DIUDIU 小菜鸟

NumPy - 数组上的迭代 NumPy 包包含一个迭代器对象numpy.nditer。 它是一个有效的多维迭代器对象，可以用于在数组上进行迭代。 数组的每个元素可使用 Python 的标准Iterator接口来访问。 广播迭代 如果两个数组是可广播的，nditer组合对象能够同时迭代它们。 假设数组a具有维度 3X4，并且存在维度为 1X4 的另一个数组b，则使用以下类型的迭代器（数组b被广播到a的大小）。 代码举例 import numpy as np a1 = np.arange(0, 60, 5).reshape(3, 4) print(a1) for x in np.nditer(a1): print(x) print(“-------------------------”) # 迭代的顺序匹配数组的内容布局，而不考虑特定的排序 for x in np.nditer(a1.T): print(x) print(“-------------------------”) # 以 C 风格顺序排序： for x in np.nditer(a1.T.copy(order=‘C’)): ...

NumPy - 数组操作 操作ndarray 的方法 numpy.reshape:这个函数在不改变数据的条件下修改形状 numpy.ndarray.flat:该函数返回数组上的一维迭代器，行为类似 Python 内建的迭代器 numpy.ndarray.flatten:该函数返回折叠为一维的数组副本 numpy.ravel:这个函数返回展开的一维数组，并且按需生成副本。返回的数组和输入数组拥有相同数据类型 numpy.transpose:这个函数翻转给定数组的维度。如果可能的话它会返回一个视图 numpy.ndarray.T:该函数属于ndarray类，行为类似于numpy.transpose numpy.rollaxis:该函数向后滚动特定的轴，直到一个特定位置 numpy.swapaxes:该函数交换数组的两个轴。对于 1.10 之前的 NumPy 版本，会返回交换后数组的试图 numpy.broadcast_to:此函数将数组广播到新形状。 它在原始数组上返回只读视图。 它通常不连续。 如果新形状不符合 广播规则，该函数可能会抛出ValueError numpy.expand_ ...

NumPy - 广播 术语broadcasting是指 NumPy 在算术运算期间处理不同形状的数组的能力。 对数组的算术运算通常在相应的元素上进行。 如果两个阵列具有完全相同的形状，则这些操作被无缝执行。 如果两个数组的维数不相同，则元素到元素的操作是不可能的。 然而，在 NumPy 中仍然可以对形状不相似的数组进行操作，因为它拥有广播功能。 较小的数组会广播到较大数组的大小，以便使它们的形状可兼容。 如果满足以下规则，可以进行广播： ndim较小的数组会在前面追加一个长度为 1 的维度。 输出数组的每个维度的大小是输入数组该维度大小的最大值。 如果输入在每个维度中的大小与输出大小匹配，或其值正好为 1，则在计算中可它。 如果输入的某个维度大小为 1，则该维度中的第一个数据元素将用于该维度的所有计算。 如果上述规则产生有效结果，并且满足以下条件之一，那么数组被称为可广播的。 数组拥有相同形状。 数组拥有相同的维数，每个维度拥有相同长度，或者长度为 1。 数组拥有极少的维度，可以在其前面追加长度为 1 的维度，使上述条件成立。 [caption id=“” align=“ali ...

NumPy - 切片和索引 ndarray对象的内容可以通过索引或切片来访问和修改，就像 Python 的内置容器对象一样。 如前所述，ndarray对象中的元素遵循基于零的索引。 有三种可用的索引方法类型： 字段访问，基本切片和高级索引。 基本切片是 Python 中基本切片概念到 n 维的扩展。 通过将start，stop和step参数提供给内置的slice函数来构造一个 Python slice对象。 此slice对象被传递给数组来提取数组的一部分。 NumPy - 高级索引 如果一个ndarray是非元组序列，数据类型为整数或布尔值的ndarray，或者至少一个元素为序列对象的元组，我们就能够用它来索引ndarray。 高级索引始终返回数据的副本。 与此相反，切片只提供了一个视图。 有两种类型的高级索引：整数和布尔值。 整数索引 这种机制有助于基于 N 维索引来获取数组中任意元素。 每个整数数组表示该维度的下标值。 当索引的元素个数就是目标ndarray的维度时，会变得相当直接。 以下示例获取了ndarray对象中每一行指定列的一个元素。 因此，行索引包含所有行号，列索引指定要 ...

numpy数组属性 ndim : 这一数组属性返回数组的维数 shape : 这一数组属性返回一个包含数组维度的元组，它也可以用于调整数组大小 size : 数组的元素个数 dtype  : 数组的数据类型 itemsize : 这一数组属性返回数组中每个元素的字节单位长度 nbytes  : 数组占用的总内存大小，以字节为单位 flags : ndarray对象拥有以下属性。这个函数返回了它们的当前值。 序号 属性及描述 C_CONTIGUOUS (C) 数组位于单一的、C 风格的连续区段内 F_CONTIGUOUS (F) 数组位于单一的、Fortran 风格的连续区段内 OWNDATA (O) 数组的内存从其它对象处借用 WRITEABLE (W) 数据区域可写入。 将它设置为flase会锁定数据，使其只读 ALIGNED (A) 数据和任何元素会为硬件适当对齐 UPDATEIFCOPY (U) 这个数组是另一数组的副本。当这个数组释放时，源数组会由这个数组中的元素更新 代码使用如下： import numpy as np a1 = np.ar ...

NumPy - 数据类型 NumPy 支持比 Python 更多种类的数值类型。 下表显示了 NumPy 中定义的不同标量数据类型。 序号 数据类型及描述 bool_ 存储为一个字节的布尔值（真或假） int_ 默认整数，相当于 C 的long，通常为int32或int64 intc 相当于 C 的int，通常为int32或int64 intp 用于索引的整数，相当于 C 的size_t，通常为int32或int64 int8 字节（-128 ~ 127） int16 16 位整数（-32768 ~ 32767） int32 32 位整数（-2147483648 ~ 2147483647） int64 64 位整数（-9223372036854775808 ~ 9223372036854775807） uint8 8 位无符号整数（0 ~ 255） uint16 16 位无符号整数（0 ~ 65535） uint32 32 位无符号整数（0 ~ 4294967295） uint64 64 位无符号整数（0 ~ 18 ...

NumPy - 简介 NumPy 是一个 Python 包。 它代表 “Numeric Python”。 它是一个由多维数组对象和用于处理数组的例程集合组成的库。 Numeric，即 NumPy 的前身，是由 Jim Hugunin 开发的。 也开发了另一个包 Numarray ，它拥有一些额外的功能。 2005年，Travis Oliphant 通过将 Numarray 的功能集成到 Numeric 包中来创建 NumPy 包。 这个开源项目有很多贡献者。 NumPy 操作 使用NumPy，开发人员可以执行以下操作： 数组的算数和逻辑运算。 傅立叶变换和用于图形操作的例程。 与线性代数有关的操作。 NumPy 拥有线性代数和随机数生成的内置函数。 NumPy – MatLab 的替代之一 NumPy 通常与 SciPy（Scientific Python）和 Matplotlib（绘图库）一起使用。 这种组合广泛用于替代 MatLab，是一个流行的技术计算平台。 但是，Python 作为 MatLab 的替代方案，现在被视为一种更加现代和完整的编程语言。 NumPy 是开源的，这 ...

threading方法介绍 Python3 线程中常用的两个模块为： _thread threading(推荐使用) thread 模块已被废弃。用户可以使用 threading 模块代替。所以，在 Python3 中不能再使用"thread" 模块。为了兼容性，Python3 将 thread 重命名为 “_thread”。 threading 模块介绍 threading用于提供线程相关的操作，线程是应用程序中工作的最小单元。python当前版本的多线程库没有实现优先级、线程组，线程也不能被停止、暂停、恢复、中断。 threading模块提供的类： 　　Thread, Lock, Rlock, Condition, [Bounded]Semaphore, Event, Timer, local。 threading 模块提供的常用方法： threading.currentThread(): 返回当前的线程变量。 threading.enumerate(): 返回一个包含正在运行的线程的list。正在运行指线程启动后、结束前，不包括启动前和终止后的线程。 th ...

以前测试hadoop 集群的虚拟机突然发现磁盘空间不足了，决定添加块磁盘。 第一步、选择“VM”----“设置”并打开，将光标定位在 硬盘 这一选项，然后点击下方的添加按钮。 第二步、虚拟机中Linux对于虚拟的磁盘的挂载 使用“fdisk -l”的命令查看当前系统的分区（如果刚才设置VMware–setting的时候运行了系统，则会出现下图情况：没有识别到新的磁盘即sdb），解决办法，重启虚拟机：shutdown -r now 如果执行第一步的时候是关闭虚拟机中的系统的，则使用“fdisk -l 命令的时候则会出现新的磁盘sdb（不过提示未分区） 对新建的磁盘进行分区及格式化的工作：输入 fdisk  /dev/sdb终端会提示：Command （m for help）： 然后根据提示输入：n会出现下面的提示，依次输入p 和 1 即可接着便会提示卷的起始地址和结束地址，都保持默认按回车的即可（意思是只分一个区） 输入“w”保存并推出 重启 格式化 mkfs -t ext4 /dev/sdb1 下面便是对于分好区的/dev/sdb1 这一个分区进行挂载及访问 **    ...

package com.cmcc.family.utils import java.util.concurrent.TimeUnit import com.google.common.base.Stopwatch import org.apache.hadoop.hbase.client.Delete import org.apache.hadoop.hbase.util.Bytes import scala.collection.mutable /** * Created by Administrator on 2016/12/9 0009. */ object MainTest { def sum(f: Int => Int)(a: Int, b: Int): Int = { if (a > b) 0 else f(a) + sum(f)(a + 1, b) } def df(a: Int, b: Int)(c: Int): Int = a * b + c def main(args: Array[String]) { val df1: (Int) => Int ...