a = sorted(d.items(), key=lambda x: x[1], reverse=true)
print(a)
輸出
[('a',1),('b',23),('c',56)]
list不同元素計數(陣列則轉list計數)
list=[1,1,2,2,3]
print(list)
set1=set(list)
print(set1)
print(len(set1))
輸出
[1, 1, 2, 2, 3]
3
將字串型的list,tuple,dict轉變成原有的型別
import ast
ast.literal_eval("[1,2,3,4]")
centroids = random.sample(data,num_clust) # data為列表,num_clust為取樣數量
(1)
f['date'] = pd.to_datetime(f['date'].values, utc=true, unit='s').tz_convert(
"asia/shanghai").to_period("s")
(2)f['time'] = pd.to_datetime(f['time'].values, unit='s')
curr_time = datetime.datetime.strptime(extract_date[0][43:], '%y%m%d%h%m')
list_01 = pd.dataframe(data=list01_tolastrecord[1::2]) # ::代表每隔乙個值取一次
list_01[(list_01[0] <= gap)&(list_01[0] > gap-1)][0].count()
k-means 引數設定
1)concat
data_seq = pd.dataframe(data=result_list)
classlab = pd.dataframe(data=lable)
to_write = pd.concat([data_seq,classlab],axis=1) #axis=1 按列合併
#
2)merge(有一定要求的合併,如按key值合併到一起)
[
f.iloc[:,1] # 取第一列
f.iloc[:,:100] # 取前100列
from pylab import mpl
mpl.rcparams['font.sans-serif'] = ['simhei']
mpl.rcparams['axes.unicode_minus']
fig, axes = plt.subplots(2, 1)
fig.set_size_inches(5.5, 8.5)
plt.subplots_adjust(hspace=0.4) # 設定上下間隔 wspace為左右
axes[0].bar(list(range(len(abnomal_mean_time))), sort_abnomallable)
axes[0].set_xlabel('所屬類別')
axes[0].set_title('每次房顫持續平均時長')
axes[1].bar(list(range(len(nomal_mean_time))), nomal_mean_time)
axes[1].set_xlabel('所屬類別')
axes[1].set_title('每次恢復正常持續平均時長')
plt.show()
用於模型評估,**值與真實值得對比
from sklearn import metrics
cm_test = metrics.confusion_matrix(y_test, preds)
python 使用小結
使用python 已經一段時間了 現將python 中可能用到的技巧和一些知識點分享如下。1.lambda使用。lambda函式,是乙個匿名函式,建立語法 lambda parameters express 舉例如下 根據引數是否為1決定s為yes還是no s lambdax yes ifx 1el...
python小結 python小結
c python33新增到你的path 環境變數中,你可以在dos 視窗中 輸入以下命令 set path path c python33 id 方法的返回值就是物件的記憶體位址。在 行 首行 後插入至少一行特殊的注釋行來定義原始檔的編碼。coding encoding sys.modules 模組...
Python使用scrapy框架小結
1 整個專案的構成 2 乙個完整的專案設計四個python檔案的編寫,分別是items.py qutoes spider.py scrapy genspider qutoes spider.py jycinema.com後生成,非系統自帶 settings.py pipelines.py 四個檔案對...