博主最新文章
博主热门文章
您举报文章：
举报原因：
原文地址：
原因补充：
(最多只允许输入30个字)苹果/安卓/wp
积分 1502, 距离下一级还需 723 积分
权限: 自定义头衔, 签名中使用图片, 隐身, 设置帖子权限
道具: 彩虹炫, 涂鸦板, 雷达卡, 热点灯, 金钱卡, 显身卡, 匿名卡, 抢沙发, 提升卡下一级可获得
权限: 设置回复可见道具: 沉默卡
购买后可立即获得
权限: 隐身
道具: 金钱卡, 彩虹炫, 雷达卡, 热点灯, 涂鸦板
开心签到天数: 2 天连续签到: 1 天[LV.1]初来乍到
怎么用最短时间高效踏实地学习 Python
17:25:27 上传
培训时间：北京：-19日（赠送统计学课程视频）& && && && && & & && && && && &
& && && && && & 上海：日（赠送统计学课程视频）
& && && && && & 深圳：日-26日（赠送统计学课程视频）
培训费用：现场：7500元；
& && && && && & 远程：6000元。
培训地点：上海市闵行区虹桥镇古北路1838号创新园区3号楼4层
& && && && && & 北京市海淀区厂洼街3号丹龙大厦B座三楼& && && && && &
& && && && && & 深圳市南山区科技园北区科技北一路17号摩比大厦312室
学习方式：现场学习+同步现场直播学习+现场（在线）答疑 +录播学习
课程时间：上午9:00-12:00；下午1:30-4:30；答疑4:30-5:00
&&（现场班）
&&（直播班）
CDA讲师团介绍
CDA数据分析讲师MichaelLiu老师
& &&&中国精算师，北美准精算师，金融数据分析师，中级经济师，研究生毕业于中央财经大学，拥有期货、证券、银行类资格证书以及广泛的金融保险行业从业经验，同经管之家相识多年，擅长于数据分析，有长期的SAS、SPSS、EXCEL实战经验和授课经历，为人和善，始终相信能帮助和影响他人变得更好才是人生的意义所在。
CDA数据分析讲师熊巍老师
& &&&统计学专业博士，加州大学伯克利分校统计学院高级访问学者，对外经济贸易大学大数据与风险管理中心成员、中国人民大学应用统计研究中心成员、具有丰富的统计学及数学教学经验，人大经济论坛讲师，研究方向为数据挖掘、机器学习、稳健高维降维、应用统计模型等，在国外SCI及国内核心外期刊上发表论文二十余篇并参与完成多项著作。
& &&&目前致力于大数据、超高维数据在交叉学科的前沿领域研究，主持并参与了包括国家自然科学基金项目在内的多项国家级课题及北京市自然科学基金、社会哲学规划项目等重大省部级课题，其中在研的有自己主持的教育部人文科学项目“基因与环境的交互效应对复杂疾病的影响及稳健地识别分析与应用”、以及参与的“大数据的统计学基础理论与分析技术创新研究”、“大数据下Leverage重要性抽样的稳健改进”等大数据项目。在学校承担多项课程，精通各种软件，正在编写《实用数据挖掘讲义》及《商务应用统计案例》。
CDA数据分析讲师王小川老师
& &&&同济大学管理学博士，现就职于国内某大型券商研究所，从事量化投资相关工作，并承担了部分高校统计课程教学任务。长期研究机器学习在统计学中的应用，精通MATLAB、Python、SAS等统计软件，热衷数据分析和数据挖掘工作，有着扎实的理论基础和丰富的实战经验。神经网络、数据挖掘、统计分析应用领域专家，国内最大的MATLAB论坛管理员，在硕士与博士期间，参与发表了SCI论文6篇，核心期刊论文5篇，获得同济大学奖学金，著有《MATLAB神经网络30个案例分析》一书。
& && && && && && && && && && && && &
CDA数据分析讲师唐宇迪老师
& & 计算机博士，专注于机器学习与计算机视觉领域，深度学习领域一线实战专家。参与多个国家级计算机视觉项目，多年数据领域培训经验，丰富的教学讲解经验，出品多套机器学习与深度学习系列课程，课程生动形象，风格通俗易懂。
CDA数据分析讲师曹正凤老师
& &&&经管之家（原人大经济论坛）大数据培训中心负责人，统计学专业博士,北京大数据协会理事，首发集团智慧交通大数据中心筹备组负责人，研究方向为数据挖掘领域的前沿算法研究，包括随机森林算法、神经网络等内容，发表多篇论文。
【第一部分】统计
&&&&统计基础
&&第一节&&描述性统计集中趋势
&&第二节&&&&统计量及其抽样分布&&&&统计量
&&样本均值的分布与中心极限定理
&&样本比例的抽样分布
&&两个样本均值之差的抽样分布
&&关于样本方差的分布&&
&&第三节&&&&参数估计&&&&参数估计
&&一个总体参数的区间估计
&&两个总体参数的区间估计
&&估计量的求法
&&样本量的确定&&
第四节假设检验&&假设检验、个样本t检验
&&配对样本的t检验、两独立样本t检验
&&第五节&&&&分类数据分析&&&&分类数据与卡方统计量
&&拟合优度检验
&&列联分析、独立性检验
&&列联分析相关测量
&&线性回归
&&第六节&&&&矩阵运算&&&&行列式
&&矩阵及其运算
&&矩阵的初等变换与线性方程组
&&向量组的线性相关性
&&相似矩阵
&&线性空间与线性变化
【第二部分】数据分析前沿技术—机器学习&&&&Python基础
&&&&第一节
&&Python的安装以及环境配置&&
&&Python语言特点&&第三节
&&Python的数据类型和变量
&&Python中的运算
&&Python的数据结构
&&Python的控制流语句
&&Python中的异常处理和调&&第八节&&Python函数调用和定义以及函数的参数&&第九节
&&Python的类和面向对象编程、&&
&&Python的文件、模块操作 &&&&Python数据清洗
&&Numpy基础
&&Numpy的ndarray
&&数组的索引和切片
&&数组的运算
&&常用的数组方法&&第二节
&&Pandas基础应用
&&Series数据结构
&&DataFrame数据结构
&&基本功能
&&汇总和计算统计描述
&&缺失值的处理
&&Pandas数据规整
&&数据加载&输出
&&数据集的合并
&&数据集的重塑
&&数据重构
&&Pandas分组运算
&&GroupBy技术
&&数据聚合
&&分组级运算和转换
&&透视表和交叉表
&&Python爬虫
&&网络协议的简单介绍
&&网页数据结构介绍
&&使用BeautifulSoup4库解析网页
&&使用Selenium获取动态网页数据
&&Python机器学习
&&&&第一节
&&Python实现线性判别分析
&&实现线性判别分析进行降维任务
&&求解得出降维结果
&&PCA主成分分析&&PCA降维概述
&&PCA要优化的目标
&&PCA降维实例
&&EM算法要解决的问题
&&隐变量问题
&&EM算法求解实例
&&Jensen不等式
GMM聚类实践
&&GMM实例解读
&&GMM聚类停止策略与梯度下降案例
&&推荐系统应用
&&推荐系统要完成的任务
&&相似度计算
&&基于用户的协调过滤
&&基于物品的协同过滤
&&隐语义模型
&&隐语义模型求解
&&模型评估标准
推荐系统实战&&&&Surprise库与数据简介
&&Surprise库使用方法
&&得出推荐商品结果
线性支持向量机
&&支持向量机要解决的问题
&&距离与数据定义
&&目标函数
&&目标函数求解
&&SVM求解实例
&&支持向量的作用
&&sklearn求解支持向量机
&&SVM参数选择
&&软间隔问题
&&SVM核变换
时间序列ARIMA模型&&数据平稳性与差分法
&&ARIMA模型知识
&&相关函数评估方法
&&建立ARIMA模型
&&参数选择
&&时间序列预测任务
&&Pandas生成时间序列
&&Pandas数据重采样
&&Pandas滑动窗口
&&股票预测案例
&&使用tsfresh库进行分类任务
&&维基百科词条EDA
&&第十一节
Xgboost提升算法和调参实例
&&Xgboost算法概述
&&Xgboost模型构造
&&Xgboost建模衡量标准
&&Xgboost安装基础
&&保险赔偿任务概述
&&Xgboost参数定义
&&基础模型定义
&&树结构对结果的影响
&&学习率余采样对结果的影响
&&第十二节
机器学习套路与Benchmark
&&HTTP检测任务与数据挖掘的核心
&&论文的重要程度
&&Benchmark概述
&&Benchmark的作用
&&第十三节
探索性数据分析-赛事数据集分析
&&数据背景介绍
&&数据读取与预处理
&&数据切分模块
&&缺失值可视化分析
&&特征可视化展示
&&多特征之间关系分析
&&报表可视化分析
&&红牌和肤色的关系
&&第十四节
探索性数据分析-农粮数据分析
&&数据背景介绍
&&数据切分模块
&&单变量分析
&&峰度与偏度
&&数据对数变换
&&数据分析维度
&&变量关系可视化展示
&&第十五节
泰坦尼克号获救预测
&&数据挖掘任务流程
&&数据介绍
&&Python兵器库介绍
&&sklearn库介绍
&&数据读取与统计分析
&&性别特征分析
&&船舱等级特征分析
&&缺失值问题
&&年龄特征缺失值填充与分析
&&登船地点特征分析
&&家庭特征分析
&&特征相关性
&&构建特征
&&机器学习算法概述
&&交叉验证
&&多种机器学习算法模型效果
&&集成模块
&&特征重要性衡量
&&总结与特征预处理
&&第十六节
&&用户画像概述
&&如何建立用户画像
&&用户搜索数据介绍
&&任务概述与方案
&&构造词向量特征
&&构造输入特征
&&建立预测模型
&&第十七节
Kaggle数据科学
&&Kaggle数据科学调查介绍
&&基本情况可视化展示
&&工资情况
&&技能使用情况
&&数据集与平台
&&Python和R语言比较
&&调查总结
&&第十八节
京东购买预测
&&项目与数据介绍
&&数据挖掘流程
&&数据检查
&&构建用户特征表单
&&构建商品特征表单
&&数据探索概述
&&购买因素分析
&&特征工程
&&基本特征构造
&&行为特征
&&累积行为特征
&&第十九节
&&房价预测任务概述
&&离散形数据
&&数据对数变换
&&缺失值处理与box-cox变换
&&模型预测
1、本课程从最基础的统计理论(描述性统计、区间估计、假设检验等)，到基本的统计分析（T检验、方差分析等），最后到商业常用的模型（回归、因子分析、时间序列）。以深入浅出的方法，带大家逐步了解统计。
2、Python基础主要是带大家了解Python的基础语言部分，熟悉基础的Python语法，python运算符与表达式，控制流语句，python函数，python模块，异常处理等。
3、Pandas是08年开发的一个python库，近几年的更新逐渐成为数据分析举足轻重的模块，python数据清洗中，我们将着重讲解pandas在数据清洗的功能和作用。
4、通过爬虫、可视化、机器学习、推荐系统和几个商业经典的案例来学习python强大的功能。
1、集中趋势的度量、离散程度的度量、偏态与峰态的度量、统计量的概念、几个分布的概念、正态分布导出的几个概念（卡方分布、t分布、F分布）、样本均值的分布与中心极限定理、样本比例的抽样分布、两个样本均值之差的抽样分布、样本方差的分布、参数估计的一般问题（最大似然估计）、一个总体参数的区间估计、两个总体参数的区间估计、样本量的确定、假设检验（2类错误）、一个总体参数的检验、两个总体参数的检验、分类数据分析
2、编辑器和互交式命令行的概念,IDE(集成开发环境)的概念, 熟悉各个不同的开发环境.
3、Python的语言特点, 输入和输出，常见的基础的数据类型以及变量的概念
4、Python中的基础数据结构，控制流语句，Python中的函数，异常处理
5、类和面对对象的概念，IO操作，Python中常用的内置函数和高级特性
6、正则表达式，Python连接数据库
7、Numpy的ndarray，数组的索引和切片，数组的运算，常用的数组方法
8、Series数据结构，DataFrame数据结构，数据加载&输出
9、DataFrame常用方法，汇总和计算统计描述，缺失值的处理
10、数据集的合并，数据集的重塑，数据重构
11、GroupBy技术，数据聚合，分组级运算和转换，透视表和交叉表
12、使用BeautifulSoup4库解析网页，静态网页抓取练习
13、使用selenium获取动态网页的数据，熟练掌握不同的数据保存方式，熟练掌握完整的爬虫的结构，logging, time模块的基础了解
14、基于内容的推荐，关联规则
15、基于用户的协同过滤讲解与实现，基于物品的协同过滤的讲解与实现
1、统计理论中了解一些常用的统计术语，能运用数据分析常用的一些统计方法（相关分析，列联分析，主成分分析，因子分析等）
2、Anaconda安装配置完毕, 能够进行预习和复习的代码管理以及相关的操作.
3、熟悉Python的语言特点(语句块, 输入输出), 尝试去理解编程的思想.
4、熟悉基本的数据类型, 以及各个数据类型的常用的方法.
5、理解变量的概念.
6、能够熟练使用Python的运算符, 知道运算的优先级, 能够注意到代码的规范性.
7、熟练掌握四个基础的数据结构, 了解他们的特点, 并知道在哪些场景下去使用.
8、熟练掌握各个控制流语句, 了解各个语句的特点, 并清楚的知道面对问题怎么去选择使用哪个语句.
9、能够查找常见的代码报错问题所在, 并且可以进行修复(语法错误, 缩进不对, 冒号丢失等等).
10、熟悉Python中的函数, 理解形参和实参, 理解变量的命名空间.
11、能够知道异常的概念, 并知道如何处理程序中的异常.
12、了解面对对象的概念, 能够使用简单的类,能够理解类相关的代码.
13、了解简单的IO操作, 并了解编码相关的常见错误.
14、熟悉Python中的常用内置函数和高级特性.
15、理解正则表达式, 并能够掌握基本的用法.
16、能够使用Python对数据库进行操作,熟悉增删改查.
17、能够解决一些较为复杂的编程的问题.
18、熟悉编程的解决问题的思路, 掌握遇到编程问题或者报错时的提问技巧, 并能够自行处理简单的程序错误.
19、理解数组的数据结构
20、掌握N维数组的索引和切片的方法
21、熟悉Series数据结构
22、熟悉DataFrame数据结构
23、掌握常见的各类数据加载方式
24、掌握常用的DataFrame的方法
25、能够使用Pandas进行汇总和计算统计描述等
26、能够处理各种形式的缺失值
27、熟悉不同数据集的合并重塑和重构
28、强化练习数据清洗分析的流程熟悉度
29、综合训练Pandas的使用能力
30、掌握基本的网络协议的概念
31、熟悉网页的数据结构
32、掌握BeautifulSoup4库常用的相关内容
33、熟练掌握如何在静态网页中定位抓取
34、掌握动态网页的数据获取
35、了解爬虫的整体架构
36、学会监控爬虫的运行
37、能够快速开发小型的爬虫
38、了解各种不同的相似度计算方式
39、掌握关联规则的应用
40、掌握协同过滤的概念
41、理解两种协同过滤的异同点和优劣
42、能够自己通过Python重现协同过滤算法
报名福利（优惠）
1、现场班老学员可以享受9折优惠；
2、同一机构3人以上报名，9折优惠；
3、同一机构6人以上报名，8折优惠；
4、提前一个月报名优惠500元，可以贷款
5、参加此课程后，可以补差价参加就业班
6、赠送本课程视频；
7、专业老师在线答疑；
8、精致课程练习题供学员课后操作更易于学员理解与掌握所受知识，提高实战能力；
9、报名成功后发送老师课程讲义供学员提前预习；
10、免费参加CDA数据分析研究院俱乐部活动。
11、赠送经管之家（原人大经济论坛）论坛币1000
（前三项优惠不叠加）
报名流程<font color="#：点击“立即报名”，网上填写信息提交；
2：给予反馈，确认报名信息；
3：网上订单缴费；
4：开课前一周发送课程电子版讲义，软件准备及交通住宿指南。&&（现场班）&&（直播班）
电话：010-
&nbsp&nbsp|
&nbsp&nbsp|
&nbsp&nbsp|
&nbsp&nbsp|
&nbsp&nbsp|
&nbsp&nbsp|
如有投资本站或合作意向，请联系（010-）；
邮箱：service@pinggu.org
投诉或不良信息处理：（010-）
论坛法律顾问：王进律师7 个你现在就该学习 Python 的理由 - 技术翻译 - 开源中国社区
7 个你现在就该学习 Python 的理由
【已翻译100%】
英文原文：
推荐于 12个月前 (共 9 段, 翻译完成于 05-02)
参与翻译&(1人)&:
Python 是一门更注重可读性和效率的语言，尤其是相较于 Java，PHP 以及 C++ 这样的语言，它的这两个优势让其在开发者中大受欢迎。
诚然，它有点老了，但仍是80后啊 —— 至少没有 Cobol 或者 Fortran 那么老。而且，如果还能派上用场的话，为啥要折腾着改变它呢 (尤其在这个还有那么多方法可以提升它性能的时候)?
实际上这要看你怎么看待它，生命线长本身就是件好事 —— 说明它稳定且可靠。
&翻译得不错哦！
如果你是像其他许多人一样都是从 Java，C 或者 Perl 开始进入职业生涯的，那么学习 Python 的曲线基本上是不存在的。然而也正是由于 Python 易于上手这一事实，让有些人没有意识到 Python 也应该是一项必要的编程技能。
我要向各位坦诚，我对 Python 的喜爱也是从几年以前才开始的。不经历长期的痛苦教训，我们是不会对这门语言以及它的平台所提供的一切心生感激的。我写下这篇短文的目的就是要将你从同样的痛苦中拯救出来，让你明白为什么需要去了解 Python。
&翻译得不错哦！
1. Python 易于学习
好吧，相较于其它许多你可以拿来用的编程语言而言，它“更容易一些”。Python 的语言没有多少仪式化的东西，所以就算不是一个 Python 专家，你也能读懂它的代码。我的经验是，通过实例来学习和教授 Python 要比采取同样的方式去接触比方说 Ruby 或者 Perl 更加容易，因为 Python 的语法里面条条框框以及特殊的处理场景要少得多。&它所专注的并非语言表现的丰富程度，而是你想要用你的代码完成什么。
&翻译得不错哦！
2. Python 让你能用少量的代码构建出更多的功能
Python 能带给所有开发者一种快速的学习体验。通过实践，你可以在最多两天之内轻松实现一个具备基础功能的游戏&(而这还是在对编程完全不了解的情况下)。
另外一些让 Python 成为一门引人注目的编程语言的因素就是它的可读性和高效性。
&翻译得不错哦！
3. Python 是一门多才多艺的语言，更是一个平台
Python 今年 28 岁了。尽管它比我的许多读者年纪还要大，但是仍然受到高度的关注，因为它可以被应用于如今你所能想得到的相当多的软件开发和操作场景。要管理本地或者云基础设施吗？Python可以。开发网站？OK，它也能行的。需要处理一个 SQL 数据库？可以。需要为 Hive 或者 Pig 定制一个功能？能做到。只是想为自己构建一个小工具？Python 就是最好的选择。需要一门支持面向对象设计的语言？Python 的特性就能满足啦。简而言之，将 Python 了解得更加深入一点点，就能让你具备可以适应范围更宽泛的工作角色的技能。
&翻译得不错哦！
4. Python 拥有最成熟的程序包资源库之一
一旦你了解了该语言，就可以利用上这个平台。Python 以 PyPI (读作 Pie-Pie，可以从在线进行了解)为其后盾, 这是一个拥有超过 85,000 个 Python 模块和脚本的资源库，你拿过来就立马可以使用。这些模块向你的本地 Python 环境分发已经预先打包好的功能，可以用来解决各种诸如数据库处理，计算机视觉实现，像维度分析这样的高级数据分析的执行，或者是构建 REST 风格的 web 服务这些问题。
&翻译得不错哦！
5. Python 在数据科学领域被广泛使用
不管你从事的是什么工作，数据都会是其中的一部分。IT，软件开发，市场等等 —— 它们都深度地关乎数据且对于智慧求之若渴。很快数据分析技能就会像编码技能一样的重要，而&Python 在两个领域都占有重要的地位。Python 紧挨着 R 语言，都是现代数据科学中最常被使用的语言。事实上，在数据科学领域，Python 的职位职位需求超过了 R 语言。你在学习 Python 时发展出来的技能将会直接转换并被用来构建起自己的这些分析技能。
&翻译得不错哦！
6. Python 是跨平台且开源的
Python 可以跨平台运行，并且已经开放源代码超过20年的时间了，如果你需要代码能同时在Linux，Windows 以及 macOS 上跑起来，Python 就能满足要求。此外，有数十年的修修补补以及不断完善做后盾，可以确保你能够随心所欲地运行自己的代码。
7. Python 是灵活的
有一些Python同其它编程语言集成在一起的稳定实现。
CPython, 同 C 集成的版本。
Jython, 同 Java 集成的Python版本。
IronPython, 被设计用来兼容 .Net 和 C#。
PyObjc, ObjectiveC 工具下的&Python 写法。
RubyPython, 同 Ruby 集成的 Python 版本。
&翻译得不错哦！
并没有很多的语言能提供像 Python 这样的多样性和简洁性; 能持续努力演进并让社区繁荣好几十年的就更少了。无论你是编码新手还是能信手写就脚本的大师，都需要了解一下 Python。
&翻译得不错哦！
我们的翻译工作遵照 ，如果我们的工作有侵犯到您的权益，请及时联系我们
@开源中国首席最狠男人 微信小编不会数数
是啊！学 Python 多年，至今不知该如何破如下难题：x = 1y = 2if x == 1:x += 1y += 2print(x, y)Python 应该有一个哪怕是可选的 end 关键字，就更完美了。
引用来自“Raymin”的评论是啊！学 Python 多年，至今不知该如何破如下难题：x = 1y = 2if x == 1:x += 1y += 2print(x, y)Python 应该有一个哪怕是可选的 end 关键字，就更完美了。讨厌的就是end关键字，这种关键字让我感觉是上个世纪的语言，平白多打字。Python的强制缩进非常好，我现在写代码都强迫症了，必须满足编写规范才舒服。或许是你们自己被其他语言套上了枷锁而已。
引用来自“Raymin”的评论是啊！学 Python 多年，至今不知该如何破如下难题：x = 1y = 2if x == 1:x += 1y += 2print(x, y)Python 应该有一个哪怕是可选的 end 关键字，就更完美了。引用来自“xshrim”的评论讨厌的就是end关键字，这种关键字让我感觉是上个世纪的语言，平白多打字。Python的强制缩进非常好，我现在写代码都强迫症了，必须满足编写规范才舒服。或许是你们自己被其他语言套上了枷锁而已。 如果空白被脱掉，python代码简直是噩梦随笔分类 - python各种库学习
摘要: duang~好久没有更新博客啦，原因很简单，实习啦～好吧，我过来这边上班表示觉得自己简直弱爆了。第一周，配置环境；第二周，将数据可视化，包括学习了excel2013的一些高大上的技能，例如数据透视表和mappower绘制3d地图，当然本来打算是在tkinter里面运用matplotlib制作一个...
wing1995 阅读(22378) |
摘要: 依旧是唠叨一下：考完试了，该去实习的朋友都去实习了。这几天最主要的事情应该是把win10滚回到win7了，真的还是熟悉的画面，心情好了很多。可惜自己当初安装的好多软件都写入了注册表导致软件用不了，好处就是重新清理了一下电脑，顺便把虚拟机重新安装了一下，现在正在备份系统。是的，一定要备份，重要数据不要...
wing1995 阅读(1227) |
摘要: 唠嗑唠嗑 依旧是每一次随便讲两句生活小事。表示最近有点懒，可能是快要考试的原因，外加这两天都有笔试和各种面试，让心情变得没那么安静的敲代码，没那么安静的学习算法。搞得第一次和技术总监聊天的时候都不太懂装饰器这个东东，甚至不知道函数式编程是啥；昨天跟另外一个经理聊天的时候也是没能把自己学习的算法很好的...
wing1995 阅读(3907) |
摘要: 写在前面的废话： 好吧，不得不说鱼C的markdown文本编辑器挺不错的，功能齐全。再次感谢小甲鱼哥哥的python视频让我去年大三下学期的时候入门了编程，爱上了编程这门语言，由于是偏冷门的统计学，在实习以后就决定把方向放在数据挖掘方面了，越来越发现专业课的重要性。在大家都忙着参加各种培训的日子里面...
wing1995 阅读(15425) |
摘要: PythonChallenge_2一、实验说明1. 环境登录无需密码自动登录，系统用户名shiyanlou，密码shiyanlou2. 环境介绍本实验环境采用带桌面的Ubuntu Linux环境，实验中会用到桌面上的程序：1. LX终端（LXTerminal）: Linux命令行终端，打开后会进入B...
wing1995 阅读(88) |
摘要: PythonChallenge_3一、实验说明1. 环境登录无需密码自动登录，系统用户名shiyanlou，密码shiyanlou2. 环境介绍本实验环境采用带桌面的Ubuntu Linux环境，实验中会用到桌面上的程序：1. LX终端（LXTerminal）: Linux命令行终端，打开后会进入B...
wing1995 阅读(96) |
摘要: 昨天，是有在树莓派上面操作pygame的，但是树莓派又上不了网了，很奇怪，我的306wifi显示的是树莓派连接成功，但是就是无法用网络，所以就下载不了图片，坐等HDMI线吧。 现在，看小甲鱼的视频已经有半年了，感谢他风趣无节操的语言带领我进入广大的编程世界，我知道接下来的路只能自己走下去，唯有...
wing1995 阅读(307) |
摘要: 又一天过去了，今天上午写了一下练习，下午老黄让我跟另外两个男生一起坐图像识别，或许是创新项目吧，试试团队的力量也不错。回归正题：第 0001 题：做为 Apple Store App 独立开发者，你要搞限时促销，为你的应用生成激活码（或者优惠券），使用 Python 如何生成 200 个激活码（或者...
wing1995 阅读(173) |
摘要: 将你的 QQ 头像（或者微博头像）右上角加上红色的数字，类似于微信未读信息数量那种提示效果。 类似于图中效果：好可爱&%&!题目来源：https://github.com/Yixiaohan/show-me-the-code，感谢@史江歌以及其他人，让我找到了一个系统的学习python模块的好地方。...
wing1995 阅读(353) |鍘熸枃锛歨ttp://qxde01.blog.163.com/blog/static//
聽Python鍦ㄧ?瀛﹁?绠楅?鍩燂紝鏈変袱涓?噸瑕佺殑鎵╁睍妯″潡锛歂umpy鍜孲cipy銆傚叾涓璑umpy鏄?竴涓?敤python瀹炵幇鐨勭?瀛﹁?绠楀寘銆傚寘鎷?細
涓