文本函数 13.空值&去重 14.apply函数 15.数据透视表 16.链接数据库 ** 1.数据类型： ** 数值型，直接输入可以进行计算可用type进行数据类型的判断返回整除的结果显示余数的结果 int整数直接计算在python里面单双引号基本没有影响，但是在一段话表示的时候里面有单引号，整段话两边套上双引号才能识别，都为单引号系统则识别不了。相反，整句里面用双引号，整句的时候则用单引号作为系统区分。系统报错，将单引号改成双引号就可以识别（双引号为具体内容的边界）边界用三引号的时候，内容可以包含单双引号的。字符串：字符串同样不能直接进行计算，可用int转换成数字进行计算。

解惑：如何使用html+css+js实现旋转相册，立方体相册等动画效果

阅读更多关于解惑：如何使用html+css+js实现旋转相册，立方体相册等动画效果

解惑：如何使用html+css+js实现旋转相册，立方体相册等动画效果一、前言最初还是在抖音上看到可以使用简单地代码实现炫酷的网页效果的，但是想要找到可以运行的代码还是比较困难的，最近突然想起就在网上汇总了一些这样的代码。二、3D效果代码 2.1、旋转相册 <!doctype html> <html lang="en"> <head> <meta charset="UTF-8"> <title>旋转相册</title> <style type="text/css"> body,div,p,ul,ol,li,dl,dt,dd,table,tr,td,form,hr,fieldset,h1,h2,h3,h4,h5,h6,img,input{ margin:0; padding:0; } body{ background: black; } .content{ width: 200px; height: 150px; position: relative; margin:200px auto 0; perspective: 1500px; } .box{ width: 200px; height: 150px; transform-style: preserve-3d; transform:rotateX(-30deg); animation:photo 15s linear

Flutter的教程:ListView

阅读更多关于 Flutter的教程:ListView

本文学习一下列表widget，是最常见的需求在Flutter中,用ListView来显示列表项,支持垂直和水平方向展示,通过一个属性我们就可以控制其方向 1.水平的列表 2.垂直的列表 3.数据量非常大的列表 4.内置的ListTile(挺好用的) 4.内置的ListTile(挺好用的),先看下这个widget,在下面的listView中将直接使用 /* * * ListTile */ import ' package:flutter/material.dart ' ; void main() { runApp( new MyApp()); } class MyApp extends StatelessWidget { @override Widget build(BuildContext context) { return new MaterialApp( title: " ListTile " , home: new Scaffold( appBar: new AppBar( title: new Text( " ListTile " ), ), body: new MyCard(), ), ); } } class MyCard extends StatefulWidget { @override State <StatefulWidget> createState() {

svg SMIL Animation动画

阅读更多关于 svg SMIL Animation动画

svg path路径绘制：贝塞尔曲线二次贝塞尔曲线：三次贝塞尔曲线：基本参数：指令字母（绝对坐标）中文含义参数示意具体说明 M 移动到 (moveTo) x,y 路径起始点坐标 Z 闭合路径 (closepath) 将路径的开始和结束点用直线连接 L 直线 (lineTo) x,y 当前节点到指定 (x,y) 节点，直线连接 H 水平直线 x 保持当前点的 y 坐标不变， x 轴移动到 x, 形成水平线 V 垂直直线 y 保持当前点的 x 坐标不变， y 轴移动到 y, 形成垂直线命令名称参数 M moveto 移动到 (x y)+ Z closepath 关闭路径 (none) L lineto 画线到 (x y)+ H horizontal lineto 水平线到 x+ V vertical lineto 垂直线到 y+ C curveto 三次贝塞尔曲线到 (x1 y1 x2 y2 x y)+ S smooth curveto 光滑三次贝塞尔曲线到 (x2 y2 x y)+ Q quadratic Bézier curveto 二次贝塞尔曲线到 (x1 y1 x y)+ T smooth quadratic Bézier curveto 光滑二次贝塞尔曲线到 (x y)+ A elliptical arc 椭圆弧 (rx ry x-axis

Matlab的mat格式数据转化至python数据格式

阅读更多关于 Matlab的mat格式数据转化至python数据格式

因工作原因，一些获取的行业数据以已知的结构体存储在.mat文件中, 现需要将其存储在数据库中并且能够灵活调用至python dataframe里进行操作原数据的一个例子如下目标如上: 然后是转化代码: import scipy.io data = scipy.io.loadmat(r ' C:\Users\wenzhe.tian\Desktop\PTSimA\Doing\MC.mat ' ) import pandas as pd data.pop( ' __header__ ' ) data.pop( ' __version__ ' ) data.pop( ' __globals__ ' ) vehicle_name = data.keys() vehicle_name = list(vehicle_name) for i in vehicle_name: df = pd.DataFrame(data[i][0]) try : df = df.astype(float) except : for j in list(df): try : df[j] = df[j].astype(float) except : continue # df[j]=df[j].astype(str) if i== vehicle_name[0]: df1 = df; else : df1 =pd

目标检测之车辆行人（tensorflow版yolov3-tiny）

阅读更多关于目标检测之车辆行人（tensorflow版yolov3-tiny）

背景：在自动驾驶中，基于摄像头的视觉感知，如同人的眼睛一样重要。而目前主流方案基本都采用深度学习方案（tensorflow等），而非传统图像处理（opencv等）。　　接下来我们就以YOLOV3为基本网络模型，Tensorflow为基本框架，搭建一套能够自动识别路面上动态目标，如车辆，行人，骑行人等。正文：　　原生YOLOV3是基于darknet（纯C编写）开发的，这里我们会将YOLOV3架构在Tensorflow平台上（Python,C++跨平台多语言）。关键点介绍：一、基本的网络结构图：模型流程图如下：　　基础主干网Darknet53：二、代码结构： tf_yolov3 |-------extract_voc.py #从原始文件中生成训练所需数据格式 import os import argparse import xml.etree.ElementTree as ET # sets=[('2007', 'train'), ('2007', 'val'), ('2007', 'test')] sets=[( ' 2012 ' , ' train ' ), ( ' 2012 ' , ' val ' )] classes = [ " aeroplane " , " bicycle " , " bird " , " boat " , " bottle " , "

订阅 Apache Axis