Python

Python | Python 语言

Conda 配置文件 .condarc 解析

Conda Config File .condarc

.condarc 路径 位于 ~/.condarc 比如，Windows 系统下位于 C:\Users\<UserName>\.condarc .condarc 格式 采用 YAML 格式 .condarc 配置 关于源的设置 .condarc 的源由以下参数决定 1. channels 参数：决定采用哪些 channel，默认值 1 2 channels: ...

Python 中的路径

Paths in Python

如何在 Python 中像 HTML 和 C 那样使用简单的 ../../path/to/file 来表示相对位置呢？ Pathlib 内置库 使用 Python 3.4 起自带的 Pathlib 库，可以跨平台 （Unix/Windows）表示相对位置。 假设我们的文件树如下： 1 2 3 4 5 6 . ├── assets │   └── moto.txt └── path ...

Python 疑难杂症合集

A Collection of Python Troubleshooting

在安装一些 Python 工具包时，可能遇到各种问题。 问题1：Command not found 例如缺少 zip / unzip 的可执行程序 ‘unzip’ 不是内部或外部命令,也不是可运行的程序 或批处理文件。 则需要按下载 zip.exe / unzip.exe，并将放入目录添加到环境变量 PATH 中。 资源链接： unzip.exe MD5...

在 WSL 中使用 Jupyter Notebook

Using Jupyter Notebook in Windows Subsystem for Linux

创建 WSL （参见 少数派文章 前半部分） 1. 打开 WSL 功能，从微软商店下载 Ubuntu，设置好用户名和密码。 2. 更换软件源 在当前命令行下面输入： 1 sudo -i 提权后输入密码，使用 root 权限登录。然后接下来备份当前源，输入以下命令： 1 cp /etc/apt/sources.list /etc/apt/sources.list.old 不...

Jupyter Notebook 中使用 conda 虚拟环境

Using Conda Virtual Enviroments in Jupyter Notebook

创建 Conda 有一个基环境 base，是安装 Anaconda 时自带的。而一些项目需要用到特定的开发环境，一般为了不破坏基环境，会创建一个虚拟环境。 创建虚拟环境（环境名为 myenv） 1 conda create -n myenv 若需要指定安装特定的包 1 conda create -n myenv numpy scipy tensorflow 若需要指定 Pyt...

Python 输出的高级格式化

Advanced Output Formatting in Python

Python 中的动态输出 动态输出，即随着程序的运行不断更新输出的内容，常见的应用场景为提示正在加载、显示任务进度等。那么如何在 Python 中动态输出呢？ 1. 简单的 Loading 条 只需要在 print 中加上 end 参数，即可以假乱真 1 2 3 4 5 import time print("Loading", end="") for i in range(6):...

Numpy 笔记：用法集锦

Numpy Note: A Collection of How-Tos

（按字母排序） np.linspace np.newaxis np.tile & np.repeat

Python 中的字符串格式化

String Formatting in Python

本文介绍 Python 中的字符串格式化的参数语法，以及字符串格式化的两种写法。 基础：格式规格 Format Spec 见博文格式规格 Format Spec 方法一：使用 % 格式化（类似C） 用 % 来格式化，在很多语言中都被使用。（由 IEEE Standard 规定） 1 "FIRST:%s, SECOND:%d, THIRD:%.2f, FOURTH:%5.2f" % ...

Pandas 笔记：数据的处理

Pandas Note: Data Manipulation in Pandas

基础用法 查看行列标签 查看行索引 查看列名 选择行或列 选择多行 选择多列 高级用法 布尔选择行 单条...

Matplotlib 笔记：理解 figure & subplot & axes & axis

Matplotlib Note: Understanding Figure, Subplot, Axes & Axis in Matplotlib

转载自 知乎 简洁版 Figure: 图像，其中最大的概念，后续 subplot 和 axes 均在画板上进行 Axes: 轴域，即两条坐标轴（axis）标定出的一块方形区域。若是立体图形，则是三条轴标定出的立方体区域。（英文中，axes 这个单词就是 axis 的复数） Axis: 坐标轴，即 x 轴、y 轴（、z 轴） Subplot: 子图。figure 里面最简单的排列即是...

Pandas 笔记：Dataframe 中的数据选择

Pandas Note: Selction in Pandas Daraframe

From: Stack Overflow There are two primary ways that pandas makes selections from a DataFrame. By Label By Integer Location The documentation uses the term position for referring to intege...

Seaborn 笔记：使用 Seaborn 进行数据可视化

Seaborn Note: Using Seaborn for Data Visualization

简介 Seaborn 是一个基于 Matplotlib 的 Python 数据可视化库，能绘制出美观且信息丰富的统计图。 Seaborn 能够绘制： 柱状图 & 条形图（Bar chart） 散点图（Scatter plot） 直方图（Histogram） 箱形图（Box plot） 热力图（Heatmap） …… 绘制出的效果可参见 Exampl...

Numpy 笔记：Python 数组函数总结

Numpy Note: Python's Array Function Collection

数组初始化 从列表创建矩阵 numpy.array (object, dtype=None, copy=True, order=’K’, subok=False, ndmin=0) numpy.asarray (a, dtype=None, order=None) 以上两个函数将结构数据转化为ndarray。 主要区别：当数据源是ndarray时，array仍然会copy出一个副...

NumPy 笔记：数组操作函数以及 axis 的意义

Numpy Note: Array Manipulation and Meaning of Axis

背景 NumPy 是 Python 的重要库，在数值计算领域有着重要作用。ndarray (N-Dimensional Array, 多维数组) 是NumPy 中定义的数据类型，也是此文探讨的背景。 在初学 NumPy 时，并不能很好理解相关函数中 axis 的作用，查阅资料和思考后，有了较为清晰的理解。 函数 np.stack() 作用 沿新轴堆叠一系列数组形成新的数组。 定...
FEATURED TAGS
Apple 一览表 Python NumPy Linear Algebra 配置 Conda Linux Ubuntu I/O
ABOUT ME
My avatar

J Leaves

FRIENDS