pyt

关于python 性能提升的一些方案。一、函数调用优化（空间跨度，避免访问内存） 程序的优化核心点在于尽量减少操作跨度，包括代码执行时间上的跨度以及内存中空间跨度。1.大数据求和，使用suma = range(100000)%timeit -n 10 sum(a)10 loops, best of 3: 3.15 ms per loop%%timeit ...: s = 0 ...: for i in a: ...: s += i ...:100 loops, best of 3: 6.93 ms per loop2.小数据求和，避免使用sum%timeit -n 1000 s = a + b + c + d + e + f + g + h + i + j + k # 数据量较小时直接累加更快1000 loops, best of 3: 571 ns per loop%timeit -n 1000 s = sum([a,b,c,d,e,f,g,h,i,j,k]) # 小数据量调用 sum 函数，空间效率降低1000 loops, best of 3: 669 ns per loop结论：大数据求和sum效率高，小数据求和直接累加效率高。二、for循环优化之取元素（使用栈或寄存器，避免访问内存）for lst in [(1, 2, 3), (4, 5, 6)]: # lst 索引需要额外开销 pass应尽量避免使用索引。for a, b, c in [(1, 2, 3), (4, 5, 6)]: # better pass相当于给每一个元素直接赋值。def force(): lst = range(4) for a1 in [1, 2]: for a2 in lst: for a3 in lst: for b1 in lst: for b2 in lst: for b3 in lst: for c1 in lst: for c2 in lst: for c3 in lst: for d1 in lst: yield (a1, a2, a3, b1, b2, b3, c1, c2, c3, d1)%%timeit -n 10for t in force(): sum([t[0], t[1], t[2], t[3], t[4], t[5], t[6], t[7], t[8], t[9]])10 loops, best of 3: 465 ms per loop%%timeit -n 10for a1, a2, a3, b1, b2, b3, c1, c2, c3, d1 in force(): sum([a1, a2, a3, b1, b2, b3, c1, c2, c3, d1])10 loops, best of 3: 360 ms per loop三、生成器优化（查表代替运算）def force(start, end): # 用于密码暴力破解程序 for i in range(start, end): now = i sublst = [] for j in range(10): sublst.append(i % 10) # 除法运算开销较大，比乘法大 i //= 10 sublst.reverse() yield(tuple(sublst), now)def force(): # better lst = range(5) for a1 in [1]: for a2 in lst: for a3 in lst: for b1 in lst: for b2 in lst: for b3 in lst: for c1 in lst: for c2 in lst: for c3 in lst: for d1 in lst: yield (a1, a2, a3, b1, b2, b3, c1, c2, c3, d1)r0 = [1, 2] # 可读性与灵活性r1 = range(10)r2 = r3 = r4 = r5 = r6 = r7 = r8 = r9 = r1force = ((a0, a1, a2, a3, a4, a5, a6, a7, a8, a9) for a0 in r0 for a1 in r1 for a2 in r2 for a3 in r3 for a4 in r4 for a5 in r5 for a6 in r6 for a7 in r7 for a8 in r8 for a9 in r9) 四、幂运算优化（pow（x，y，z））def isprime(n): if n & 1 == 0: return False k, q = find_kq(n) a = randint(1, n - 1) if pow(a, q, n) == 1: # 比使用 a ** q % n 运算优化数倍 return True for j in range(k): if pow(a, pow(2, j) * q, n) == n - 1: # a **((2 ** j) * q) % n return True return False 结论：pow（x,y,z）优于x**y%z. 五、除法运算优化In [1]: from random import getrandbitsIn [2]: x = getrandbits(4096)In [3]: y = getrandbits(2048)In [4]: %timeit -n 10000 q, r = divmod(x, y)10000 loops, best of 3: 10.7 us per loopIn [5]: %timeit -n 10000 q, r = x//y, x % y10000 loops, best of 3: 21.2 us per loop 结论：divmod优于//和%。 六、优化算法时间复杂度算法的时间复杂度对程序的执行效率影响最大，在python中可以选择合适的数据结构来优化时间复杂度，如list和set查找某一个元素的时间复杂度分别是O(n)和O(1)。不同场景有不同的优化方式，总的来说，一般有分治，分支定界、贪心动态规划等思想。七、合理使用copy和deepcopy对于dict和list等数据结构的对象，直接赋值使用的是引用的方式。而有些情况下需要复制整个对象，这时可以使用copy包里的copy和deepcopy，这两个函数的不同之处在于deepcopy是递归复制的。效率不同：In [23]: import copyIn [24]: %timeit -n 10 copy.copy(a)10 loops, best of 3: 606 ns per loopIn [25]: %timeit -n 10 copy.deepcopy(a)10 loops, best of 3: 1.17 us per loop timeit后面的-n表示运行的次数，后两行对应的是两个timeit的输出，下同。由此可见后者慢一个数量级。 关于copy的一个例子：>>> lists = [[]] * 3>>> lists[[], [], []]>>> lists[0].append(3)>>> lists[[3], [3], [3]] 发生的事情是这样的，[[]]是包含一个空列表的只有一个元素的列表，所以[[]] * 3的所有三个元素都是（指向）这个空列表。修改lists的任何元素都修改这个列表。修改效率高。 八、使用dict或set查找元素python 字典和集合都是使用hash表来实现（类似c++标准库unordered_map），查找元素的时间复杂度是O(1)。In [1]: r = range(10**7)In [2]: s = set(r) # 占用 588MB 内存In [3]: d = dict((i, 1) for i in r) # 占用 716MB 内存In [4]: %timeit -n 10000 (10**7) - 1 in r10000 loops, best of 3: 291 ns per loopIn [5]: %timeit -n 10000 (10**7) - 1 in s10000 loops, best of 3: 121 ns per loopIn [6]: %timeit -n 10000 (10**7) - 1 in d10000 loops, best of 3: 111 ns per loop结论：set 的内存占用量最小，dict运行时间最短。九、合理使用（generator）和yield（节省内存）In [1]: %timeit -n 10 a = (i for i in range(10**7)) # 生成器通常遍历更高效10 loops, best of 3: 933 ns per loopIn [2]: %timeit -n 10 a = [i for i in range(10**7)]10 loops, best of 3: 916 ms per loopIn [1]: %timeit -n 10 for x in (i for i in range(10**7)): pass10 loops, best of 3: 749 ms per loopIn [2]: %timeit -n 10 for x in [i for i in range(10**7)]: pass10 loops, best of 3: 1.05 s per loop结论：尽量使用生成器去遍历。

你好，可参考如下建议：1，提问题要把代码执行报错信息截图发出来2，先把UI布局的代码写出来，执行显示正常了，再给按钮引入使用的方法##import tkinter as tkwin = tk.Tk()win.title("剪刀石头布")win.geometry("450x450") # 设置窗口大小l = tk.Label(win,bg = "white",fg = "red",width = 20,height = 3,font = ("Arial",10))l.pack()one = tk.Button(win,text = "石头",bg = "white",fg = "red",width = 5,height = 5,font = ("Arial",10))one.pack()two = tk.Button(win,text = "剪刀",bg = "white",fg = "red",width = 5,height = 5,font = ("Arial",10))two.pack()three = tk.Button(win,text = "布",bg = "white",fg = "red",width = 5,height = 5,font = ("Arial",10))three.pack()win.mainloop()

标签Label、按钮Buttn、输入框Entry这些都是python的控件，那么他们如何使用呢？标签Label:可以显示文本和位图from tkinter import *root = Tk()root.minsize(300, 200)text = " I want to study PYTHON"label = Label(root, text = text, fg ="black", bg="red")label.pack(side = LEFT)root.mainloop()tkinter 是Python内置的GUI工具的模块，各种控件都在其中定义。编制窗口交互的应用程序都需要导入。root = Tk()生成一个底层窗口。然后定义Label类的对象，连个必须的参数：父空间和文字内容。定义了空间以后必须用pack()函数保证才能显示。最后一行root.mainloop()是必须的，它令根空间进入主循环，开始监听事件和执行相应的人机交互命令。按钮Button:在程序中显示按钮。from tkinter import *root = Tk()root.title("Button demo")root.minsize (300, 200)Button(root, text = "禁用" ,state = DISABLED).pack(side=LEFT)Button(root, text = "取消" ).pack(side=LEFT)Button(root, text = "确定" ).pack(side=LEFT)Button(root, text = "退出" , command= root.quit).pack(side=RIGHT)root.mainloop()要使按钮不能用，可见参数state = DISABLED，不见当然默认是可用的。DISABLED是tkinter 值预定义的常量。state 和前面的text= 都是控件的购置函数中的变量名， 不看任意更改，root 不是。输入框Entry:用于显示简单的文本内容from tkinter import *root = Tk()root.title("Entry demo")root.minsize (400, 200)f1 = Frame(root)f2 = Frame(root)e1 = StringVar()e1.set("输入框默认内容")e2 = StringVar()e2.set("不可修改的内容")Label(f1, text="标准输入框").pack(side=LEFT, padx=5, pady=5)Entry (f1, width = 20, textvariable = e1).pack(side=LEFT)Label(f2, text="禁用输入框").pack(side=LEFT, padx=5, pady=5)Entry(f2, width = 20, textvariable = e2, state=DISABLED).pack(side=LEFT)f1.pack()f2.pack()root.mainloop()输入框即单行文本框。Entry 有参数textvariable 是文本框中显示的字符串。使用StringVar()函数定义一个字符串变量，类型确定但没有赋值。

"b" 蓝色 "g" 绿色 "r" 红色 "c" 青色 "m" 品红 "y" 黄色 "k" 黑色 "w" 白色 plt.plot(x, y, marker="+", color="coral") ‘."：点(point marker) ‘,"：像素点(pixel marker) ‘o"：圆形(circle marker) ‘v"：朝下三角形(triangle_down marker) ‘^"：朝上三角形(triangle_up marker) ‘<‘：朝左三角形(triangle_left marker) ‘>"：朝右三角形(triangle_right marker) ‘1"：(tri_down marker) ‘2"：(tri_up marker) ‘3"：(tri_left marker) ‘4"：(tri_right marker) ‘s"：正方形(square marker) ‘p"：五边星(pentagon marker) ‘*"：星型(star marker) ‘h"：1号六角形(hexagon1 marker) ‘H"：2号六角形(hexagon2 marker) ‘+"：+号标记(plus marker) ‘x"：x号标记(x marker) ‘D"：菱形(diamond marker) ‘d"：小型菱形(thin_diamond marker) ‘|"：垂直线形(vline marker) ‘_"：水平线形(hline marker) ‘-‘：实线(solid line style) ‘–‘：虚线(dashed line style) ‘-."：点划线(dash-dot line style) -------------------------------------------------------------------------------------------------------------------------------------------------------------I"m a line ! Thanks for your attention !----------------------------------------------------------------------------------------------------------------

百度 PaddlePaddle在和几款最常用的深度学习框架TensorFlow、Torch、Caffe比较之前，我们先重点介绍新出现的PaddlePaddle。Paddle其实已经有多年历史了。早在 2013 年，百度就察觉到传统的基于单GPU的训练平台，已经无法满足深度神经网络在搜索、广告、文本、语音、图像等领域的训练需求，于是在徐伟的带领下开始搭建Paddle——一个多机并行的CPU/GPU混布的异构计算平台。Paddle从最早的开发到如今的开源，就一直以大规模数据处理和工业化的要求不断改进。我们可以看到PaddlePaddle有很多优异的特性。Github上介绍，PaddlePaddle有以下特点：· 灵活PaddlePaddle支持大量的神经网络架构和优化算法，支持任意复杂RNNs结构，高效处理batch，无需数据填充。简单书写配置文件即可实现复杂模型，比如拥有注意力(Attention)机制、外围记忆层(External Memory)或者用于神经机器翻译模型的深度时序快进网络。· 高效为了利用异构计算资源的能力，PaddlePaddle中的每一级都会进行优化，其中包括计算、内存、架构和通信。以下是几个例子：1.使用SSE/AVX内联函数、BLAS数据库(例如MKL、ATLAS、cuBLAS)和定制化的CPU/GPU Kernal来优化数学运算。2.高度优化RNNs网络，在没有Padding的情况下，也能处理不同长度的序列。3.优化的本地和分布式训练，同时支持高纬稀疏模型。· 可扩展有了PaddlePaddle，使用多个CPU和GPU以及机器来加速训练可以变得很轻松。 PaddlePaddle能通过优化通信，获得高吞吐量和性能。· 与产品的连接PaddlePaddle的部署也很简单。在百度，PaddlePaddle已经被用于产品和服务中，拥有大量用户。应用场景包括预估外卖的出餐时间、预判网盘故障时间点、精准推荐用户所需信息、海量图像识别分类、字符识别(OCR)、病毒和垃圾信息检测、机器翻译和自动驾驶等等。在PaddlePaddle简单、可扩展的逻辑下，徐伟评价说：“这将使工程师们能够快速、轻松地将深度学习技术应用到他们的产品当中，我们想让更多的人使用人工智能，人工智能对于我们的未来生活是非常重要的。”

这是编程语言。

字符宽度本来就很难。这个是难题。因为字符宽度不一致。 通常我们的做法是这样子。你先在后面的画板上画一个字符串，然后测量它的宽度。再根据测量得到的宽度正式在你想绘制的画板上绘。这个测量也是用它的API实现的。不是自己用尺子量。另外一个办法是手机上用的。 每个字体的每个字符的长宽都有精准的数据。做一个这样的数据库。然后绘制前计算一下，就可以居中了。

写在前面的话：拿到一个后台是由python（flask框架）支持的完整的项目，怎么运行？做法：先搭好运行环境：参见另外一篇文章，flask入门_windows下安装环境搭好以后，然后再进行以下几个步骤：（1）先安装依赖：项目的依赖一般都写在了requirements.txt 文件中。 小扩展：setup.py vs requirements.txt 安装的话有2种方式可选：一种是直接统一安装： pip install -r requirements.txt还有一种就是在 virtualenv环境中统一安装。具体做法是：在项目文件夹中，安装虚拟环境，然后直接激活就好了，如下代码所示：pip install virtualenvvirtualenv venvvenvscriptsactivate然后就会出现如下所示，带有 <venv>时，就是在虚拟环境下运行了：之后再：pip install -r requirements.txttips：一位后端程序媛告诉我，以后像.txt 之类的文件要用写字板打开会更好一些（这样就会是一行一行的）而不是用记事本来打开（打开时没有分行），因为解码方式的问题，有可能发生未知错误~注： 这两种都试过，然而，都没有办法一步到位，其实还是有好多依赖是安装不上的，所以还得要结合 pip install xxx 安装~我选择的是方式是在虚拟环境安装，再结合 pip install xxx 安装~ 详见下文：（2）安装依赖完成后，运行一下：python manage.py哇，一堆错误，说是某某 module不存在，这时候可以使用 pip单独地安装一次，可以指定版本号，或者不指定（我指定版本的时候还说找不到，不指定版本号反而装上了）pip install xxxx或者 pip install xxxx-1.1.0（数字是版本号~）安装了之后，再运行下：python manage.py发现又有某个模块找不到时，继续使用pip安装，然后再运行，直到提示你可以运行runserver指令时就表示依赖模块已经ok啦~最后，运行:python manage.py runserver然后就提示说在监控5000端口~此时，点击127.0.0.1:5000 就可以看到你的页面啦~然而，有些项目涉及到的模块比较复杂，例如碰见下面这种情况：（3）依赖安装完成后，还报错~ 并且使用pip安装时还安不上的，例如PIL(Python Imaging Library)：这个需要下载安装包进行安装的，PIL各个版本下载网站安装路径我让它默认安装了，之后呢我就去那个安装目录下，把PIL文件夹给copy到项目的 venvLibsite-packages 文件夹（在requirements.txt列好的依赖都会下载到这个文件夹）之后，再运行~python manage.py出现命令行界面如下：此时，再输入：python manage.py runserver就发现它在监听 127.0.0.1:5000 了~ 打开127.0.0.1:5000页面，结果报错：是的，没有安装数据库~ （4）安装数据库（下载地址）：我是默认安装的，它直接安装到 python 的 Libsite-packages 目录下去了（我的是C:Python27Libsite-packages）相关教程推荐：Python视频教程

一般是调用默认程序如c = Image.new("RGB",(x,y))#…………c.show()c.save("c.png")

用python显示一张图片方法如下：import matplotlib.pyplot as plt # plt 用于显示图片import matplotlib.image as mpimg # mpimg 用于读取图片import numpy as nplena = mpimg.imread("lena.png") # 读取和代码处于同一目录下的 lena.png# 此时 lena 就已经是一个 np.array 了，可以对它进行任意处理lena.shape #(512, 512, 3)plt.imshow(lena) # 显示图片plt.axis("off") # 不显示坐标轴plt.show()Python, 是一种面向对象、解释型计算机程序设计语言，由Guido van Rossum于1989年底发明，第一个公开发行版发行于1991年，Python 源代码同样遵循 GPL(GNU General Public License)协议。Python语法简洁而清晰，具有丰富和强大的类库。它常被昵称为胶水语言，能够把用其他语言制作的各种模块(尤其是C/C++)很轻松地联结在一起。常见的一种应用情形是，使用Python快速生成程序的原型(有时甚至是程序的最终界面)，然后对其中有特别要求的部分，用更合适的语言改写，比如3D游戏中的图形渲染模块，性能要求特别高，就可以用C/C++重写，而后封装为Python可以调用的扩展类库。需要注意的是在您使用扩展类库时可能需要考虑平台问题，某些可能不提供跨平台的实现。

cat test.sh看一下

1.jpg在本目录么？

文件不存在，Windows下要注意路径里面的要写成\转义

IOError: cannot open resource文件不存在？，没权限？

这是因为你写的验证码代码找不到当前服务器字体，验证码代码中是不是有一行代码Font = （“字体路径”），windows和mac的路径是不同的，，你要注意这一点。。下面这是mac的font = ImageFont.truetype("/Library/Fonts/Andale Mono.ttf", 23)mac默认路径在/Library/Fonts/，，window好像可以直接写字体font = ImageFont.truetype("arial.ttf", 25)，自己粘一下就好

python是当下十分火爆的编程语言，尤其在人工智能应用方面。如果有心从事编程方向的工作，最好到专业机构深入学习、多实践，更贴近市场，这样更有利于将来的发展。

同问，解决了没？

im.save(outfile, options…)im.save(outfile, format, options…)你用 outfile=os.path.join(路径，图像文件名) 不就可以了吗？

改变图像尺寸有两类方法：一是缩放（resize），即重采样。这时，如果图像纵横比发生变化就会导致“挤压”。二是裁剪（crop）。当然图只能越裁越小；不过可以配合缩放，先放大再裁剪。既然题主要求不能“挤压”，那就只能裁剪了。函数名我给出来了，具体用法题主自己研究。

　　这篇文章主要介绍了Python中用PIL库批量给图片加上序号的教程,PIL库是Python中一个非常强大的处理图片的库,需要的朋友可以参考下　　女友让我给她论文的图片上加上字母序号，本来觉得是个很简单的事情，但那个白底黑字的圆圈序号却难住了我，试了几个常用的软件，都不行。　　后来用PS+动作，倒是能搞出来，不过也不容易，正好那天没搞完，于是拿回自己家做，但我的电脑上又没有PS，所以就用python实现了。　　效果图　　这里用的图片全是240X240的，按文件名的首字母作为序号，PIL虽然可以计算文字的尺寸，但类似D这样的字符依然不能处于圆圈的正中，所以还对个别字符做了偏移设置，本来想用aggdraw画圆圈的，能平滑一些，不过安装了好几次，都以失败告终，最终放弃。　　?1234567891011121314151617181920212223242526272829303132333435363738394041#!/usr/bin/envpython#-*-coding:utf-8-*-importos,sys,fnmatchimportImage,ImageDraw,ImageFontdefprocess_picture(filename):seq=os.path.split(filename)[-1][0].upper()img=Image.open(os.path.join(input_dir,filename))draw=ImageDraw.Draw(img)#在右下角画白底黑框圆圈draw.ellipse((215,215,235,235),outline="black",fill="white")#将字母序号写入到圆圈内font=ImageFont.truetype("fonts/TimesNewRoman.ttf",20)#计算文字居中的位置text_size=draw.textsize(seq,font)x=(20/2)-(text_size[0]/2)y=(20/2)-(text_size[1]/2)#字母偏移量offsets={"A":1,"B":1,"E":1,"D":2}offset=offsets.get(seq,0)draw.text((215+x+offset,215+y),seq,font=font,fill="black")#saveimageimg.save(os.path.join(output_dir,filename),"JPEG")if__name__=="__main__":iflen(sys.argv)<3:print"Usage:pythondrawseq.py<input_dir><output_dir>"sys.exit(1)input_dir,output_dir=sys.argv[1:3]os.path.exists(output_dir)oros.makedirs(output_dir)forfilenameinos.listdir(input_dir):iffnmatch.fnmatch(filename.lower(),"*.jpg"):process_picture(filename)注：更多精彩教程请关注三联图文教程频道，

pip uninstall PIL没有安装pip模块的,用apt-get remove

天啊，这还叫新手小白呀，那我应该算什么呢？

图像的亮度是指每一个点的亮度，如果比较两个图像的亮度的话可能就要计算所有点的亮度平均值，下面是计算某个点的亮度值的程序，仅供参考。import Imageim=Image.open("d:/lena.jpg")print im.mode #查看图像的模式im1=im.convert("YCbCr") #转换图像的模式到视频模式y,cb,cr=im1.getpixel((10,10)) #提取点(10,10)位置的亮度、蓝色分量、红色分量的值。 print y #输出亮度值后面两步循环就可以计算整个图像的亮度平均值。

PIL显示图片是生成一个临时图片，再用图片查看器打开图片，然后删除该图片在windows系统下打开临时图片的操作有点滞后于删除该图片的操作，所以会不能显示解决办法如下：编译ImageShow.py文件，路径类似C:Python27libsite-packagesPILImageShow.py在99行左右将原来的代码："start /wait %s && del /f %s" % (file, file)修改成："start /wait %s && PING 127.0.0.1 -n 5 > NUL && del /f %s" % (file, file)这里引入一些无用的操作，使删除图片的时间稍微推后，保证打开图片的操作完成

Pillow 提供了一个 .load() 方法，用来处理像素。图片嘛，当然是二维的，有宽和高的。pixels = image.load()for x in ramge(image.width): for y in range(image.height): pixsels[x, y] = 255 if pixsels[x, y] > 125 else 0当然了，只是最简单的二值化的话，直接 image.convert("1") 就可以了 :-)

你的图片是什么格式的呢。如果是PIL格式的，那么用img.tostring()就行了。

试试del im

https://www.cnblogs.com/myron-1/p/4878144.html #获取table的行数 rowCount = len(driver.find_elements_by_xpath("//*[@id="list-table"]/tbody/tr")) #获取第三列的每一行的值 for i in range(2,rowCount): print driver.find_element_by_xpath("//*[@id="list-table"]/tbody/tr[%s]/td[3]"%(i)).text

python中import PIL可以，但是from PIL import Image就报错？大家在安装pillow的时候，可能会安装成功，但是当运行from pIL import image 的时候，就会报错，说没有这个model。但是import PIL 就可以。现在告诉大家解决方法：先在https://www.lfd.uci.edu/~gohlke/pythonlibs/#pillow这个网站上下载pillow。（列表太多了，建议大家在使用浏览器的时候，可以使用Ctrl +f来查找页面）再选择自己的版本下载好之后。到下载的位置：如下图，一号位置就是我们下载的位置。二号位置就是我们下载好的轮子接下来，我们在一号位置鼠标点击一下。在整个路径都变颜色之后，然后输入“cmd”这个时候出现命令窗口最后一步：在命令窗口输入以下字符：pip Pillow-5.1.1-cp36-cp36m-win_amd64.whl（格式为pip 加上这个whl（轮子）格式文件的名字，pip和这个文件的名字之间是有空格的）。更多学习内容，请点击Python学习网！

pil是用import pil来调用的，但是它的名字是pillow安装命令pip install -i https://pypi.tuna.tsinghua.edu.cn/simple pillow

用PIL载入BMP格式图像之后 进行灰度处理 可是 返回值是<PIL.Image.Image image mode=L size=1280x960 at 0x3034F98>并不是像素点的值因为我想对这个图像进行 二值化处理 写了 一段image = Image.open("E:\0.2.bmp").convert("L")for i in image:if i> 125:i=255else:i=0可是 并不成功 错误是 TypeError: "Image" object is not iterable遍历图片对象？可是怎么个遍历法呢？Pillow 提供了一个 .load() 方法，用来处理像素。图片嘛，当然是二维的，有宽和高的。pixels = image.load()for x in ramge(image.width):for y in range(image.height):pixsels[x, y] = 255 if pixsels[x, y] > 125 else 0当然了，只是最简单的二值化的话，直接 image.convert("1") 就可以了 :-)

PIL库不是Python语言的标准库，它是一个第三方库，用于图像处理和图像生成。如果您想使用PIL库，需要先安装它。您可以使用pip命令来安装PIL库，例如：pip install Pillow安装完成后，您可以在Python代码中使用以下方式导入PIL库：from PIL import Image这样就可以使用PIL库提供的各种功能了。注意，PIL库的名称在Python 3.x中已经改为Pillow，但是导入方式仍然是使用from PIL import Image。

PIL：Python Imaging Library，已经是Python平台事实上的图像处理标准库了。由于PIL仅支持到Python 2.7，加上年久失修，于是一群志愿者在PIL的基础上创建了兼容的版本，名字叫Pillow，支持最新Python 3.x，又加入了许多新特性，因此，我们可以直接安装使用Pillow。安装Python时已经把pip3也备好了，可以直接使用pip3安装PIL命令行：pip3 install pillow注意：1.PIL安装包名字的pillow2.使用pip3命令时，是要在pip3.exe所在路径下才能执行。一般pip3.exe是在python安装目录下的Script文件夹中。更多Python相关技术文章，请访问Python教程栏目进行学习！以上就是小编分享的关于python如何安装pil库的详细内容希望对大家有所帮助，更多有关python教程请关注环球青藤其它相关文章！

的确是不一样的。以下是我用两种方法对一张图片做的差值。解决方案暂时没有想到。建议还是只用一种读取方式。[[[254 1 0][254 1 0][254 1 0]...[ 0 0 4][ 0 255 3][ 0 0 1]] [[ 0 0 0][255 1 0][ 0 0 0]...[ 0 255 2][ 0 255 2][255 1 0]] [[ 0 0 0][254 0 1][ 0 0 0]...[ 0 0 2][ 0 255 2][ 0 0 0]] ... [[ 0 0 0][ 0 0 0][ 0 0 0]...[ 0 0 0][ 0 0 0][ 0 0 0]] [[ 0 0 0][ 0 0 0][ 0 0 0]...[ 0 0 0][ 0 0 0][ 0 0 0]] [[ 0 0 0][ 0 0 0][ 0 0 0]...[ 0 0 0][ 0 0 0][ 0 0 0]]]

利用python的PIL模块的强大的图像处理功能就可以做到，下面上代码：import colorsysdef get_dominant_color(image):#颜色模式转换，以便输出rgb颜色值 image = image.convert("RGBA")#生成缩略图，减少计算量，减小cpu压力 image.thumbnail((200, 200)) max_score = None dominant_color = None for count, (r, g, b, a) in image.getcolors(image.size[0] * image.size[1]): # 跳过纯黑色 if a == 0:

这里分享下python，使用pil获取图层中出现次数最多颜色值的方法。设备：magicbook系统：Windows 11软件：python20141、首先打开pycharm开发工具，创建python项目，然后新建python文件。2、定义函数countNum，传入参数amn；然后使用字典，获取字符串中的字符，统计出现的次数。3、定义一个字符串变量cmn，然后调用函数countNum，传入cmn，然后将返回的值给变量bmn，并打印。4、保存代码并运行python文件，查看控制台打印结果，如下图所示就完成了。

im.getdata()im.split()

It"s either a bug or unimplemented in PIL/Pillow. Here is a workaround:import Imageimage = Image.open("Fredy1_002.tif")image.mode = "I"image.point(lambda i:i*(1./256)).convert("L").save("my.jpeg")

安装 PIL ，问题多多，现将出现问题，原因，以及解决方法总结如下： PIL 的官方版本，但是最后一次维护是2009年，现以宣布停止维护，可以运行在python2.7上。 Pillow PIL 的fork版本，还在继续维护更新，建议安装 Pillow 。 在安装Pillow之前，请卸载PIL 安装Pillow 依赖，下面安装是真对ubuntu14.04版本 下面介绍各包提供功能，以及需要的包版本限制（重要） 在我的 ubuntu14.04 中 openjpeg 版本过低，所以找到 openjpeg 的官方网站编译安装最新版的 openjpeg 完成依赖安装后，使用命令 sudo pip install Pillow 安装Pillow在我的ubuntu 14.04安装成功后，在导入仍然提示： [PIL - libopenjp2.so: cannot open shared object file: No such file or directory] 这样的错误，在stackoverflow找到了解决方法：

目前没有与python3.x 对应版本的PIL， 所以python3.x 一般用Pillow

PIL有如下几个模块：Image模块、ImageChops模块、ImageCrackCode模块、ImageDraw模块、ImageEnhance模块、ImageFile模块、ImageFileIO模块、ImageFilter模块、ImageFont模块、ImageGrab模块、ImageOps模块、ImagePath模块、ImageSequence模块、ImageStat模块、ImageTk模块、ImageWin模块、PSDraw模块 啊啊啊啊怎么这么多模块啊~~~！！！！ 别担心我为你一一讲解 Image模块提供了一个相同名称的类，即image类，用于表示PIL图像。 Image模块是PIL中最重要的模块 ，比如创建、打开、显示、保存图像等功能，合成、裁剪、滤波等功能，获取图像属性功能，如图像直方图、通道数等。 Image模块的使用如下： ImageChops模块包含一些算术图形操作，这些操作可用于诸多目的，比如图像特效，图像组合，算法绘图等等，通道操作只用于8位图像。 ImageChops模块的使用如下： 由于图像im_dup是im的复制过来的，所以它们的差为0，图像im_diff显示时为黑图。 ImageCrackCode模块允许用户检测和测量图像的各种特性。 这个模块只存在于PIL Plus包中。 因为我目前安装的PIL中没有包含这个模块。所以就不详细介绍了 ImageDraw模块为image对象提供了基本的图形处理功能。 例如，它可以创建新图像，注释或润饰已存在图像，为web应用实时产生各种图形。 ImageDraw模块的使用如下： 在del draw前后显示出来的图像im是完全一样的，都是在原有图像上画了两条对角线。 原谅我的报错 ImageEnhance模块包括一些用于图像增强的类。它们分别为 Color类、Brightness类、Contrast类和Sharpness类。 ImageEnhance模块的使用如下： 图像im0的亮度为图像im的一半。 ImageFile模块为图像打开和保存功能提供了相关支持功能。另外，它提供了一个Parser类，这个类可以一块一块地对一张图像进行解码（例如，网络联接中接收一张图像）。这个类的接口与标准的sgmllib和xmllib模块的接口一样。 ImageFile模块的使用如下： 因为所打开图像大小大于1024个byte，所以报错：图像不完整。 所以大家想看的可以自行去找一个小一点的图看一下 ImageFileIO模块用于从一个socket或者其他流设备中读取一张图像。 不赞成使用这个模块。 在新的code中将使用ImageFile模块的Parser类来代替它。 ImageFilter模块包括各种滤波器的预定义集合，与Image类的filter方法一起使用。该模块包含这些图像增强的滤器：BLUR，CONTOUR，DETAIL，EDGE_ENHANCE，EDGE_ENHANCE_MORE，EMBOSS，FIND_EDGES，SMOOTH，SMOOTH_MORE和SHARPEN。 ImageFilter模块的使用如下： ImageFont模块定义了一个同名的类，即ImageFont类。这个类的实例中存储着bitmap字体，需要与ImageDraw类的text方法一起使用。 PIL使用自己的字体文件格式存储bitmap字体。用户可以使用pilfont工具包将BDF和PCF字体描述器（Xwindow字体格式）转换为这种格式。 PIL Plus包中才会支持矢量字体。 ImageGrab模块用于将屏幕上的内容拷贝到一个PIL图像内存中。 当前的版本只在windows操作系统上可以工作。 ImageGrab模块的使用如下： 图像im显示出笔记本当前的窗口内容，就是类似于截图的工具 ImageOps模块包括一些“ready-made”图像处理操作。 它可以完成直方图均衡、裁剪、量化、镜像等操作 。大多数操作只工作在L和RGB图像上。 ImageOps模块的使用如下： 图像im_flip为图像im垂直方向的镜像。 ImagePath模块用于存储和操作二维向量数据。Path对象将被传递到ImageDraw模块的方法中。 ImagePath模块的使用如下： ImageSequence模块包括一个wrapper类，它为图像序列中每一帧提供了迭代器。 ImageSequence模块的使用如下： 后面两次show()函数调用，分别显示第1张和第11张图像。 ImageStat模块计算一张图像或者一张图像的一个区域的全局统计值。 ImageStat模块的使用如下： ImageTk模块用于创建和修改BitmapImage和PhotoImage对象中的Tkinter。 ImageTk模块的使用如下： 这个是我一直不太懂的有没有大佬能帮我解决一下在线等~急！ PSDraw模块为Postscript打印机提供基本的打印支持。用户可以通过这个模块打印字体，图形和图像。 PIL中所涉及的基本概念有如下几个： 通道（bands）、模式（mode）、尺寸（size）、坐标系统（coordinate system）、调色板（palette）、信息（info）和滤波器（filters）。 每张图片都是由一个或者多个数据通道构成。PIL允许在单张图片中合成相同维数和深度的多个通道。 以RGB图像为例，每张图片都是由三个数据通道构成，分别为R、G和B通道。而对于灰度图像，则只有一个通道。 对于一张图片的通道数量和名称，可以通过getbands()方法来获取。getbands()方法是Image模块的方法，它会返回一个字符串元组（tuple）。该元组将包括每一个通道的名称。 Python的元组与列表类似，不同之处在于元组的元素不能修改,元组使用小括号，列表使用方括号，元组创建很简单，只需要在括号中添加元素，并使用逗号隔开即可。 getbands()方法的使用如下： 图像的模式定义了图像的类型和像素的位宽。当前支持如下模式： 1：1位像素，表示黑和白，但是存储的时候每个像素存储为8bit。 L：8位像素，表示黑和白。 P：8位像素，使用调色板映射到其他模式。 I：32位整型像素。 F：32位浮点型像素。 RGB：3x8位像素，为真彩色。 RGBA：4x8位像素，有透明通道的真彩色。 CMYK：4x8位像素，颜色分离。 YCbCr：3x8位像素，彩色视频格式。 PIL也支持一些特殊的模式，包括RGBX（有padding的真彩色）和RGBa（有自左乘alpha的真彩色）。 可以通过mode属性读取图像的模式。其返回值是包括上述模式的字符串。 mode 属性 的使用如下： 通过size属性可以获取图片的尺寸。这是一个二元组，包含水平和垂直方向上的像素数。 mode属性的使用如下： PIL使用笛卡尔像素坐标系统，坐标(0，0)位于左上角。注意：坐标值表示像素的角；位于坐标（0，0）处的像素的中心实际上位于（0.5，0.5）。 坐标经常用于二元组（x，y）。长方形则表示为四元组，前面是左上角坐标。例如：一个覆盖800x600的像素图像的长方形表示为（0，0，800，600）。 调色板模式 ("P")使用一个颜色调色板为每个像素定义具体的颜色值 使用info属性可以为一张图片添加一些辅助信息。这个是字典对象。加载和保存图像文件时，多少信息需要处理取决于文件格式。 info属性的使用如下： 对于将多个输入像素映射为一个输出像素的几何操作，PIL提供了4个不同的采样滤波器： NEAREST：最近滤波。 从输入图像中选取最近的像素作为输出像素。它忽略了所有其他的像素。 BILINEAR：双线性滤波。 在输入图像的2x2矩阵上进行线性插值。注意：PIL的当前版本，做下采样时该滤波器使用了固定输入模板。 BICUBIC：双立方滤波。 在输入图像的4x4矩阵上进行立方插值。注意：PIL的当前版本，做下采样时该滤波器使用了固定输入模板。 ANTIALIAS：平滑滤波。 这是PIL 1.1.3版本中新的滤波器。对所有可以影响输出像素的输入像素进行高质量的重采样滤波，以计算输出像素值。在当前的PIL版本中，这个滤波器只用于改变尺寸和缩略图方法。 注意：在当前的PIL版本中，ANTIALIAS滤波器是下采样 （例如，将一个大的图像转换为小图） 时唯一正确的滤波器。 BILIEAR和BICUBIC滤波器使用固定的输入模板 ，用于固定比例的几何变换和上采样是最好的。Image模块中的方法resize()和thumbnail()用到了滤波器。 resize()方法的定义为：resize(size, filter=None)=> image resize()方法的使用如下： 对参数filter不赋值的话，resize()方法默认使用NEAREST滤波器。如果要使用其他滤波器可以通过下面的方法来实现： thumbnail ()方法的定义为：im.thumbnail(size, filter=None) thumbnail ()方法的使用如下： 这里需要说明的是，方法thumbnail()需要保持宽高比，对于size=(200,200)的输入参数，其最终的缩略图尺寸为(182， 200)。 对参数filter不赋值的话，方法thumbnail()默认使用NEAREST滤波器。如果要使用其他滤波器可以通过下面的方法来实现：

PIL (Python Imaging Library) Python图像处理库，该库支持多种文件格式，提供强大的图像处理功能。 PIL中最重要的类是Image类，该类在Image模块中定义。 从文件加载图像： 如果成功，这个函数返回一个Image对象。现在你可以使用该对象的属性来探索文件的内容。 format 属性指定了图像文件的格式，如果图像不是从文件中加载的则为 None 。 size 属性是一个2个元素的元组，包含图像宽度和高度（像素）。 mode 属性定义了像素格式，常用的像素格式为：“L” (luminance) - 灰度图, “RGB” , “CMYK”。 如果文件打开失败, 将抛出IOError异常。 一旦你拥有一个Image类的实例，你就可以用该类定义的方法操作图像。比如：显示 ( show() 的标准实现不是很有效率，因为它将图像保存到一个临时文件，然后调用外部工具（比如系统的默认图片查看软件）显示图像。该函数将是一个非常方便的调试和测试工具。) 接下来的部分展示了该库提供的不同功能。 PIL支持多种图像格式。从磁盘中读取文件，只需使用 Image 模块中的 open 函数。不需要提供文件的图像格式。PIL库将根据文件内容自动检测。 如果要保存到文件，使用 Image 模块中的 save 函数。当保存文件时，文件名很重要，除非指定格式，否则PIL库将根据文件的扩展名来决定使用哪种格式保存。 ** 转换文件到JPEG ** save 函数的第二个参数可以指定使用的文件格式。如果文件名中使用了一个非标准的扩展名，则必须通过第二个参数来指定文件格式。 ** 创建JPEG缩略图 ** 需要注意的是，PIL只有在需要的时候才加载像素数据。当你打开一个文件时，PIL只是读取文件头获得文件格式、图像模式、图像大小等属性，而像素数据只有在需要的时候才会加载。 这意味着打开一个图像文件是一个非常快的操作，不会受文件大小和压缩算法类型的影响。 ** 获得图像信息 ** Image 类提供了某些方法，可以操作图像的子区域。提取图像的某个子区域，使用 crop() 函数。 ** 复制图像的子区域 ** 定义区域使用一个包含4个元素的元组，(left, upper, right, lower)。坐标原点位于左上角。上面的例子提取的子区域包含300x300个像素。 该区域可以做接下来的处理然后再粘贴回去。 ** 处理子区域然后粘贴回去 ** 当往回粘贴时，区域的大小必须和参数匹配。另外区域不能超出图像的边界。然而原图像和区域的颜色模式无需匹配。区域会自动转换。 ** 滚动图像 ** paste() 函数有个可选参数，接受一个掩码图像。掩码中255表示指定位置为不透明，0表示粘贴的图像完全透明，中间的值表示不同级别的透明度。 PIL允许分别操作多通道图像的每个通道，比如RGB图像。 split() 函数创建一个图像集合，每个图像包含一个通道。 merge() 函数接受一个颜色模式和一个图像元组，然后将它们合并为一个新的图像。接下来的例子交换了一个RGB图像的三个通道。 ** 分离和合并图像通道 ** 对于单通道图像， split() 函数返回图像本身。如果想处理各个颜色通道，你可能需要先将图像转为RGB模式。 resize() 函数接受一个元组，指定图像的新大小。 rotate() 函数接受一个角度值，逆时针旋转。 ** 基本几何变换 ** 图像旋转90度也可以使用 transpose() 函数。 transpose() 函数也可以水平或垂直翻转图像。 ** transpose ** transpose() 和 rotate() 函数在性能和结果上没有区别。 更通用的图像变换函数为 transform() 。 PIL可以转换图像的像素模式。 ** 转换颜色模式 ** PIL库支持从其他模式转为“L”或“RGB”模式，其他模式之间转换，则需要使用一个中间图像，通常是“RGB”图像。 ImageFilter 模块包含多个预定义的图像增强过滤器用于 filter() 函数。 ** 应用过滤器 ** point() 函数用于操作图像的像素值。该函数通常需要传入一个函数对象，用于操作图像的每个像素： ** 应用点操作 ** 使用以上技术可以快速地对图像像素应用任何简单的表达式。可以结合 point() 函数和 paste 函数修改图像。 ** 处理图像的各个通道 ** 注意用于创建掩码图像的语法： Python计算逻辑表达式采用短路方式，即：如果and运算符左侧为false，就不再计算and右侧的表达式，而且返回结果是表达式的结果。比如 a and b 如果a为false则返回a，如果a为true则返回b，详见Python语法。 对于更多高级的图像增强功能，可以使用 ImageEnhance 模块中的类。 可以调整图像对比度、亮度、色彩平衡、锐度等。 ** 增强图像 ** PIL库包含对图像序列（动画格式）的基本支持。支持的序列格式包括 FLI/FLC 、 GIF 和一些实验性的格式。 TIFF 文件也可以包含多个帧。 当打开一个序列文件时，PIL库自动加载第一帧。你可以使用 seek() 函数 tell() 函数在不同帧之间移动。 ** 读取序列 ** 如例子中展示的，当序列到达结尾时，将抛出EOFError异常。 注意当前版本的库中多数底层驱动只允许seek到下一帧。如果想回到前面的帧，只能重新打开图像。 以下迭代器类允许在for语句中循环遍历序列： ** 一个序列迭代器类 ** PIL库包含一些函数用于将图像、文本打印到Postscript打印机。以下是一个简单的例子。 ** 打印到Postscript ** 如前所述，可以使用 open() 函数打开图像文件，通常传入一个文件名作为参数： 如果打开成功，返回一个Image对象，否则抛出IOError异常。 也可以使用一个file-like object代替文件名（暂可以理解为文件句柄）。该对象必须实现read，seek，tell函数，必须以二进制模式打开。 ** 从文件句柄打开图像 ** 如果从字符串数据中读取图像，使用StringIO类： ** 从字符串中读取 ** 如果图像文件内嵌在一个大文件里，比如 tar 文件中。可以使用ContainerIO或TarIO模块来访问。 ** 从tar文档中读取 ** ** 该小节不太理解，请参考原文 ** 有些解码器允许当读取文件时操作图像。通常用于在创建缩略图时加速解码（当速度比质量重要时）和输出一个灰度图到激光打印机时。 draft() 函数。 ** Reading in draft mode ** 输出类似以下内容： 注意结果图像可能不会和请求的模式和大小匹配。如果要确保图像不大于指定的大小，请使用 thumbnail 函数。 Python2.7 教程 PIL http://www.liaoxuefeng.com/wiki/001374738125095c955c1e6d8bb493182103fac9270762a000/00140767171357714f87a053a824ffd811d98a83b58ec13000 Python 之 使用 PIL 库做图像处理 http://www.cnblogs.com/way_testlife/archive/2011/04/17/2019013.html 来自 http://effbot.org/imagingbook/introduction.htm

PIL是python的第三方图像处理库，我们可以值cmd使用pip install pillow命令安装pil库，下面我们就来看一下如何导入pil库。python中可以使用import导入pil模块：主要有以下两种导入方法：import 模块名1 [as 别名1], 模块名2 [as 别名2]，…：使用这种语法格式的 import 语句，会导入指定模块中的所有成员（包括变量、函数、类等）。不仅如此，当需要使用模块中的成员时，需用该模块名（或别名）作为前缀，否则 Python 解释器会报错。from 模块名 import 成员名1 [as 别名1]，成员名2 [as 别名2]，…： 使用这种语法格式的 import 语句，只会导入模块中指定的成员，而不是全部成员。同时，当程序中使用该成员时，无需附加任何前缀，直接使用成员名（或别名）即可。更多Python知识请关注Python自学网。

在windows下的虚拟环境安装PIL： pip install PIL 出现报错信息： 原因： 经过查询资料发现，python2可以使用pip install PIL安装PIL第三方包。而我是使用的是python3，现在python3已经用Pillow代替PIL。 解决办法： 使用 pip install Pillow 安装即可，效果如下：

1. 简介。图像处理是一门应用非常广的技术，而拥有非常丰富第三方扩展库的 Python 当然不会错过这一门盛宴。PIL （Python Imaging Library）是 Python 中最常用的图像处理库，目前版本为 1.1.7，我们可以 在这里 下载学习和查找资料。Image 类是 PIL 库中一个非常重要的类，通过这个类来创建实例可以有直接载入图像文件，读取处理过的图像和通过抓取的方法得到的图像这三种方法。2. 使用。导入 Image 模块。然后通过 Image 类中的 open 方法即可载入一个图像文件。如果载入文件失败，则会引起一个 IOError ；若无返回错误，则 open 函数返回一个 Image 对象。现在，我们可以通过一些对象属性来检查文件内容，即：1 >>> import Image2>>> im = Image.open("j.jpg")3>>> print im.format, im.size, im.mode4 JPEG (440, 330) RGB这里有三个属性，我们逐一了解。format : 识别图像的源格式，如果该文件不是从文件中读取的，则被置为 None 值。size : 返回的一个元组，有两个元素，其值为象素意义上的宽和高。mode : RGB（true color image），此外还有，L（luminance），CMTK（pre-press image）。现在，我们可以使用一些在 Image 类中定义的方法来操作已读取的图像实例。比如，显示最新载入的图像：1 >>>im.show()2>>>输出原图：3. 函数概貌。3.1 Reading and Writing Images : open( infilename ) , save( outfilename )3.2 Cutting and Pasting and Merging Images :crop() : 从图像中提取出某个矩形大小的图像。它接收一个四元素的元组作为参数，各元素为（left, upper, right, lower），坐标系统的原点（0, 0）是左上角。paste() : merge() :1 >>> box = (100, 100, 200, 200)2>>> region = im.crop(box)3>>> region.show()4>>> region = region.transpose(Image.ROTATE_180)5>>> region.show()6>>> im.paste(region, box)7>>> im.show()其效果图为：旋转一幅图片：1 def roll(image, delta):2"Roll an image sideways"34xsize, ysize = image.size56delta = delta % xsize7if delta == 0: return image89part1 = image.crop((0, 0, delta, ysize))10part2 = image.crop((delta, 0, xsize, ysize))11image.paste(part2, (0, 0, xsize-delta, ysize))12image.paste(part1, (xsize-delta, 0, xsize, ysize))13 14return image3.3 几何变换。3.3.1 简单的几何变换。1 >>>out = im.resize((128, 128))#2>>>out = im.rotate(45)#逆时针旋转 45 度角。3>>>out = im.transpose(Image.FLIP_LEFT_RIGHT) #左右对换。4>>>out = im.transpose(Image.FLIP_TOP_BOTTOM) #上下对换。5>>>out = im.transpose(Image.ROTATE_90) #旋转 90 度角。6>>>out = im.transpose(Image.ROTATE_180)#旋转 180 度角。7 >>>out = im.transpose(Image.ROTATE_270)#旋转 270 度角。各个调整之后的图像为：图片1：图片2：图片3：图片4：3.3.2 色彩空间变换。convert() : 该函数可以用来将图像转换为不同色彩模式。3.3.3 图像增强。Filters : 在 ImageFilter 模块中可以使用 filter 函数来使用模块中一系列预定义的增强滤镜。1 >>> import ImageFilter2 >>> imfilter = im.filter(ImageFilter.DETAIL)3 >>> imfilter.show()3.4 序列图像。即我们常见到的动态图，最常见的后缀为 .gif ，另外还有 FLI / FLC 。PIL 库对这种动画格式图也提供了一些基本的支持。当我们打开这类图像文件时，PIL 自动载入图像的第一帧。我们可以使用 seek 和 tell 方法在各帧之间移动。1 import Image2 im.seek(1)# skip to the second frame3 4 try:5while 1:6im.seek( im.tell()1)7# do something to im8 except EOFError:9pass3.5 更多关于图像文件的读取。最基本的方式：im = Image.open("filename")类文件读取：fp = open("filename", "rb"); im = Image.open(fp)字符串数据读取：import StringIO; im = Image.open(StringIO.StringIO(buffer))从归档文件读取：import TarIO; fp = TarIo.TarIO("Image.tar", "Image/test/lena.ppm"); im = Image.open(fp)基本的 PIL 目前就练习到这里。其他函数的功能可点击 这里 进一步阅读。

driver.find_element_by_tag_name("tbody")

哈哈哈哈哈哈哈哈哈哈哈噢噢噢噢噢噢噢噢噢噢噢噢

全局变量能在局部使用，但是在局部声明的变量不能在外部（比如循环外部）使用

old_leverage ="1 : %s " %before_leverageall_leverage = [["1 : 50", 第1条%s后有个空格,而第2条50后没有空格，自然不相等，写个else就知道怎么回事了

蟒蛇是一把双动操作的左轮手枪，由柯尔特设计的大型I式底把，兼具弹仓和膛室功能的转动式弹巢可以装载、发射及承受威力及侵彻力强大的.357 马格南手枪子弹。蟒蛇的威力足以在近距离击倒一只猛兽。蟒蛇的声誉是来自的准确性、顺畅而且很容易扣下的扳机和较紧密的弹巢闭锁。枪柄和枪身都有COLT公司的“箭马”徽标，枪管上的铭刻是“PYTHON .357.357Magnum ctg.”，属于COLT（柯尔特）公司的PYTHON（希腊神话中的毒蛇怪蟒）系列，具体型号为：Colt Python .357Magnum ，根据枪管长度不同分为2.5英寸、4英寸、6英寸、8英寸等规格（图片中为6英寸），6英吋的是全部长度的枪管之中最热门和最普遍的。口径是.357英寸，使用.357Magnum（马格南）高爆枪弹，空枪质量为1275g，容弹量为6发。这个型号是左轮手枪里的极品，生产数量极少，而且目前已经停产，市面价格是750美元——还不一定买得到——也就是说，如果现在你想要购买的话，得花巨额高价向COLT公司单独定购，而这也正是COLT公司吊人胃口的成功策略之一。

算法效果比较博文 用于表示和量化图像的数字列表，简单理解成将图片转化为一个数字列表表示。特征向量中用来描述图片的各种属性的向量称为特征矢量。 参考 是一种算法和方法，输入1个图像，返回多个特征向量（主要用来处理图像的局部，往往会把多个特征向量组成一个一维的向量）。主要用于图像匹配（视觉检测），匹配图像中的物品。 SIFT论文 原理 opencv官网解释 实质是在不同的尺度空间上查找关键点(特征点)，并计算出关键点的方向。SIFT所查找到的关键点是一些十分突出，不会因光照，仿射变换和噪音等因素而变化的点，如角点、边缘点、暗区的亮点及亮区的暗点等。 尺度不变特征转换(Scale-invariant feature transform或SIFT)是一种电脑视觉的算法用来侦测与描述影像中的局部性特征，它在空间尺度中寻找极值点，并提取出其位置、尺度、旋转不变量。 其应用范围包含物体辨识、机器人地图感知与导航、影像缝合、3D模型建立、手势辨识、影像追踪和动作比对。 对现实中物体的描述一定要在一个十分重要的前提下进行，这个前提就是对自然界建模时的尺度。当用一个机器视觉系统分析未知场景时，计算机没有办法预先知道图像中物体的尺度，因此我们需要同时考虑图像在多尺度下的描述，获知感兴趣物体的最佳尺度。图像的尺度空间表达指的是图像的所有尺度下的描述。 KeyPoint数据结构解析 SURF论文 原理 opencv官网解释 SURF是SIFT的加速版，它善于处理具有模糊和旋转的图像，但是不善于处理视角变化和光照变化。在SIFT中使用DoG对LoG进行近似，而在SURF中使用盒子滤波器对LoG进行近似，这样就可以使用积分图像了（计算图像中某个窗口内所有像素和时，计算量的大小与窗口大小无关）。总之，SURF最大的特点在于采用了Haar特征以及积分图像的概念，大大加快了程序的运行效率。 因为专利原因，OpenCV3.3开始不再免费开放SIFTSURF，需要免费的请使用ORB算法 ORB算法综合了FAST角点检测算法和BRIEFF描述符。 算法原理 opencv官方文档 FAST只是一种特征点检测算法，并不涉及特征点的特征描述。 论文 opencv官方文档 中文版 Brief是Binary Robust Independent Elementary Features的缩写。这个特征描述子是由EPFL的Calonder在ECCV2010上提出的。主要思路就是在特征点附近随机选取若干点对，将这些点对的灰度值的大小，组合成一个二进制串，并将这个二进制串作为该特征点的特征描述子。文章同样提到，在此之前，需要选取合适的gaussian kernel对图像做平滑处理。 1：不具备旋转不变性。 2：对噪声敏感 3：不具备尺度不变性。 ORB论文 OpenCV官方文档 ORB采用了FAST作为特征点检测算子，特征点的主方向是通过矩（moment）计算而来解决了BRIEF不具备旋转不变性的问题。 ORB还做了这样的改进，不再使用pixel-pair，而是使用9×9的patch-pair，也就是说，对比patch的像素值之和，解决了BRIEF对噪声敏感的问题。 关于计算速度： ORB是sift的100倍，是surf的10倍。 对图片数据、特征分布的一种统计 对数据空间(bin)进行量化 Kmeans 边缘：尺度问题->不同的标准差 捕捉到不同尺度的边缘 斑点 Blob：二阶高斯导数滤波LoG关键点(keypoint)：不同视角图片之间的映射，图片配准、拼接、运动跟踪、物体识别、机器人导航、3D重建 SIFTSURF

在一定的范围内，无论物体是大还是小，人眼都可以分辨出来。然而计算机要有相同的能力却不是那么的容易，在未知的场景中，计算机视觉并不能提供物体的尺度大小，其中的一种方法是把物体不同尺度下的图像都提供给机器，让机器能够对物体在不同的尺度下有一个统一的认知。在建立统一认知的过程中，要考虑的就是在图像在不同的尺度下都存在的特征点。 在早期图像的多尺度通常使用图像金字塔表示形式。图像金字塔是同一图像在不同的分辨率下得到的一组结果其生成过程一般包括两个步骤： 多分辨率的图像金字塔虽然生成简单，但其本质是降采样，图像的局部特征则难以保持，也就是无法保持特征的尺度不变性。 我们还可以通过图像的模糊程度来模拟人在距离物体由远到近时物体在视网膜上成像过程，距离物体越近其尺寸越大图像也越模糊，这就是高斯尺度空间，使用不同的参数模糊图像（分辨率不变），是尺度空间的另一种表现形式。 构建尺度空间的目的是为了检测出在不同的尺度下都存在的特征点，而检测特征点较好的算子是Δ^2G(高斯拉普拉斯，LoG) 使用LoG虽然能较好的检测到图像中的特征点，但是其运算量过大，通常可使用DoG（差分高斯，Difference of Gaussina）来近似计算LoG。 从上式可以知道，将相邻的两个高斯空间的图像相减就得到了DoG的响应图像。为了得到DoG图像，先要构建高斯尺度空间，而高斯的尺度空间可以在图像金字塔降采样的基础上加上高斯滤波得到，也就是对图像金字塔的每层图像使用不同的参数σ进行高斯模糊，使每层金字塔有多张高斯模糊过的图像。 如下图，octave间是降采样关系，且octave(i+1)的第一张（从下往上数）图像是由octave(i)中德倒数第三张图像降采样得到。octave内的图像大小一样，只是高斯模糊使用的尺度参数不同。 对于一幅图像，建立其在不同尺度scale下的图像，也称为octave，这是为了scale-invariant，也就是在任何尺度都能有对应的特征点。下图中右侧的DoG就是我们构建的尺度空间。 为了寻找尺度空间的极值点，每一个采样点要和它所有的相邻点比较，看其是否比它的图像域和尺度域的相邻点大或者小。如图所示，中间的检测点和它同尺度的8个相邻点和上下相邻尺度对应的9×2个点共26个点比较，以确保在尺度空间和二维图像空间都检测到极值点。 一个点如果在DOG尺度空间本层以及上下两层的26个领域中是最大或最小值时，就认为该点是图像在该尺度下的一个特征点。下图中将叉号点要比较的26个点都标为了绿色。 找到所有特征点后， 要去除低对比度和不稳定的边缘效应的点 ，留下具有代表性的关键点（比如，正方形旋转后变为菱形，如果用边缘做识别，4条边就完全不一样，就会错误；如果用角点识别，则稳定一些）。去除这些点的好处是增强匹配的抗噪能力和稳定性。最后，对离散的点做曲线拟合，得到精确的关键点的位置和尺度信息。 近来不断有人改进，其中最著名的有 SURF（计算量小，运算速度快，提取的特征点几乎与SIFT相同）和 CSIFT（彩色尺度特征不变变换，顾名思义，可以解决基于彩色图像的SIFT问题）。 其中sift.detectAndCompute()函数返回kp，des。 上图dog的shape为(481, 500, 3)，提取的特征向量des的shape为(501, 128)，501个128维的特征点。 该方法可以在特征点处绘制一个小圆圈。 https://blog.csdn.net/happyer88/article/details/45817305 https://www.jianshu.com/p/d94e558ebe26 https://www.cnblogs.com/wangguchangqing/p/4853263.html

代码如下:# -*- coding: utf-8 -*-import xlrdimport uuidclass Student():def __init__(self, id, **kw):self.id = idfor k, v in kw.items():setattr(self, k, v)def __str__(self):return "%s(id=%s,column1=%s,column2=%s,column3=%s,column4=%s)" % (self.__class__.__name__, self.id, self.column1, self.column2, self.column3,self.column4)def read_excel():# 打开文件workbook = xlrd.open_workbook(r"py.xlsx")# 获取所有sheetprint("打印所有sheet:", workbook.sheet_names())sheet2 = workbook.sheet_by_index(0) # sheet索引从0开始rows_num = sheet2.nrowscols_num = sheet2.ncols for r in range(rows_num):# 一行数据的实体类entity_dict = {}for c in range(cols_num):cell_value = sheet2.row_values(r)[c]# print("第%d行第%d列的值：[%s]" % (r, c, sheet2.row_values(r)[c]))if (cell_value is None or cell_value == ""):cell_value = (get_merged_cells_value(sheet2, r, c))# 构建Entitythe_key = "column" + str(c + 1);# 动态设置各属性值entity_dict[the_key] = cell_valueentity_dict["id"] = getUUID()stu = Student(**entity_dict)print(stu)def get_merged_cells(sheet):"""获取所有的合并单元格，格式如下：[(4, 5, 2, 4), (5, 6, 2, 4), (1, 4, 3, 4)](4, 5, 2, 4) 的含义为：行 从下标4开始，到下标5（不包含） 列 从下标2开始，到下标4（不包含），为合并单元格:param sheet::return:"""return sheet.merged_cellsdef get_merged_cells_value(sheet, row_index, col_index):"""先判断给定的单元格，是否属于合并单元格；如果是合并单元格，就返回合并单元格的内容:return:"""merged = get_merged_cells(sheet)for (rlow, rhigh, clow, chigh) in merged:if (row_index >= rlow and row_index < rhigh):if (col_index >= clow and col_index < chigh):cell_value = sheet.cell_value(rlow, clow)# print("该单元格[%d,%d]属于合并单元格，值为[%s]" % (row_index, col_index, cell_value))return cell_value breakreturn Nonedef getUUID():return uuid.uuid1().hexif __name__ == "__main__":read_excel()

b[b.["state"]=="ohio"].index

Python 对XML文件解析的方式有三种：SAX、DOM、ElementTree； Pyhton 标准库包含SAX解析器，SAX是一种典型的极为快速的工具，在解析XML时，不会占用大量内存。但是这是基于回调机制的，因此在某些数据中，它会调用某些方法进行传递。这意味着必须为数据指定句柄，以维持自己的状态，这是非常困难的。那么SAX对XML文件解析的顺序是？查阅了那么多资料，发现都是按照startDocument -< startElement -< characters -< endElement -< endDocument 这样的顺序来进行的，确实，像这样写个Demo确实没有发现有什么不对，但是当我们的xml文件非常大的时候，我遇到问题的时候xml文件达到50K, 贴一个例子:<EXECUTE_ORDERS><ORDER_INFO execute_id="58" order_id="16" show_sequence="default" show_type="CPM" max_times="670000" per_push_times="1000" push_interval="24" priority="10" ><DATE_TIME><DAY id="MON">0,1,2,3,4,5,6,7,8,9,10,11,12,13,14,15,16,17,18,19,20,21,22,23</DAY><DAY id="TUE">0,1,2,3,4,5,6,7,8,9,10,11,12,13,14,15,16,17,18,19,20,21,22,23</DAY><DAY id="WEN">0,1,2,3,4,5,6,7,8,9,10,11,12,13,14,15,16,17,18,19,20,21,22,23</DAY><DAY id="THU">0,1,2,3,4,5,6,7,8,9,10,11,12,13,14,15,16,17,18,19,20,21,22,23</DAY><DAY id="FRI">0,1,2,3,4,5,6,7,8,9,10,11,12,13,14,15,16,17,18,19,20,21,22,23</DAY><DAY id="SAT">0,1,2,3,4,5,6,7,8,9,10,11,12,13,14,15,16,17,18,19,20,21,22,23</DAY><DAY id="SUN">0,1,2,3,4,5,6,7,8,9,10,11,12,13,14,15,16,17,18,19,20,21,22,23</DAY></DATE_TIME><AUDIENCE><AREA>0010</AREA><KEYWORD_FILES>Keywords_file/58/default.txt</KEYWORD_FILES><KEYSITE_FILES>Keyurl_file/58/default.txt</KEYSITE_FILES></AUDIENCE>这是我们项目中用到的xml文件，只是一小部分，读取标签中间内容的时候就经常出现莫名奇妙的错误，有些内容 只读取了一部分，没有读取完整；比如读<DAY>标签中间的内容：0,1,2,3,4,5,6,7,8,9,10,11,12,13,14读到此处就停止了，并没有全部读出来；

undo的作用是撤销上一个turtle的动作。这是一个基于函数方法的撤销/重做框架，它使用一个可撤销的堆栈来跟踪操作。动作是函数调用的结果，并且知道如何撤消和重做它们自己，假设它们所作用的任何对象在动作发生之前和之后总是处于相同的状态。堆栈跟踪可以执行或撤消的所有操作。

这两个命令是完全不同的呀。S=svd（A）表示对矩阵A进行SVD分解，分解的结果是得到3个矩阵，如果返回值只有一个，那么可以得到A的奇异值向量。eig（A）表示求矩阵A的特征值。所以区别就是，svd得到的是A的奇异值，eig得到的是A的特征值。A"表示A的转置矩阵，A"*A的n个非负特征值的平方根叫作矩阵A的奇异值。记为σi(A)。希望可以帮助你，望采纳！

代码有误吧

生成一个由零构成的矩阵

生成相应大小的零矩阵，举个栗子：--------np.zeros(5)#生成包含5个元素的零矩阵array([ 0., 0., 0., 0., 0.])np.zeros((5,), dtype=np.int)#生成包含5个元素的零矩阵，且各元素为整形array([0, 0, 0, 0, 0])np.zeros((2, 1))#生成2行1列的零矩阵array([[ 0.], [ 0.]])s = (2,2)#生成2行2列的零矩阵np.zeros(s)array([[ 0., 0.], [ 0., 0.]])

1、需求高2、还有：Python, Java, Matlab, R, Q和某些公司内部自有语言（如高盛的自有语言）但是我不希望敷衍了事，如果回答就展开了说，说说我心中最重要的五类语言。这不仅仅是对于一个Quant必须的，而是一个丰满的程序员所必备的。在艺术中，艺永远比术重要；在Quant相关知识中，intuition永远比纯technique更加重要。两年前在Princeton，我和一位研究计算机语言的PhD两人吃饭聊天。他的主要研究方向就是新的计算机语言，及相关的逻辑学。大神如他一顿饭下来80%的时间处于放空状态，基本没在关注我，但我得到了我自以为深刻的理念：一种计算机语言是一种对应哲学的体现。因此，在我看来，有五类语言构建了一个丰满的编程能力强的Quant的一切，它们分别是：效率类语言（C、C++、Java等）、胶水类语言（Python、Ruby等）、科学类语言（Matlab、R、S等）、Alpha演算类语言（Lisp、Clojure等）、查询类语言（SQL、Q等）。这是基于我理解浅薄的分类，完全与计算机科学的规范化分类（如面对对象语言、函数类语言）不相容。持不同意见者大可付之一笑。1、效率类语言（C、C++、Java等）：老派的Quant很多都是C++高手，特别是80年代涌入华尔街的那帮MIT的高能物理博士们。在那个年代，可以选择的语言不多。要么就Fortan，要么就C/C++了。所以在当时基本上这些语言同时充当着基础架构（infrastructure）和数值计算（比如Monte Carlo）的双重目的。但是现在各种胶水类语言、科学类语言多了起来，而且由于单机性能越发强悍，效率再也不是唯一的诉求了，因此目前C++、Java大量应用于金融系统级的开发，和对于效率要求极高的实时定价等领域。从一个Quant的角度来看，这类语言最大的特点是快，编程复杂度高，维护难，同时原生语言普遍不支持向量运算。2、胶水类语言（Python、Ruby等）：我必须承认，这些语言是新世代Quant的福音。在国内工作的时候我目睹并参与了一个将原有的C++框架全部用Python重写的项目，而现在JP Morgan这边利率类产品的定价软件也在从Java像Python转移。实现同样的代码，Python、Ruby的实现速度比效率类语言快很多，而且在机器速度越来越快的今天，差距已经不是不可接受。这些语言最大的特点是比较快，编程复杂度高，维护相对简单，同时大量的包（比如Numpy+Scipy）可以轻松实现向量运算。3、科学类语言（Matlab、R、S等）：一般而言，科学类语言最大的特点是支持向量运算，同时各种附加数学、统计包极其丰富，但运算速度无法与前两类相比。在一个具体的投资/交易策略、模型投入实际使用前，你需要快速的去实现（Implement）和验证（Back-testing）你的想法。这个时候，科学类语言就有绝对的优势。验证思路有效后，再用效率类语言或胶水类语言开发成系统级组件。你可以理解为科学类语言是用来造概念车的，而前两类语言是用来量产的。而在具体的职业角度，造概念车的这帮人一般是Pure Quant，而实现量产的很多是Quant Developer。当然也有两者合一的集大成者。4、Alpha演算类语言（Lisp、Clojure等）：我第一次对这类语言感兴趣，是12年冬天接触硅谷一家科技公司时（Prismatic，人工智能新闻App），发现他们在用Clojure，也极力向我推荐Clojure。Clojure是基于Java封装的语言，可以用Java虚拟机执行。但归根结底，Clojure是Lisp这类语言。之前我长期沉迷于过程编程与面对对象等概念之中，第一次接触Lisp很不习惯，但后面开始感叹于这类语言之美。我个人感觉目前Quant界用这种语言偏少，但是不排除以后流行的可能。5、查询类语言（SQL、Q等）：SQL就不必说了，金融公司很多时候都是使用Oracle等关系型数据库，SQL是基础。而我之前几次面试也遇到了SQL的问题。Q是Morgan Stanley为了应对金融中的海量数据而采用的一种非关系型查询语言，特点是极快，有SQL的基础可以很快掌握。全面的说：如果你是做Pure Quant，整天与交易策略和模型睡觉，那么2、3是必须的；如果你是开发为主，或者是Quant Developer，那么1、2、5是必须的；如果你立志让编程不成为你做Quant的障碍，那么1-5全都是必须掌握或至少了解其思想的。不管是作为Quant还是Coder，都不可拘泥于语言。语言只是其背后设计哲学的体现。这就等同一个数量金融从业者不可拘泥于产品一样。数量金融的根基永远是供给需求、金钱时间价值这些基本的经济学理论以及现金流的相关概率这些基本的统计学思想。如果拘泥于术而非艺，那路就会越走越窄。

if tuple1[n ] in tuple2: pass else: pass

相信大家对于人工智能并不陌生，现在很多智能家具都在使用人工智能，让我们的生活更加方便、智能化，那么你知道他是通过什么技术完成的吗？是python，现在大多数智能家具都是通过python去完成的，那么你知道python中对复数的运算规律吗？对复数了解的小伙伴们可以来试试能不能正确作答。 第一题： a = 1.23e+4+9.87e+6j a.real 与 a.imag的值为： A 12300.0 B 1.23e + 4 C 9882300.0 D 9.87e + 6 答案是多少，有没有人答对?先别急，看看下面的运行结果吧： a = 1.23e+4+9.87e+6j print(a.real) print(a.imag) 12300.0 9870000.0 答案是A、C。 为什么呢，实际上这道题应该是这样的 (1.23e+4) + (9.87e+6)j，1.23e+4与1.23*10**4是相等的,但是1.23e + 4的写法是会报错的，这点请注意一下。 第二题： tup1 = ["wust",True,2016,99.8,1+0j] 请问tup1.index(1+0j)的值是多少? A. 1 B. 2 C. 3 D. 4 答案是多少呢?我相信很多人选D了，但是是错的哦。请看下面： tup1 = ["wust",True,2016,99.8,1+0j,4e+2] print(tup1.index(1+0j)) print(tup1[4]) #运行结果 1 (1+0j) # 相同类型的还有 tup2 = ["wust",False,2016,99.8,0+0j,4e+2] print(tup2.index(0+0j)) print(tup2[4]) #运行结果 1 0j 如果想要获取正确的结果，只要把tup中复数的实数或者虚数稍微改变一下。 tup1 = ["wust",True,2016,99.8,2+0j,4e+2] print(tup1.index(2+0j)) #运行结果 4 第三题： abs(4+3j)的运算结果是多少? A. 3 B. 4 C. 5 D. 5.0 如果你记得一句话，那这个题很容易猜出来。复数的实数部分和虚数部分都是浮点数。所以答案是D，但是原理呢? abs()函数返回给定参数的绝对值。参数可以是实数(整数、浮点数等)或复数，如果参数是复数，则返回复数的模。相当于pow((3**2+4**2),0.5)。 最后想要了解更多关于Python和人工智能方面内容的小伙伴，请关注小猿圈官网，IT职业在线学习教育平台为您提供 Python开发环境搭建 视频等等，希望在你自学python中帮助你指导方向，少走弯路。

不用写分号。tup[1:5]是切片，a="abcdefg"，print a[1:5]，输出bcde

Python3 中有六个标准的数据类型：Number（数字） + String（字符串） + List（列表） + Tuple（元组） + Sets（集合） + Dictionary（字典）。Number（数字）数字类型是顾名思义是用来存储数值的，需要记住的是，有点和Java的字符串味道差不多，如果改变了数字数据类型的值，将重新分配内存空间。可以使用del语句删除一些数字对象的引用：del var1[,var2[,var3[....,varN]]]]。Python 支持三种不同的数值类型：1.整型(Int) - 通常被称为是整型或整数，是正或负整数，不带小数点。Python3 整型是没有限制大小的，可以当作 Long 类型使用，所以 Python3 没有 Python2 的 Long 类型。2.浮点型(float) - 浮点型由整数部分与小数部分组成，浮点型也可以使用科学计数法表示（2.5e2 = 2.5 x 102 = 250）3.复数( (complex)) - 复数由实数部分和虚数部分构成，可以用a + bj,或者complex(a,b)表示， 复数的实部a和虚部b都是浮点型。数字类型转换1.int(x) 将x转换为一个整数。2.float(x) 将x转换到一个浮点数。3.complex(x) 将x转换到一个复数，实数部分为 x，虚数部分为 0。4.complex(x, y) 将 x 和 y 转换到一个复数，实数部分为 x，虚数部分为 y。x 和 y 是数字表达式。额外说明和别的语言一样，数字类型支持各种常见的运算，不过python的运算比别的大多数常见语言都更加丰富，此外，还有大量丰富的方法，提供更高效的开发。String（字符串）创建字符串创建字符串可以使用单引号、双引号、三单引号和三双引号，其中三引号可以多行定义字符串，有点类似ES6中的反引号。Python 不支持单字符类型，单字符也在Python也是作为一个字符串使用。访问字符串中的值和ES一样，可以使用方括号来截图字符串，例子如下：val_str="yelloxing"print(val_str[0]) #yprint(val_str[1:3]) #elprint(val_str[:3]) #yelprint(val_str[:5]) #yello字符串运算符除了上面已经说明的方括号，还有一些别的字符串运算，具体查看文档。字符串格式化temp="我叫 %s 今年 %d 岁!" % ("心叶", 7)print("["+temp+"]") #[我叫 心叶 今年 7 岁!]如上所示，字符串支持格式化，当然，出来上面用到的%s和%d以外，还有一些别的，具体看文档；是不是感觉有点C语言的味道。额外说明所有的字符串都是Unicode字符串（针对python3），有很多有用的方法，真的很有ES和C结合体的味道。List（列表）序列是Python中最基本的数据结构。序列中的每个元素都分配一个数字 - 它的位置，或索引，第一个索引是0，第二个索引是1，依此类推。Python有6个序列的内置类型（列表、元组、字符串、Unicode字符串、buffer对象和xrange对象）。列表其实类似数组，具体的一些操作就很像字符串（类似ES中数组和字符串的关系）。常见运算下面用一个例子来展示一些常见的运算：val_arr=["Made","in","China"]del val_arr[1]print(val_arr) #["Made", "China"]print(len(val_arr)) #2val_newarr=val_arr+[":information"]print(val_newarr) #["Made", "China", ":information"]val_arr=val_arr*2print(val_arr) #["Made", "China", "Made", "China"]print("in" in val_arr) #Falseprint("Made" in val_arr) #Truefor row in val_newarr:print(row, end=" - ") #Made - China - :information -print(val_newarr[-1]) #:informationprint(val_newarr[1:]) #["China", ":information"]再来看一个有用的例子：cols=3rows=2list_2d = [[0 for col in range(cols)] for row in range(rows)]print(list_2d) #[[0, 0, 0], [0, 0, 0]]嵌套列表使用嵌套列表即在列表里创建其它列表，例如：loop_arr=["yelloxing","心叶"]result_arr=[loop_arr,"同级别"]print(result_arr) #[["yelloxing", "心叶"], "同级别"]列表的嵌套就很灵活，此外随便提一下：和前面说的一样，也有很多方法提供高效的开发。Tuple（元组）元组与列表类似，不同之处在于元组的元素不能修改，元组使用小括号，列表使用方括号。创建元组中只包含一个元素时，需要在元素后面添加逗号，否则括号会被当作运算符使用tup1 = ("Google", "Runoob", 1997, 2000);tup2 = (1, 2, 3, 4, 5 );tup3 = "a", "b", "c", "d";print(tup1) #("Google", "Runoob", 1997, 2000)print(tup2) #(1, 2, 3, 4, 5)print(tup3) #("a", "b", "c", "d")基本操作和列表的操作很相似，下面说一个几天特殊的地方：1.del可以删除某个元组，不过不可以删除元组的某个条目。2.不可以修改，或许元组会更快，感觉的，没有实际测试。3.由于元组不可以修改，虽然同样有一些方法，不过和修改相关的方法就没有了。Sets（集合）回想一下数学里面的集合，合、交、差、补等运算是不是一下子回想起来了，这里的集合也有这些方法。和Java的集合类似，一个无序不重复元素集（与列表和元组不同，集合是无序的，也无法通过数字进行索引）。更具体的说明，如果必要会在单独说明。Dictionary（字典）字典是另一种可变容器模型，且可存储任意类型对象。字典的每个键值(key=>value)对用冒号(:)分割，每个对之间用逗号(,)分割，整个字典包括在花括号({})中，键必须是唯一的，但值则不必。和ES中的JSON的差不多，操作也很像，不过区别也很大，内置方法很多，具体还是一样，看文档去。删除字典元素可以用del删除一个条目或字典，也可以用clear()方法清空字典（比如现在有字段dict，就是：dict.clear()）。

python提供了多种的数据类型，用来存放数据。其中数据类型中又包括：字符串，布尔类型，整数，浮点数，数字，列表，元组，字典，日期。1、字符串a="this is string"print aa="this is string"print aa="""this is stringthis is stringthis is string"""print a布尔类型常见的用于循环判断中整数a=int(80.9741)print a浮点数a= float(80.974)print a字符类型的转换int(x [,base]) 将x转换为一个整数float(x ) 将x转换到一个浮点数complex(real [,imag]) 创建一个复数str(x) 将对象x转换为字符串repr(x) 将对象x转换为表达式字符串eval(str) 用来计算在字符串中的有效Python表达式,并返回一个对象tuple(s) 将序列s转换为一个元组list(s) 将序列s转换为一个列表chr(x) 将一个整数转换为一个字符unichr(x) 将一个整数转换为Unicode字符ord(x) 将一个字符转换为它的整数值hex(x) 将一个整数转换为一个十六进制字符串oct(x) 将一个整数转换为一个八进制字符串列表L1 = [1,2,3]print L1L2 = ["abc"]print L2L3 = ["a","b","c"]print L3L = list("Python")print Lprint L[0]print L[3]print L[-1]Python的元组与列表类似，不同之处在于元组的元素不能修改；元组使用小括号()，列表使用方括号[]；元组创建很简单，只需要在括号中添加元素，并使用逗号(,)隔开即可，例如：tup1 = ("physics", "chemistry", 1997, 2000);tup2 = (1, 2, 3, 4, 5 );tup3 = "a", "b", "c", "d";字典(dictionary)是除列表之外python中最灵活的内置数据结构类型。列表是有序的对象结合，字典是无序的对象集合。两者之间的区别在于：字典当中的元素是通过键来存取的，而不是通过偏移存取。字典由键和对应的值组成。字典也被称作关联数组或哈希表。基本语法如下：dict = {"Alice": "2341", "Beth": "9102", "Cecil": "3258"};时间日期import time, datetime;localtime = time.localtime(time.time())today = datetime.date.today()print "Local current time :", today

列表、元组、集合、字典相互转换一、列表元组转其他1、列表转集合(去重)list1=[6,7,7,8,8,9]set(list1)#{6,7,8,9}2、两个列表转字典list1=["key1","key2","key3"]list2=["1","2","3"]dict(zip(list1,list2))#{"key1":"1","key2":"2","key3":"3"}3、嵌套列表转字典list3=[["key1","value1"],["key2","value2"],["key3","value3"]]dict(list3)#{"key1":"value1","key2":"value2","key3":"value3"}4、列表、元组转字符串list2=["a","a","b"]"".join(list2)#"aab"tup1=("a","a","b")"".join(tup1)#"aab"二、字典转其他1、字典转换为字符串dic1={"a":1,"b":2}str(dic1)#"{"a":1,"b":2}"2、字典key和value互转dic2={"a":1,"b":2,"c":3}{value:keyforkey,valueina_dict.items()}#{1:"a",2:"b",3:"c"}三、字符串转其他1、字符串转列表s="aabbcc"list(s)#["a","a","b","b","c","c"]2、字符串转元组tuple(s)#("a","a","b","b","c","c")3、字符串转集合set(s)#{"a","b","c"}4、字符串转字典dic2=eval("{"name":"ljq","age":24}")5、切分字符串a="abc"a.split("")#["a","b","c"]

在python中有很多的数据类型，比如：列表、字典、元祖等等，数据类型不同，他的用法等等肯定都是不同的，在python中有一个tuple的英文，很多小伙伴还不知道这是什么意思，有什么用法，其实这就是大家所知道元祖，具体有什么用法就跟着小编来下面看看吧。python开发工具python开发工具是一款非常不错的适合想要自学编程的小伙伴的入门工具。这款软件对于python语言上手门槛没有那么高，目前主流的操作平台也是可以完美的进行支持的。这款软件的界面非常的简洁，软件操作起来也是非常简单的，还在等什么，有需要的朋友快来下载试试吧。tuple在python中什么意思一、创建元组代码如下：tup1=("physics","chemistry",1997,2000);tup2=(1,2,3,4,5);tup3="a","b","c","d";创建空元组代码如下:tup1=();元组中只包含一个元素时，需要在元素后面添加逗号来消除歧义代码如下:tup1=(50,);元组与字符串类似，下标索引从0开始，可以进行截取，组合等。二、访问元组元组可以使用下标索引来访问元组中的值，如下实例:代码如下：#!/usr/bin/pythontup1=("physics","chemistry",1997,2000);tup2=(1,2,3,4,5,6,7);print"tup1[0]:",tup1[0]print"tup2[1:5]:",tup2[1:5]#以上实例输出结果：#tup1[0]:physics#tup2[1:5]:[2,3,4,5]三、修改元组元组中的元素值是不允许修改的，但我们可以对元组进行连接组合，如下实例:代码如下：#!/usr/bin/pythontup1=(12,34.56);tup2=("abc","xyz");#以下修改元组元素操作是非法的。#tup1[0]=100;#创建一个新的元组tup3=tup1+tup2;printtup3;#以上实例输出结果：#(12,34.56,"abc","xyz")四、删除元组元组中的元素值是不允许删除的，但我们可以使用del语句来删除整个元组，如下实例:代码如下：#!/usr/bin/pythontup=("physics","chemistry",1997,2000);printtup;deltup;print"Afterdeletingtup:"printtup;#以上实例元组被删除后，输出变量会有异常信息，输出如下所示：#("physics","chemistry",1997,2000)#Afterdeletingtup:#Traceback(mostrecentcalllast):#File"test.py",line9,in#printtup;#NameError:name"tup"isnotdefined[/code]五、元组运算符与字符串一样，元组之间可以使用+号和号进行运算。这就意味着他们可以组合和复制，运算后会生成一个新的元组。六、元组索引，截取因为元组也是一个序列，所以我们可以访问元组中的指定位置的元素，也可以截取索引中的一段元素，如下所示：元祖：代码如下：L=("spam","Spam","SPAM!")七、无关闭分隔符任意无符号的对象，以逗号隔开，默认为元组，如下实例：代码如下：#!/usr/bin/pythonprint"abc",-4.24e93,18+6.6j,"xyz";x,y=1,2;print"Valueofx,y:",x,y;以上实例允许结果：代码如下：abc-4.24e+93(18+6.6j)xyzValueofx,y:12八、元组内置函数Python元组包含了以下内置函数1、cmp(tuple1,tuple2)：比较两个元组元素。2、len(tuple)：计算元组元素个数。3、max(tuple)：返回元组中元素最大值。4、min(tuple)：返回元组中元素最小值。5、tuple(seq)：将列表转换为元组。九、另一种解读tuple和list非常类似，但是tuple一旦初始化就不能修改，比如同样是列出同学的名字：代码如下：classmates=("Michael","Bob","Tracy")现在，classmates这个tuple不能变了，它也没有append()，insert()这样的方法。其他获取元素的方法和list是一样的，你可以正常地使用classmates[0]，classmates[-1]，但不能赋值成另外的元素。不可变的tuple有什么意义?因为tuple不可变，所以代码更安全。如果可能，能用tuple代替list就尽量用tuple。tuple的陷阱：当你定义一个tuple时，在定义的时候，tuple的元素就必须被确定下来，比如：代码如下：t=(1,2)t(1,2)如果要定义一个空的tuple，可以写成()：代码如下：t=()t()但是，要定义一个只有1个元素的tuple，如果你这么定义：代码如下：t=(1)t1定义的不是tuple，是1这个数!这是因为括号()既可以表示tuple，又可以表示数学公式中的小括号，这就产生了歧义，因此，Python规定，这种情况下，按小括号进行计算，计算结果自然是1。所以，只有1个元素的tuple定义时必须加一个逗号,，来消除歧义：代码如下：t=(1,)t(1,)Python在显示只有1个元素的tuple时，也会加一个逗号,，以免你误解成数学计算意义上的括号。在来看一个“可变的”tuple：代码如下：t=("a","b",["A","B"])t[2][0]="Xt[2][1]="Yt("a","b",["X","Y"])这个tuple定义的时候有3个元素，分别是"a"，"b"和一个list。不是说tuple一旦定义后就不可变了吗?怎么后来又变了?别急，我们先看看定义的时候tuple包含的3个元素：当我们把list的元素"A"和"B"修改为"X"和"Y"后，tuple变为：表面上看，tuple的元素确实变了，但其实变的不是tuple的元素，而是list的元素。tuple一开始指向的list并没有改成别的list，所以，tuple所谓的“不变”是说，tuple的每个元素，指向永远不变。即指向"a"，就不能改成指向"b"，指向一个list，就不能改成指向其他对象，但指向的这个list本身是可变的!理解了“指向不变”后，要创建一个内容也不变的tuple怎么做?那就必须保证tuple的每一个元素本身也不能变。以上的全部内容就是为大家提供的tuple在python中什么意思以及其具体的用法介绍啦~希望对大家有帮助。

python中的数据类型有9种，分别是1、字符串2、布尔类型3、整数4、浮点数5、数字6、列表7、元组8、字典9、日期。1、字符串1.1、如何在Python中使用字符串a、使用单引号(")用单引号括起来表示字符串，例如：str="this is string";print str;b、使用双引号(")双引号中的字符串与单引号中的字符串用法完全相同，例如：str="this is string";print str;c、使用三引号(""")利用三引号，表示多行的字符串，可以在三引号中自由的使用单引号和双引号，例如：str="""this is stringthis is pythod stringthis is string"""print str;2、布尔类型bool=False;print bool;bool=True;print bool;3、整数int=20;print int;4、浮点数float=2.3;print float;5、数字包括整数、浮点数。5.1、删除数字对象引用，例如：a=1;b=2;c=3;del a;del b, c;#print a; #删除a变量后，再调用a变量会报错5.2、数字类型转换int(x [,base]) 将x转换为一个整数 float(x ) 将x转换到一个浮点数 complex(real [,imag]) 创建一个复数 str(x) 将对象x转换为字符串 repr(x) 将对象x转换为表达式字符串 eval(str) 用来计算在字符串中的有效Python表达式,并返回一个对象 tuple(s) 将序列s转换为一个元组 list(s) 将序列s转换为一个列表 chr(x) 将一个整数转换为一个字符 unichr(x) 将一个整数转换为Unicode字符 ord(x) 将一个字符转换为它的整数值 hex(x) 将一个整数转换为一个十六进制字符串 oct(x) 将一个整数转换为一个八进制字符串5.3、数学函数abs(x) 返回数字的绝对值，如abs(-10) 返回 10ceil(x) 返回数字的上入整数，如math.ceil(4.1) 返回 5cmp(x, y) 如果 x < y 返回 -1, 如果 x == y 返回 0, 如果 x > y 返回 1exp(x) 返回e的x次幂(ex),如math.exp(1) 返回2.718281828459045fabs(x) 返回数字的绝对值，如math.fabs(-10) 返回10.0floor(x) 返回数字的下舍整数，如math.floor(4.9)返回 4log(x) 如math.log(math.e)返回1.0,math.log(100,10)返回2.0log10(x) 返回以10为基数的x的对数，如math.log10(100)返回 2.0max(x1, x2,...) 返回给定参数的最大值，参数可以为序列。min(x1, x2,...) 返回给定参数的最小值，参数可以为序列。modf(x) 返回x的整数部分与小数部分，两部分的数值符号与x相同，整数部分以浮点型表示。pow(x, y) x**y 运算后的值。round(x [,n]) 返回浮点数x的四舍五入值，如给出n值，则代表舍入到小数点后的位数。sqrt(x) 返回数字x的平方根，数字可以为负数，返回类型为实数，如math.sqrt(4)返回 2+0j6、列表6.1、初始化列表，例如：list=["physics", "chemistry", 1997, 2000];nums=[1, 3, 5, 7, 8, 13, 20];6.2、访问列表中的值，例如："""nums[0]: 1"""print "nums[0]:", nums[0]"""nums[2:5]: [5, 7, 8] 从下标为2的元素切割到下标为5的元素，但不包含下标为5的元素"""print "nums[2:5]:", nums[2:5]"""nums[1:]: [3, 5, 7, 8, 13, 20] 从下标为1切割到最后一个元素"""print "nums[1:]:", nums[1:]"""nums[:-3]: [1, 3, 5, 7] 从最开始的元素一直切割到倒数第3个元素，但不包含倒数第三个元素"""print "nums[:-3]:", nums[:-3]"""nums[:]: [1, 3, 5, 7, 8, 13, 20] 返回所有元素"""print "nums[:]:", nums[:]6.3、更新列表，例如：nums[0]="ljq";print nums[0];6.4、删除列表元素del nums[0];"""nums[:]: [3, 5, 7, 8, 13, 20]"""print "nums[:]:", nums[:];6.5、列表脚本操作符列表对+和*的操作符与字符串相似。+号用于组合列表，*号用于重复列表，例如：print len([1, 2, 3]); #3print [1, 2, 3] + [4, 5, 6]; #[1, 2, 3, 4, 5, 6]print ["Hi!"] * 4; #["Hi!", "Hi!", "Hi!", "Hi!"]print 3 in [1, 2, 3] #Truefor x in [1, 2, 3]: print x, #1 2 36.6、列表截取L=["spam", "Spam", "SPAM!"];print L[2]; #"SPAM!"print L[-2]; #"Spam"print L[1:]; #["Spam", "SPAM!"]6.7、列表函数&方法list.append(obj) 在列表末尾添加新的对象list.count(obj) 统计某个元素在列表中出现的次数list.extend(seq) 在列表末尾一次性追加另一个序列中的多个值(用新列表扩展原来的列表)list.index(obj) 从列表中找出某个值第一个匹配项的索引位置，索引从0开始list.insert(index, obj) 将对象插入列表list.pop(obj=list[-1]) 移除列表中的一个元素(默认最后一个元素)，并且返回该元素的值list.remove(obj) 移除列表中某个值的第一个匹配项list.reverse() 反向列表中元素，倒转list.sort([func]) 对原列表进行排序7、元组(tuple)Python的元组与列表类似，不同之处在于元组的元素不能修改；元组使用小括号()，列表使用方括号[]；元组创建很简单，只需要在括号中添加元素，并使用逗号(,)隔开即可，例如：tup1 = ("physics", "chemistry", 1997, 2000);tup2 = (1, 2, 3, 4, 5 );tup3 = "a", "b", "c", "d";创建空元组，例如：tup = ();元组中只有一个元素时，需要在元素后面添加逗号，例如：tup1 = (50,);元组与字符串类似，下标索引从0开始，可以进行截取，组合等。7.1、访问元组tup1 = ("physics", "chemistry", 1997, 2000);#tup1[0]: physicsprint "tup1[0]: ", tup1[0]#tup1[1:5]: ("chemistry", 1997)print "tup1[1:5]: ", tup1[1:3]7.2、修改元组元组中的元素值是不允许修改的，但我们可以对元组进行连接组合，例如:tup1 = (12, 34.56);tup2 = ("abc", "xyz");# 以下修改元组元素操作是非法的。# tup1[0] = 100;# 创建一个新的元组tup3 = tup1 + tup2;print tup3; #(12, 34.56, "abc", "xyz")7.3、删除元组元组中的元素值是不允许删除的，可以使用del语句来删除整个元组，例如:tup = ("physics", "chemistry", 1997, 2000);print tup;del tup;7.4、元组运算符与字符串一样，元组之间可以使用+号和*号进行运算。这就意味着他们可以组合和复制，运算后会生成一个新的元组。7.5、元组索引&截取L = ("spam", "Spam", "SPAM!");print L[2]; #"SPAM!"print L[-2]; #"Spam"print L[1:]; #["Spam", "SPAM!"]7.6、元组内置函数cmp(tuple1, tuple2) 比较两个元组元素。len(tuple) 计算元组元素个数。max(tuple) 返回元组中元素最大值。min(tuple) 返回元组中元素最小值。tuple(seq) 将列表转换为元组。8、字典8.1、字典简介字典(dictionary)是除列表之外python中最灵活的内置数据结构类型。列表是有序的对象结合，字典是无序的对象集合。两者之间的区别在于：字典当中的元素是通过键来存取的，而不是通过偏移存取。字典由键和对应的值组成。字典也被称作关联数组或哈希表。基本语法如下：dict = {"Alice": "2341", "Beth": "9102", "Cecil": "3258"};也可如此创建字典：dict1 = { "abc": 456 };dict2 = { "abc": 123, 98.6: 37 };每个键与值必须用冒号隔开(:)，每对用逗号分割，整体放在花括号中({})。键必须独一无二，但值则不必；值可以取任何数据类型，但必须是不可变的，如字符串，数或元组。8.2、访问字典里的值#!/usr/bin/pythondict = {"name": "Zara", "age": 7, "class": "First"};print "dict["name"]: ", dict["name"];print "dict["age"]: ", dict["age"];8.3、修改字典向字典添加新内容的方法是增加新的键/值对，修改或删除已有键/值对如下实例:#!/usr/bin/pythondict = {"name": "Zara", "age": 7, "class": "First"};dict["age"]=27; #修改已有键的值dict["school"]="wutong"; #增加新的键/值对print "dict["age"]: ", dict["age"];print "dict["school"]: ", dict["school"];8.4、删除字典del dict["name"]; # 删除键是"name"的条目dict.clear(); # 清空词典所有条目del dict ; # 删除词典例如：#!/usr/bin/pythondict = {"name": "Zara", "age": 7, "class": "First"};del dict["name"];#dict {"age": 7, "class": "First"}print "dict", dict;注意：字典不存在，del会引发一个异常8.5、字典内置函数&方法cmp(dict1, dict2) 比较两个字典元素。len(dict) 计算字典元素个数，即键的总数。str(dict) 输出字典可打印的字符串表示。type(variable) 返回输入的变量类型，如果变量是字典就返回字典类型。radiansdict.clear() 删除字典内所有元素radiansdict.copy() 返回一个字典的浅复制radiansdict.fromkeys() 创建一个新字典，以序列seq中元素做字典的键，val为字典所有键对应的初始值radiansdict.get(key, default=None) 返回指定键的值，如果值不在字典中返回default值radiansdict.has_key(key) 如果键在字典dict里返回true，否则返回falseradiansdict.items() 以列表返回可遍历的(键, 值) 元组数组radiansdict.keys() 以列表返回一个字典所有的键radiansdict.setdefault(key, default=None) 和get()类似, 但如果键不已经存在于字典中，将会添加键并将值设为defaultradiansdict.update(dict2) 把字典dict2的键/值对更新到dict里radiansdict.values() 以列表返回字典中的所有值9、日期和时间9.1、获取当前时间，例如：import time, datetime;localtime = time.localtime(time.time())#Local current time : time.struct_time(tm_year=2014, tm_mon=3, tm_mday=21, tm_hour=15, tm_min=13, tm_sec=56, tm_wday=4, tm_yday=80, tm_isdst=0)print "Local current time :", localtime说明：time.struct_time(tm_year=2014, tm_mon=3, tm_mday=21, tm_hour=15, tm_min=13, tm_sec=56, tm_wday=4, tm_yday=80, tm_isdst=0)属于struct_time元组，struct_time元组具有如下属性：9.2、获取格式化的时间可以根据需求选取各种格式，但是最简单的获取可读的时间模式的函数是asctime():2.1、日期转换为字符串首选：print time.strftime("%Y-%m-%d %H:%M:%S");其次：print datetime.datetime.strftime(datetime.datetime.now(), "%Y-%m-%d %H:%M:%S")最后：print str(datetime.datetime.now())[:19]2.2、字符串转换为日期expire_time = "2013-05-21 09:50:35"d = datetime.datetime.strptime(expire_time,"%Y-%m-%d %H:%M:%S")print d;9.3、获取日期差oneday = datetime.timedelta(days=1)#今天，2014-03-21today = datetime.date.today()#昨天，2014-03-20yesterday = datetime.date.today() - oneday#明天，2014-03-22tomorrow = datetime.date.today() + oneday#获取今天零点的时间，2014-03-21 00:00:00today_zero_time = datetime.datetime.strftime(today, "%Y-%m-%d %H:%M:%S")#0:00:00.001000 print datetime.timedelta(milliseconds=1), #1毫秒#0:00:01 print datetime.timedelta(seconds=1), #1秒#0:01:00 print datetime.timedelta(minutes=1), #1分钟#1:00:00 print datetime.timedelta(hours=1), #1小时#1 day, 0:00:00 print datetime.timedelta(days=1), #1天#7 days, 0:00:00print datetime.timedelta(weeks=1)

明敏 发自 凹非寺量子位 报道 | 公众号 QbitAI到底是怎样的一个bug，能让95%的Pytorch库中招，就连特斯拉AI总监深受困扰？还别说，这个bug虽小，但有够“狡猾”的。这就是最近Reddit上热议的一个话题，是一位网友在使用再平常不过的Pytorch+Numpy组合时发现。最主要的是，在代码能够跑通的情况下，它甚至还会影响模型的准确率！除此之外，网友热议的另外一个点，竟然是：而是它到底算不算一个bug？这究竟是怎么一回事？事情的起因是一位网友发现，在PyTorch中用NumPy来生成随机数时，受到数据预处理的限制，会多进程并行加载数据，但最后每个进程返回的随机数却是相同的。他还举出例子证实了自己的说法。如下是一个示例数据集，它会返回三个元素的随机向量。这里采用的批量大小分别为2，工作进程为4个。然后神奇的事情发生了：每个进程返回的随机数都是一样的。这个结果会着实让人有点一头雾水，就好像数学应用题求小明走一段路程需要花费多少时间，而你却算出来了负数。发现了问题后，这位网友还在GitHub上下载了超过10万个PyTorch库，用同样的方法产生随机数。结果更加令人震惊：居然有超过95%的库都受到这个问题的困扰！这其中不乏PyTorch的官方教程和OpenAI的代码，连特斯拉AI总监Karpathy也承认自己“被坑过”！但有一说一，这个bug想要解决也不难：只需要在每个epoch都重新设置seed，或者用python内置的随机数生成器就可以避免这个问题。到底是不是bug？如果这个问题已经可以解决，为什么还会引起如此大的讨论呢？因为网友们的重点已经上升到了“哲学”层面：这到底是不是一个bug？在Reddit上有人认为：这不是一个bug。虽然这个问题非常常见，但它并不算是一个bug，而是一个在调试时不可以忽略的点。就是这个观点，激起了千层浪花，许多人都认为他忽略了问题的关键所在。这不是产生伪随机数的问题，也不是numpy的问题，问题的核心是在于PyTorch中的DataLoader的实现对于包含随机转换的数据加载pipeline，这意味着每个worker都将选择“相同”的转换。而现在NN中的许多数据加载pipeline，都使用某种类型的随机转换来进行数据增强，所以不重新初始化可能是一个预设。另一位网友也表示这个bug其实是在预设程序下运行才出现的，应该向更多用户指出来。并且95%以上的Pytorch库受此困扰，也绝不是危言耸听。有人就分享出了自己此前的惨痛经历：我认识到这一点是之前跑了许多进程来创建数据集时，然而发现其中一半的数据是重复的，之后花了很长的时间才发现哪里出了问题。也有用户补充说，如果 95% 以上的用户使用时出现错误，那么代码就是错的。顺便一提，这提供了Karpathy定律的另一个例子：即使你搞砸了一些非常基本代码，“neural nets want to work”。你有踩过PyTorch的坑吗？如上的bug并不是偶然，随着用PyTorch的人越来越多，被发现的bug也就越来越多，某乎上还有PyTorch的坑之总结，被浏览量高达49w。其中从向量、函数到model.train()，无论是真bug还是自己出了bug，大家的血泪史还真的是各有千秋。所以，关于PyTorch你可以分享的经验血泪史吗？欢迎评论区留言讨论～参考链接：[1]https://tanelp.github.io/posts/a-bug-that-plagues-thousands-of-open-source-ml-projects/[2]https://www.reddit.com/r/MachineLearning/comments/mocpgj/p_using_pytorch_numpy_a_bug_that_plagues/[3]https://www.zhihu.com/question/67209417/answer/866488638— 完 —

Python + PyCharmcmdertabbyNavicatXFtpVSCodeGithubGit

Lisp太强大了，难以控制，所以那么多年了，它一直在那里被人仰望，但仅仅只是仰望，从未成为真正的主流语言。

#定义函数class myCalc: def __init__(self,a,b): self.a=a self.b=b def addition(self,Retain): return round(self.a + self.b ,Retain) def subtraction(self,Retain): return round(self.a - self.b,Retain) def multiplication(self,Retain): return round(self.a * self.b,Retain) def division(self,Retain): return round(self.a / self.b,Retain)while True: get_num1 = input("请输入第一个数字：") opera = input("请输入运算符：") get_num2 = input("请输入第二个数字：") get_retain = input("请输入保留小数位数：") num1 = float(get_num1) num2 = float(get_num2) retain = int(get_retain) result = 0.00 if opera == "+": result = myCalc(num1,num2).addition(retain) elif opera == "-": result = myCalc(num1,num2).subtraction(retain) elif opera == "*": result = myCalc(num1,num2).multiplication(retain) else: result = myCalc(num1,num2).division(retain) print("输出结果是：",result)

《Python数据分析与挖掘实战》（张良均）电子书网盘下载免费在线阅读资源链接：链接：https://pan.baidu.com/s/1XW_EYuaExQAoUZHdXvz6zw 提取码：vcfu书名：Python数据分析与挖掘实战作者：张良均豆瓣评分：7.6出版社：机械工业出版社出版年份：2016-1页数：335内容简介：10余位数据挖掘领域资深专家和科研人员，10余年大数据挖掘咨询与实施经验结晶。从数据挖掘的应用出发，以电力、航空、医疗、互联网、生产制造以及公共服务等行业真实案例为主线，深入浅出介绍Python数据挖掘建模过程，实践性极强。本书共15章，分两个部分：基础篇、实战篇。基础篇介绍了数据挖掘的基本原理，实战篇介绍了一个个真实案例，通过对案例深入浅出的剖析，使读者在不知不觉中通过案例实践获得数据挖掘项目经验，同时快速领悟看似难懂的数据挖掘理论。读者在阅读过程中，应充分利用随书配套的案例建模数据，借助相关的数据挖掘建模工具，通过上机实验，以快速理解相关知识与理论。基础篇（第1～5章），第1章的主要内容是数据挖掘概述；第2章对本书所用到的数据挖掘建模工具Python语言进行了简明扼要的说明；第3章、第4章、第5章对数据挖掘的建模过程，包括数据探索、数据预处理及挖掘建模的常用算法与原理进行了介绍。实战篇（第6～15章），重点对数据挖掘技术在电力、航空、医疗、互联网、生产制造以及公共服务等行业的应用进行了分析。在案例结构组织上，本书是按照先介绍案例背景与挖掘目标，再阐述分析方法与过程，最后完成模型构建的顺序进行的，在建模过程的关键环节，穿插程序实现代码。最后通过上机实践，加深读者对数据挖掘技术在案例应用中的理解。作者简介：张良均 ，资深大数据挖掘专家和模式识别专家，高级信息项目管理师，有10多年的大数据挖掘应用、咨询和培训经验。为电信、电力、政府、互联网、生产制造、零售、银行、生物、化工、医药等多个行业上百家大型企业提供过数据挖掘应用与咨询服务，实践经验非常丰富。此外，他精通Java EE企业级应用开发，是广东工业大学、华南师范大学、华南农业大学、贵州师范学院、韩山师范学院、广东技术师范学院兼职教授，著有《神经网络实用教程》、《数据挖掘：实用案例分析》、《MATLAB数据分析与挖掘实战》《R语言数据分析与挖掘实战》等畅销书。

《Python数据分析与挖掘实战》（张良均）电子书网盘下载免费在线阅读链接：https://pan.baidu.com/s/1WwF3Vi3vszdZYBKKw7Y0HQ 提取码：COHF书名：Python数据分析与挖掘实战作者：张良均豆瓣评分：7.6出版社：机械工业出版社出版年份：2016-1页数：335内容简介：10余位数据挖掘领域资深专家和科研人员，10余年大数据挖掘咨询与实施经验结晶。从数据挖掘的应用出发，以电力、航空、医疗、互联网、生产制造以及公共服务等行业真实案例为主线，深入浅出介绍Python数据挖掘建模过程，实践性极强。本书共15章，分两个部分：基础篇、实战篇。基础篇介绍了数据挖掘的基本原理，实战篇介绍了一个个真实案例，通过对案例深入浅出的剖析，使读者在不知不觉中通过案例实践获得数据挖掘项目经验，同时快速领悟看似难懂的数据挖掘理论。读者在阅读过程中，应充分利用随书配套的案例建模数据，借助相关的数据挖掘建模工具，通过上机实验，以快速理解相关知识与理论。基础篇（第1～5章），第1章的主要内容是数据挖掘概述；第2章对本书所用到的数据挖掘建模工具Python语言进行了简明扼要的说明；第3章、第4章、第5章对数据挖掘的建模过程，包括数据探索、数据预处理及挖掘建模的常用算法与原理进行了介绍。实战篇（第6～15章），重点对数据挖掘技术在电力、航空、医疗、互联网、生产制造以及公共服务等行业的应用进行了分析。在案例结构组织上，本书是按照先介绍案例背景与挖掘目标，再阐述分析方法与过程，最后完成模型构建的顺序进行的，在建模过程的关键环节，穿插程序实现代码。最后通过上机实践，加深读者对数据挖掘技术在案例应用中的理解。作者简介：张良均 ，资深大数据挖掘专家和模式识别专家，高级信息项目管理师，有10多年的大数据挖掘应用、咨询和培训经验。为电信、电力、政府、互联网、生产制造、零售、银行、生物、化工、医药等多个行业上百家大型企业提供过数据挖掘应用与咨询服务，实践经验非常丰富。此外，他精通Java EE企业级应用开发，是广东工业大学、华南师范大学、华南农业大学、贵州师范学院、韩山师范学院、广东技术师范学院兼职教授，著有《神经网络实用教程》、《数据挖掘：实用案例分析》、《MATLAB数据分析与挖掘实战》《R语言数据分析与挖掘实战》等畅销书。

设置python文件默认使用spyder打开的方法是：1、选中python文件，右键点击选择【打开方式】；2、勾选【始终使用此应用打开py文件】；3、找到spyder的运行路径并选中，点击【确定】即可。具体方法：（推荐学习：Python入门教程）1、选中python文件，右键点击选择打开方式，然后选择其他应用；2、勾选始终使用此应用打开.py文件选项，点击更多应用，再点击在这台电脑上查找其他应用，找到spyder运行路径（如E:anacondaScriptsspyder.exe），点击选中，最后点击确定即可。

1、在spyder编译器的窗口里面，找到tools菜单列表，打开Preferences对话框。2、点击【IPython console】选项，进入相应窗口。3、点击【Graphics】按钮。4、把【Graphics Backend】的选项，切换为Qt5。5、点击【OK】按钮之后，重启spyder编译器，设置才会生效。6、燃尽就可以运行了。

1、安装spyder打开https://pypi.python.org/pypi/spyder下载里面最新的源码zip包，在本地解压后，cmd里cd到解压的目录下python setup.py install很简单的安装，安装过程中也没报什么错误。安装后，在python安装目录下的Scripts下面会有一个spyder.bat，运行它就可以启动Spyder如果你的系统变量里包含了这个Scripts目录，那么你在cmd中输入spyder也可以启动。（我的系统变量Path是这样设置的： ;%PYTHON_HOME%;%PYTHON_HOME%Scripts ）2、安装PyQt4由于Spyder是基于PyQt4的，所以如果你启动Spyder报错误：就安装个PyQt4 4.6+版本就可以在windows上安装PyQt4，为了简单安装，还是直接安装whl格式的安装包，这种包是经过编译的，安装速度比较快。（如果你之前没安装过wheel模块，你只需要pip install wheel）打开http://www.lfd.uci.edu/~gohlke/pythonlibs/#pyqt4下载里面相对应python版本、系统版本的whl文件这里我下载了个PyQt4-4.11.4-cp27-none-win32.whlcmd里cd到该whl文件目录下pip install PyQt4-4.11.4-cp27-none-win32.whl安装后，你在python里面输入import PyQt4没报错就说明安装成功3、一些小问题老实说，这窗体的panel拖曳不是很方便，如果拖动得窗体都乱了样，只需要在“View”→"Reset Window Layout"即可。----如果在运行py文件的时候报警告：里面说没控制台被选择，这时候你得在"View"→"Panes"→"Console"观看下，看看是有什么问题。另外也可以在"Run"→"Configure"里，设置"Execute in a new dedicated Python console"，这时候再运行py文件试试下。

感叹号是表示你没有用到的包或者变量，对程序运行是不会有影响的，只是他提示你这是个在这个程序里没有被用到东西。print是个函数，和后面的括号之间不要留空格 。Python由荷兰数学和计算机科学研究学会的吉多·范罗苏姆 于1990 年代初设计，作为一门叫做ABC语言的替代品。Python提供了高效的高级数据结构，还能简单有效地面向对象编程。

当然要啊！