[其它] 基于光学三角几何关系的三维表面重建方法.pdf

说明：基于光学三角几何关系的三维表面重建方法.pdf
<shushengzheng> 上传 | 大小：1mb

[其它] Python-threading:线程

说明：线程 全局解释器锁(GTL):python代码的执行是由python虚拟机进行控制, 在主循环中只能有一个控制线程在执行 一个进程的独立运行片段,一个进程里面可以有多个线程 多线程之间的执行顺序是无序的 一个进程的多个线程间共享数据,和上下文运行环境 线程随着时间线轮转 多线程 启动多线程后本体程序作为主线程存在 每个子线程都是独立的个体 相互跟其他子线程平行 主线程可以先运行完毕,等待子线程结束后 清理内存 等待时间不影响子线程的运行 子线程使用join()来阻塞主线程(这样跟单线程有啥
<weixin_38721691> 上传 | 大小：73kb

[其它] pycharm中的requirements.txt文件—如何生成及导入

说明：作用：记录所有项目所依赖的第三方模块，方便迁移到不同的环境中，防止缺少模块，或因为所依赖的第三方模块不同而引起的一系列问题。 生成该文件的命令： pip freeze > requirements.txt 安装文件中所包含的所有模块的命令： pip install -r requirements.txt 更换环境后，只需复制此文件到新的环境中，再执行命令即可 使用镜像： 安装单个包： ~使用阿里云镜像： pip install scrapy -i http://mirrors.aliyun
<weixin_38685832> 上传 | 大小：28kb

[其它] Python基础——文件的读写

说明：文章目录1.\n 换行命令2.\t tab 对齐3.open 读文件方式4.给文件增加内容5.读取文件内容6.读取文件的一行7.读取文件的所有行 1.\n 换行命令 定义 text 为字符串, 并查看使用 \n 和不适用 \n 的区别:\ntext='This is my first test. This is the second line. This the third ' print(text) # 无换行命令 """ This is my first test. This is the
<weixin_38502292> 上传 | 大小：118kb

[其它] 基于机器视觉的.pdf

说明：基于机器视觉的.pdf
<shushengzheng> 上传 | 大小：1mb

[其它] python基础 循环语句经典案例 坐火车

说明：循环语句经典案例什么是坐火车需要考虑的问题申明伪代码基础代码代码疑惑代码修改代码改进弍 三岁用白话和你一起学python 循环语句经典案例：坐火车 什么是坐火车 现在对火车站管理严格，去坐火车需要买车票，然后才可以过安检，进大厅，候车。 过安检需要查看是否有违禁品等。 我们编写一个程序查看进火车站的流程 需要考虑的问题 买车票 安检 是否有违禁品 违禁品是不是刀具 刀具长度（本例子以刀身长度超过150毫米的各类单刃、双刃和多刃刀具为例长度为15厘米） 进站候车 申明 本文只是举例，并非实际规定
<weixin_38704284> 上传 | 大小：249kb

[其它] （四）Python语法基础之正则表达式

说明：正则表达式 正则表达式使用圆括号“（）”表示一个子模式，圆括号内的内容作为一个整体出现。 （一）正则表达式与子模式扩展语法 常用正则表达式元字符： 元字符 功能说明 . 匹配除换行符以外的任意单个字符 * 匹配位于“*”之前的字符或子模式的0次或多次出现 + 匹配位于“+”之前的字符或子模式的1次或多次出现 – 用在[ ]之内用来表示范围 | 匹配位于“|”之前或之后的字符 ^ 匹配行首，匹配以^后面的字符开头的字符串 $ 匹配行尾，匹配以$之前的字符结束的
<weixin_38530115> 上传 | 大小：87kb

[其它] python数据预处理（1）———缺失值处理

说明：在进行数据分析项目、比赛中，一手数据往往是脏数据。提高数据质量即数据预处理成为首要步骤，也会影响后期模型的表现。在此对利用Python进行预处理数据做一个总结归纳。 首先是缺失值处理。 #读取数据 import pandas as pd filepath= 'F:/...'#本地文件目录 df= pd.read_csv(train,sep=',')#df数据格式为DataFrame 查看缺失值 查看每一特征是否缺失及缺失值数量可能影响着处理缺失值的方法 df.isnull().sum() #查
<weixin_38654315> 上传 | 大小：57kb

[其它] python数据预处理（1）———缺失值处理

说明：在进行数据分析项目、比赛中，一手数据往往是脏数据。提高数据质量即数据预处理成为首要步骤，也会影响后期模型的表现。在此对利用Python进行预处理数据做一个总结归纳。 首先是缺失值处理。 #读取数据 import pandas as pd filepath= 'F:/...'#本地文件目录 df= pd.read_csv(train,sep=',')#df数据格式为DataFrame 查看缺失值 查看每一特征是否缺失及缺失值数量可能影响着处理缺失值的方法 df.isnull().sum() #查
<weixin_38576811> 上传 | 大小：57kb

[其它] 基于机器视觉的复杂零件

说明：基于机器视觉的复杂零件
<shushengzheng> 上传 | 大小：15mb

[其它] Python编程：从入门到实践的动手试一试练习答案（第六章）

说明：以下内容非标准答案，是我个人练习内容，仅供参考： 如有不准确，希望指出 # ~ #6-1 user_information = { 'first_name': '王', 'last_name': '小', 'age': 18, 'city': '中国上海' } print('姓： ' + user_information['first_name']) print('名： ' + user_information['last_name']) print('年
<weixin_38653385> 上传 | 大小：56kb

[其它] python pandas的基本使用及基本操作小例子！

说明：一、生成数据表 1.首先导入pandas库，一般会用到numpy库，所以先导入备用！ import numpy as np import pandas as pd 2.导入CS或者xlsx文件： fandango=pd.read_csv(“自己的路径及文件”，header=1) fandango=pd.DataFrame(pd.read_exce(“name.xlsx”)) 3用pandas创建数据表： import numpy as np import pandas as pd new_pan
<weixin_38633083> 上传 | 大小：117kb