|
说明：本文更新顺序是从下到上，最新的函数更新在开头。
Python日志实时写入
<pre class="has">
open 函数中有一个bufferin的参数，默认是-1，如果设置为0是，就是无缓冲模式。
但是用二进制模式打开这个文件，并且把要写入的信息转换byte -like如下。
with open("test.txt",'wb',buffering=0) as f:
wb是写模式加二进制模式
f.write(b"hello!")在字符串前加b，转换成二进制
如果没用二进制打开文件会提示ValueEorror：
没把字符串转成二进制会提示：TypeError: a bytes-like object is required,not ‘str’
测试：
<pre class="has">
class Logger(object):
def init(self,log_path="default.log"):
self.terminal = sys.stdout
self.log = open(log_path,"w+")
self.log = open(log_path,"wb",buffering=0)
def print(self,message):
self.terminal.write(message + "n")
self.log.write(message.encode('utf-8') + b"n")
def print_time(self,text=""):
message = time.strftime('[ %Y-%m-%d %H:%M ]',time.localtime(time.time())) + text
self.print(message)
def flush(self):
self.terminal.flush()
self.log.flush()
def close(self):
self.log.close()
报错：TypeError: can't concat str to bytes
这是因为：
（1）log.write需要写入bytes对象，encode返回的是bytes型的数据，不可以和str相加，将‘n’前加b
（2）terminal.write函数参数需要为str类型，转化为str
<pre class="has">
a=np.arange(10)
a
array([0,1,2,3,4,5,6,7,8,9])
a[0]=11
a
array([11,9])
np.argsort(a)
array([1,9,0],dtype=int64)
首先这里p_arr为一个numpy的array，p_为一个元素
<pre class="has">
p_arr = np.concatenate((parr,[p])) # 先将p_变成list形式进行拼接，注意输入为一个tuple
p_arr = np.append(parr,p) #直接向parr里添加p
注意一定不要忘记用赋值覆盖原p_arr不然不会变
但是，仍然建议用list子代append。因为numpy的append默认添加的值全转化为float64了。
shutil.copy(sourceDir,targetDir)
os.path.join()：路径拼接
<pre class="has">
import networkx as nx
抽取txt中的数据
def read_txt(data):
g = nx.read_edgelist("data",create_using=nx.DiGraph())
print(g.edges())
抽取gml中的数据
networkx可以直接通过函数从gml文件中读出数据
def read_gml(data):
H=nx.read_gml(data)
print(H.edges())
read_txt('D:Artifical平均度4SF2-4.txt')
print('---------------gml------------------')
read_gml('D:文档论文代码社区发现数据dataadjnounadjnoun.gml')
原文：https://blog.csdn.net/qq_38266635/article/details/81743336
<pre class="has">
<code class="language-html">while len(list(nx.dfs_edges(G)))!=G.number_of_nodes()-1:
G = RG(100,e)
print("not connected!")
def get_adj_matrix(G):
return nx.adjacency_matrix(G).todense()
todense()与toarray()
todense()返回一个矩阵，toarray()返回一个numpy数组。
np.random.choice
1、以p的概率，在a中取size个数，p值越大越可能被取到；2、当replace=True时，取值可重复
<pre class="has">
import numpy as np
a1=np.array([3,2.6,41.2,5.7])
a2 = np.random.choice(a=a1,size=3,replace=False,p=[0.2,0.1,0.3,0.4,0.0])
print(a2)
输出: array([41.2,5.,2.6])
注意sample是属于random模块，而不是nump.random模块，二者不一样。
注意n必须是整数，返回一个列表。
a = [[1,2],[3,4],[5,6]]
1.sum(map(sum,a)) #first,map(func,a) 函数是对a中的每一个元素进行sum操作
解释一下map函数， map(fund,a) equals [func(i) for i in a] and return a list
2.sum(sum(i) for i in a) ＃second one
3.sum(sum(a[i]) for i in range(len(a))) #third one
4.reduce(lambda x,y:x+y,reduce(lambda x,a))
---------------------
作者：jinmingz
来源：CSDN
原文：https://blog.csdn.net/zjm750617105/article/details/51173032
版权声明：本文为博主原创文章，转载请附上博文链接！
- reshape：有返回值，所谓有返回值，即不对原始多维数组进行修改；
- resize：无返回值，所谓有返回值，即会对原始多维数组进行修改；
- 但是，numpy.resize(a,size)不会对原数组进行修改。
>> X = np.random.randn(2,3)
>> X
array([[ 1.23077478,-0.70550605,-0.37017735],[-0.61543319,1.1188644,-1.05797142]])
X.reshape((3,2))
array([[ 1.23077478,-0.70550605],[-0.37017735,-0.61543319],[ 1.1188644,-1.05797142]])
X
array([[ 1.23077478,-1.05797142]])
X.resize((3,2))
X
array([[ 1.23077478,-1.05797142]])
来自：https://blog.csdn.net/lanchunhui/article/details/51258503?utm_source=copy
（1）通过reshape生成的新数组和原始数组公用一个内存，也就是说，假如更改一个数组的元素，另一个数组也将发生改变。
（2）reshape只能作用于能规整划分的数组。
<pre class="has">
<code class="language-python">>>> z = np.array([[1,8],[9,10,11,12],[13,14,15,16]])
print(z)
[[ 1 2 3 4]
[ 5 6 7 8]
[ 9 10 11 12]
[13 14 15 16]]
print(z.shape)
(4,4)
print(z.reshape(-1))
[ 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16]
print(z.reshape(-1,1)) #我们不知道z的shape属性是多少，
但是想让z变成只有一列，行数不知道多少，
通过z.reshape(-1,1)，Numpy自动计算出有16行，
新的数组shape属性为(16,1)，与原来的(4,4)配套。
[[ 1]
[ 2]
[ 3]
[ 4]
[ 5]
[ 6]
[ 7]
[ 8]
[ 9]
[10]
[11]
[12]
[13]
[14]
[15]
[16]]
print(z.reshape(2,-1))
[[ 1 2 3 4 5 6 7 8]
[ 9 10 11 12 13 14 15 16]]
<pre class="has">
>>> arr = np.arange(10)
np.random.shuffle(arr)
arr
[1 7 5 2 9 4 3 6 0 8]
This function only shuffles the array along the first index of a multi-dimensional array:
arr = np.arange(9).reshape((3,3))
np.random.shuffle(arr)
arr
array([[3,5], [6, [0,2]])
返回一个随机排列
<pre class="has">
<code class="language-python">a=np.arange(9)
np.random.permutation(a)
Out[39]: array([0,6])
a
Out[40]: array([0,8])
b=np.arange(9).reshape((3,3))
b
Out[42]:
array([[0,[6,8]])
np.random.permutation(b)
Out[43]:
array([[6,[0,5]])
b
Out[44]:
array([[0,8]])
a = [[1,6]]
1.sum(map(sum,a) 函数是对a中的每一个元素进行sum操作
解释一下map函数， map(fund,a) equals
[func(i) for i in a] and return a list
2.sum(sum(i) for i in a) ＃second one
3.sum(sum(a[i]) for i in range(len(a))) #third one
4.reduce(lambda x,a))
解释一下reduce(fun,a),只不说reduce返回的是一个结果值而不是一个list，第一步的时候是（［1，2］＋［3，4］） ＋ ［5，6］
得到一个［1，2，3，4，5，6］， 然后进行的运算是（（（（（1+2）＋3）＋4）＋5）＋6） ＝ 21
功能：从一维数组a中以概率p抽取抽取元素,形成size形状新的数组,replace表示是否可以重用元素,默认为True。举例：
<pre class="has">
<code class="language-python">np.random.choice([0,1],(2,3),p=[0.1,0.9])
Out[14]:
array([[1,[1,1]])
np.random.choice([0,p=[0.5,0.5])
Out[15]:
array([[0,0.5])
Out[16]:
array([[0,0]])
本来是想打算使用eval函数对变量进行赋值的，没想到出现了invalid syntax错误。源代码如下
<table border="0" cellpadding="0" cellspacing="0" style="margin-left:0px;width:643px;"> |
