weixin_41888257的博客

有时候需要把 shell 命令在 python 中执行，如果使用的方式的话，标准输出只会打印在屏幕上，没办法赋给变量，这时候就可以用subprocess来实现。

#!/usr/bin/env python# coding=utf-8import numpy as npfrom sklearn.metrics import roc_curvefrom sklearn.metrics import aucdef auc_calculate(labels,preds,n_bins=100): postive_len = sum(labels) negative_len = len(labels) - postive_len tota

有时，需要对某些 label 做 mask#!/usr/bin/env python# coding=utf-8"""tf version: 1.15.0"""import tensorflow as tf# 维度 [batch_size, 1]label1 = tf.constant([[0.0], [1.0], [1.0]])label2 = tf.constant([[1.0],

tf.squeeze 和 tf.reduce_sum 是可以起到一样的作用的直接上代码#!/usr/bin/env python# coding=utf-8"""tf version: 1.15.0"""import tensorflow as tf# 维度 [batch_size, 1]a = tf.constant([[1], [6], [11]])b1 = tf.squeeze(a, axis=1)b2

a = b = []a.append(1)b.append(2)print aprint b[1, 2][1, 2]

使用python中的time模块，对时间的几种格式进行转换一、几个常用函数strptime()， 将 时间字符串 转换成 结构化时间 struct_time注意，结构化时间 是所有转换的 过渡格式import timetime_str = "2022-03-18 10:54:00"struct_time = time.strptime(time_str, '%Y-%m-%d %H:%M:%S')print(struct_time)time.struct_time(tm_year=20

ImportError: No module named xxx 是 Python 很常见的报错，一般就是2个原因没有该文件，例如使用 pip install tensorflow 即可解决目录层级不对，导致 import 报错，这种有时候很难解决情况 2 可以采用如下方式把你要 import 的包所在的目录层级写入系统路径即可，比如需要 import 的文件在执行文件的上一层，则按照如下写法即可import osthis_filename = __file__sys.path.appen

一、matplotlib 自带函数实现matplotlib有一个简单的函数 plt.hist(a, bins=num_bins)，可以直接绘制直方图，如下#!/usr/bin/env python# coding=utf-8import matplotlib.pyplot as pltimport numpy as np"""绘制直方图data:必选参数，绘图数据bins:直方图的长条形数目，可选项，默认为10normed:是否将得到的直方图向量归一化，可选项，默认为0，代表不归一化，

有时候，需要获取动态数据，并实时绘图。比如从串口读取数据等等import matplotlib.pyplot as pltax = [] # 定义一个 x 轴的空列表用来接收动态的数据ay = [] # 定义一个 y 轴的空列表用来接收动态的数据plt.ion() # 开启一个画图的窗口for i in range(100): # 遍历0-99的值 ax.append(i)

一、用法比如检索以 a 开头的字符串a.*并打开正则表达检索开关参考Pycharm小技巧–使用正则进行查找和批量替换

1. 项目名称首字母大写+大写式驼峰，ProjectName2.模块名和包名全部小写+下划线驼峰module_namepackage_name3.类名称，异常首字母大写+大写式驼峰，class ClassName:ExceptionName4.全局变量、常量全部使用大写字母+下划线驼峰GLOBAL_VAR_NAMECONSTANT_NAME5.方法名，函数名，其余变量，参数，实例全部小写+下划线驼峰method_namefunction_nameinstance

之前试过 svg、tiff，最终…都不如 emf 格式好用，可以直接复制粘贴到 word 中，无限放大不失真，着实好用Matlab 可以直接使用菜单栏的 “导出设置”，导出为 emf 格式Python 的 Matlibplot 无法直接生成 emf，但是可以生成 svg，而后再用 lnkscape 把 svg 转为 emf 格式...

python 保存 .mat 文件的大小是有限制的，似乎是 5G 以内，如果需要保存几十个 G 的数据的话，可以选用其他方式，比如 h5 文件import h5pydef h5_data_write(train_data, train_label, test_data, test_label, shuffled_flag): print("h5py文件正在写入磁盘...") save_path = "../save_test/" + "train_test_split_dat

方法 1>>> import os>>> fileList = os.listdir('TestDir')>>> fileList['test1.txt', 'test10.txt', 'test11.txt', 'test2.txt', 'test23.txt', 'test28.txt']>>> fileList.sort(key= lambda x:int(x[4:-4]))>>> fileList

import numpy as npimport matplotlib.pyplot as pltplt.figure()x = np.arange(0,10,1) #这个函数的第三个参数表示的是步长，以此进行划分z = x**2y = np.linspace(1,10,10) #这个函数的第三个参数表示的是用几个点去划分，作为y的值plt.plot(x,z,color = 'red',linewidth=1.0,linestyle='--')#线颜色 线宽 线样式plt

一、原理脚本语言的第一行，#!/usr/bin/env python目的：指出该文件中的代码用什么可执行程序去运行#!/usr/bin/python3是告诉操作系统执行这个脚本的时候，调用/usr/bin下的python3解释器；#!/usr/bin/env python3这种用法是为了防止操作系统用户没有将python3装在默认的/usr/bin路径里。当系统看到这一行的时候，首先会到env设置里查找python3的安装路径（即在“环境变量”里面查找），再调用对应路径下的解释器程序完成操作。

如下代码即报错import datetime as datethe_date = date(2020,5,2)print(the_date)TypeError: 'module' object is not callable顾名思义，就是把模块当作函数用了把import 这一行改为：from datetime import date即可

一、主程序main.py"""参考：https://zhuanlan.zhihu.com/p/59986254Link: www.kaikai.aiGithub: github.com/loveunk这是一个完整的mnist分类demo，其中涉及的技术点包括：1. TensorFlow dataset minist的加载2. 数据直方图打印3. 数据归一化4. label数据的 one hot vectors转换5. 数据集切分（train、test）6. CNN 模型创建7.

参考：卡方检验(Chi_square_test)： 原理及python实现

文件目录树如下：som-- train（保存模型） -- lib -- minisom.py -- predict（加载模型）报错信息：Traceback (most recent call last): File "D:/SOM/self_organizing_maps/predict/test_som_predict.py", line 55, in <module> model = joblib.load(filename=file_path) Fi

Python中的字典对象可以以“键：值”的方式存取数据。OrderedDict是它的一个子类，实现了对字典对象中元素的排序。注意，OrderedDict的 Key 会按照插入的顺序排列，不是Key本身排序：比如下面比较了两种方式的不同：import collections print 'Regular dictionary:'d={}d['a']='A'd['b']='B'd['c']='C'for k,v in d.items(): print k,v print '\nO

安装pip install lazyprop例子1from lazyprop import lazypropclass Foo(object): def __init__(self): self.load_count = 0 @lazyprop def lazy(self): self.load_count += 1f = Foo()f.lazyf.lazyf.lazyprint(f.load_count)输出：1

参考：python中模块的__all__属性

Luigi是用于工作流管理的Python工具。它是在Spotify开发的，旨在帮助构建批处理作业的复杂数据管道。1. 安装 Luigipip install luigi2. 简单例子有两个核心概念可用来了解如何将Luigi应用于我们自己的数据管道：任务和目标。任务是工作的一个单元，通过扩展类luigi.Task并覆盖一些基本方法来设计。任务的输出是目标，可以是本地文件系统上的文件，Amazon S3上的文件，数据库中的某些数据等。依赖关系是根据输入和输出定义的，即如果TaskB依赖TaskA，则

描述getattr() 函数用于返回一个对象属性值。语法getattr 语法：getattr(object, name[, default])参数object – 对象。name – 字符串，对象属性。default – 默认返回值，如果不提供该参数，在没有对应属性时，将触发 AttributeError。返回值返回对象属性值。实例class A(object): def set(self, a, b): print(a+b) geta

super() 函数是用于调用父类(超类)的一个方法。super() 是用来解决多重继承问题的，直接用类名调用父类方法在使用单继承的时候没问题，但是如果使用多继承，会涉及到查找顺序（MRO）、重复调用（钻石继承）等种种问题。MRO 就是类的方法解析顺序表, 其实也就是继承父类方法时的顺序表。示例代码：super(FooChild,self) 首先找到 FooChild 的父类（就是类 FooParent），然后把类 FooChild 的对象转换为类 FooParent 的对象#!/usr/bin/

参考：yaml文件解析详解

参考：（机器学习）sklearn降维算法PCA（用几个小案例详解PCA降维）

一、Logistic Regression，LR逻辑回归作为广义线性模型的一种，假设 yyy 服从伯努利分布。其概率质量函数为：fX(x)=px(1−p)1−x={p if x=1q if x=0f_{X}(x)=p^{x}(1-p)^{1-x}=\left\{\begin{array}{ll}p & \text { if } x=1 \\q & \text { if } x=0\end{array}\right.fX​(x)=px(

pip install Cmakepip insatll xlearn

import numpy as npimport pandas as pdimport matplotlib.pyplot as pltdef wgn(x, snr=10): """ 给数据 x 添加指定信噪比为 SNR dB 的高斯噪声 """ np.random.seed(100) snr = 10 ** (snr / 10.0) xpower = np.sum(x ** 2) / len(x) npower = xpower / snr

1. 选择 Configure jupyter server2. 在 Pycharm 的 Terminal 输入jupyter notebook3. 将 url 复制到本文第一个图的 “configured server” 框内

import numpy as npa = np.array([[0,2, 0], [0,5, 0], [0,8, 0]])del_index = []for col in range(3): if a[0][col] == 0: del_index.append(col)print(del_index)a = np.delete(a, del_index, axis = 1) # axis=1 删除列，axis=0

参考：使用Keras中的 LSTM 模型进行时间序列预测

参考：keras训练完模型，为什么对训练集进行evaluate和训练时的loss完全不一样？白训练了吗？model.evaluate() gives a different loss on training data from the one in training process #6977

用pycharm时，我们都是按住Ctrl，然后鼠标点击对应的方法，即可查看当前方法调用的函数。要想返回到调用原始函数处，按时alt+←也可以在菜单栏的view中勾选toolbar，然后点击工具栏中左箭头返回到调用函数处。...

"""连续小波变换 CWT参考论文：https://www.mdpi.com/2076-3417/8/7/1102/htmlmorlet 小波在轴承故障诊断中比较常用"""import numpy as npimport pywtimport matplotlib.pyplot as pltimport pandas as pdimport mathimport osdef CWT(data, fs=25600): t = np.arange(0, len(data)) /

def add(a, b): return a + bdef multi(a, b): return a * bdef operate(a, b, method): method_dict = {"add":add, "multi": multi} res = method_dict[method](a, b) return resif __name__ == "__main__": res1 = operate(2, 3, "multi")

结构体形式如下：通用的读取方式：X = loadmat(r"filename")data_all = X['bearing'] # bearing为结构体的名称print (data_all.shape)结果data_all的规模竟然是（1，1），6个字段的矩阵竟然都聚集到了一起。参考：https://docs.scipy.org/doc/scipy/reference/generated/scipy.io.loadmat.html#scipy.io.loadmat正确代码：data_

path = 'H:/complete_Tool/_Tool_004_2019_09_07/tool_004_vibration/'raw_files= os.listdir(path) # 得到文件夹下的所有文件名称raw_files.sort(key=lambda ele:(ele[11])) # 根据文件名排序files = []for file in raw_files: if file.endswith('.tdms'): files.append(fi