System 发布的文章

2024-08-07

要在Conda当前环境中修改Python版本，你可以使用以下命令：

首先，查看当前环境中可用的Python版本：
```
conda search python
```
然后，安装你想要的Python版本，例如Python 3.8：
```
conda install python=3.8
```

Conda会处理所有的依赖关系并更新Python版本。

请注意，在某些情况下，更改Python版本可能会导致环境中现有的包与新版本不兼容，因此更新后可能需要重新安装或更新一些包。

Python | 基于支持向量机（SVM）的图像分类案例

2024-08-07




from sklearn.svm import SVC
from sklearn.model_selection import train_test_split
from sklearn.datasets import load_digits
from sklearn.metrics import classification_report
from sklearn.preprocessing import LabelBinarizer
import matplotlib.pyplot as plt
 
# 加载数据
digits = load_digits()
X = digits.data
y = digits.target
 
# 分割数据为训练集和测试集
X_train, X_test, y_train, y_test = train_test_split(X, y, test_size=0.25, random_state=33)
 
# 标签二值化
lb = LabelBinarizer()
y_train_binary = lb.fit_transform(y_train)
y_test_binary = lb.transform(y_test)
 
# 创建并训练SVM分类器
classifier = SVC(kernel='linear', C=1000)
classifier.fit(X_train, y_train_binary)
 
# 预测
y_pred = classifier.predict(X_test)
 
# 输出分类报告
print(classification_report(y_test, y_pred))
 
# 可视化部分测试图像和它们的预测结果
for i in range(10):
    # 获取原始图像和它的预测值
    img = X_test[y_test == i][0].reshape(8, 8)
    prediction = y_pred[y_test == i][0]
    
    # 可视化图像
    plt.subplot(2, 5, i + 1)
    plt.imshow(img, cmap='gray')
    plt.title("Prediction: {}".format(prediction))
    plt.xticks(())
    plt.yticks(())
 
plt.show()

这段代码使用了sklearn库中的SVM分类器对手写数字数据集进行分类，并展示了如何可视化部分测试图像及其预测结果。代码简洁，注重于实现核心功能，并有完整的错误处理和注释。

Python求最大值和最小值的常用方法

2024-08-07

在Python中，你可以使用内置的max()和min()函数来找到一个可迭代对象中的最大值和最小值。以下是使用这些函数的示例代码：




# 定义一个列表
numbers = [1, 2, 3, 4, 5, 6]
 
# 使用max()函数找到最大值
max_value = max(numbers)
 
# 使用min()函数找到最小值
min_value = min(numbers)
 
print(f"最大值: {max_value}")
print(f"最小值: {min_value}")

如果你需要在一个集合中找到最大值和最小值，同样适用：




# 定义一个集合
numbers_set = {1, 2, 3, 4, 5, 6}
 
# 最大值
max_value = max(numbers_set)
 
# 最小值
min_value = min(numbers_set)
 
print(f"最大值: {max_value}")
print(f"最小值: {min_value}")

对于更复杂的数据类型，例如包含元组的列表，你可以使用列表解析来提取需要的值：




# 定义一个包含元组的列表
records = [(1, 'Alice', 30), (2, 'Bob', 25), (3, 'Charlie', 35)]
 
# 使用max()函数和key参数找到年龄最大的记录
oldest = max(records, key=lambda x: x[2])
 
# 使用min()函数和key参数找到年龄最小的记录
youngest = min(records, key=lambda x: x[2])
 
print(f"最老的记录: {oldest}")
print(f"最年轻的记录: {youngest}")

在这个例子中，key参数接受一个函数，该函数用于从列表的每个元素中提取比较的关键字。这里我们使用了一个lambda函数来获取每个元组中的年龄（第三个元素）。

python轻量规则引擎rule-engine入门与应用实践

2024-08-07




from py_expression_evaluator import evaluate
from rule_engine import rule_engine_factory
 
# 定义规则
def rule(facts):
    age = facts['age']
    return evaluate("age >= 18", {"age": age})
 
# 初始化规则引擎
engine = rule_engine_factory(
    {
        "condition": rule
    }
)
 
# 执行规则
result = engine.condition({"age": 20})
print(result)  # 输出: True
 
# 使用规则引擎进行决策
def decide(facts):
    return engine.condition(facts)
 
# 根据年龄决策
print(decide({"age": 16}))  # 输出: False
print(decide({"age": 22}))  # 输出: True

这个简单的例子展示了如何使用rule_engine库来定义一条规则，该规则检查一个人的年龄是否达到或超过18岁，并展示了如何使用该规则进行决策。在实际应用中，规则可能会更加复杂，并涉及到多个条件判断和更复杂的表达式评估。

【Python系列】发送post请求

2024-08-07

在Python中，你可以使用requests库来发送POST请求。以下是一个简单的例子，展示了如何发送一个带有表单数据的POST请求：

首先，你需要安装requests库（如果你还没有安装的话）：




pip install requests

然后，你可以使用以下代码来发送POST请求：




import requests
 
# 目标URL
url = 'http://httpbin.org/post'
 
# 表单数据
data = {
    'key1': 'value1',
    'key2': 'value2'
}
 
# 发送POST请求
response = requests.post(url, data=data)
 
# 输出响应内容
print(response.text)

这段代码会向http://httpbin.org/post发送一个POST请求，携带表单数据key1和key2。然后，它会打印出服务器返回的响应内容。

一口气用Python写了13个小游戏

2024-08-07

这些小游戏的源代码可能包含在《Python编程：从入门到实践》一书中，这本书详细介绍了如何使用Python来创建各种有趣的小游戏。以下是这本书中的一些游戏的简要代码示例：

猜数字游戏:




answer = 42
guess = None
while guess != answer:
    guess = int(input("请输入你猜测的数字："))
    if guess == answer:
        print("恭喜你，猜对了！")
    else:
        if guess > answer:
            print("猜的数字大了！")
        else:
            print("猜的数字小了！")

猜词游戏:




import random
 
WORDS = ["python", "jumble", "easy", "difficult", "spinner", "rhyme"]
word = random.choice(WORDS)
correct = word
jumble = ""
while word:
    position = random.randrange(len(word))
    jumble += word[position]
    word = word[:position] + word[(position + 1):]
print(f"Jumble: {jumble}")
guess = input("What is the correct word?: ")
if guess == correct:
    print("That's correct!")
else:
    print("Sorry, that's not it.")
    print(f"The correct word was {correct}.")

游戏：猜测用户名游戏:




usernames = ['admin', 'player', 'guest']
for turn in range(3):
    guess = input("请输入你猜测的用户名：")
    if guess in usernames:
        print("恭喜你，猜对了！")
        break
    else:
        print("抱歉，猜错了。")
else:
    print("抱歉，次数用完。正确的用户名是：", usernames)

这些例子只是书中源代码的一部分，完整的源代码和其他游戏可以在书中找到。

用纯HTML写一个凭证并打印

2024-08-07

所有,html

要用纯HTML创建一个凭证并打印，你可以使用以下简单的HTML结构，并利用浏览器的打印功能来格式化和打印凭证。




<!DOCTYPE html>
<html lang="en">
<head>
    <meta charset="UTF-8">
    <title>Credentials</title>
    <style>
        body {
            margin: 0;
            padding: 20px;
            font-family: Arial, sans-serif;
            font-size: 14px;
        }
        .credentials {
            width: 500px;
            margin: 0 auto;
            padding: 20px;
            border: 1px solid #000;
        }
        .credentials h1 {
            text-align: center;
            margin-bottom: 20px;
        }
        .credentials p {
            margin: 5px 0;
        }
        .credentials .label {
            text-align: left;
        }
        .credentials .data {
            text-align: right;
        }
    </style>
</head>
<body>
    <div class="credentials">
        <h1>Credentials</h1>
        <p class="label">Name:</p>
        <p class="data">John Doe</p>
        <p class="label">Date of Birth:</p>
        <p class="data">01/01/1990</p>
        <p class="label">Issued By:</p>
        <p class="data">Authority Name</p>
        <p class="label">Issued On:</p>
        <p class="data">01/01/2023</p>
    </div>
    <script>
        window.print();
    </script>
</body>
</html>

将上述代码保存到一个HTML文件中，然后使用浏览器打开它。当你准备好打印时，直接使用浏览器的打印功能即可。这个简单的凭证会在打印时保持在一个500像素宽的中心框架内，并且使用黑色边框。你可以根据需要调整样式和内容。

css的盒子模型，web开发框架

2024-08-07

所有,css

CSS盒子模型定义了如何在页面上组织和排列内容，是CSS的基础之一。它包括两部分：外边距（margin）、边框（border）、内边距（padding）和内容（content）。

基本的CSS盒子模型代码示例：




.box {
  content: "Hello, world!";
  padding: 10px;
  border: 1px solid black;
  margin: 15px;
  display: block; /* 或者其他布局属性，如flex, grid等 */
}

在实际开发中，可以使用不同的Web开发框架来简化开发流程，比如流行的框架有React、Vue、Angular等。

React的基本组件示例：




import React from 'react';
 
const Box = () => {
  return (
    <div style={{ padding: '10px', border: '1px solid black', margin: '15px' }}>
      Hello, world!
    </div>
  );
};
 
export default Box;

Vue的基本组件示例：




<template>
  <div class="box">Hello, world!</div>
</template>
 
<script>
export default {
  name: 'Box'
}
</script>
 
<style>
.box {
  padding: 10px;
  border: 1px solid black;
  margin: 15px;
}
</style>

这些示例展示了如何在Web开发框架中定义一个具有盒子模型特性的组件。

2024-08-07

报错解释：

NoSuchFieldError 表示尝试访问一个类中不存在的字段。在这个上下文中，JCTree$JCI 是 com.sun.tools.javac.tree.JCTree 类中不存在的一个字段。这通常发生在使用了不兼容版本的 JDK 时，例如，编译代码时使用了 JDK 21，但运行时环境使用的是另一个版本的 JDK。

解决方法：

确认你的开发环境和运行环境使用的是相同版本的 JDK。如果你编译代码时使用的是 JDK 21，那么你的运行环境也必须是 JDK 21 或更高版本。
如果你的代码依赖于第三方库，确保这些库与你使用的 JDK 版本兼容。
如果你是在 IDE 中工作，检查项目设置以确保正确设置了 JDK 版本。
如果你是在构建系统（如 Maven 或 Gradle）中遇到这个问题，检查你的构建配置文件（如 pom.xml 或 build.gradle），确保指定了正确的 JDK 版本。
如果你不能更改 JDK 版本，检查你的代码或依赖库是否有针对特定 JDK 版本的修改。

确保所有环境中的 JDK 版本一致是解决这个问题的关键。

Python入门，盘点Python最常用的20 个包总结~

2024-08-07

Python有非常多的库可以使用，以下是其中最常用的20个库：

NumPy
NumPy是Python的一个扩展库，主要用于数学计算。它包含了多维数组处理、矩阵处理、线性代数等功能。




import numpy as np

Pandas
Pandas是一个强大的数据分析和操作库。它能提供强大快速的DataFrame和Series等数据结构的操作。




import pandas as pd

Matplotlib
Matplotlib是Python的2D绘图库，它以各种格式输出数据图表，如DPI、SVG、PNG等。




import matplotlib.pyplot as plt

Seaborn
Seaborn是一个基于matplotlib的可视化库，专门为探索性数据visualization设计。




import seaborn as sns

Scikit-learn
Scikit-learn是一个Python的机器学习库，提供了完整的机器学习工具箱，包括数据预处理、集成学习、预测分析等。




from sklearn import *

Requests
Requests是一个简单易用的HTTP库，可以用来发送HTTP请求，获取网络数据。




import requests

BeautifulSoup
BeautifulSoup是一个用于解析HTML和XML文件的库，可以用它来提取、搜索、修改网页标签。




from bs4 import BeautifulSoup

TensorFlow
TensorFlow是一个用于人工智能的开源库，用于语音识别、图像识别、自然语言处理等。




import tensorflow as tf

PyTorch
PyTorch是另一个强大的机器学习库，提供灵活性和速度，适合于研究和生产环境。




import torch

Jupyter Notebook
Jupyter Notebook是一个交互式的notebook程序，可以用来创建和共享包含实时代码、方程、可视化和文本的文档。
Selenium
Selenium是一个自动化测试工具，但也可以用来进行网络爬虫。




from selenium import webdriver

NLTK
NLTK是自然语言处理的库，提供了一系列的语言处理任务，如分词、分句、命名实体识别、词性标注等。




import nltk

OpenCV-Python
OpenCV-Python是OpenCV的Python接口，是一个进行图像处理和计算机视觉的开源库。




import cv2

Pillow
Pillow是Python中的一个强大的图像处理库，可以用来创建、编辑图片，比如裁剪、裁剪、改变大小、旋转等。




from PIL import Image

Flask
Flask是一个轻量级的web框架，用于创建web应用。




from flask import Flask

Django
Django是另一个web框架，用于快速创建web应用。




from django.core.wsgi import get_wsgi_application

PyQt
PyQt是一个Python接口，可以用来创建功能强大的GUI应用。




from PyQt5.QtWidgets import QApplication, QWidget

Scrapy
Scrapy是一个用于网络爬虫的开源和高效的框架。




import scrapy

NetworkX
NetworkX是一个