liyuxia

摘要： 关键字： 用jieba切词 用expand 一列变多列 用stack 列转行 用group by + aggr 相同term的pv求和 上效果： 上代码： 阅读全文

摘要： lexsort支持对数组按指定行或列的顺序排序；是间接排序，lexsort不修改原数组，返回索引。 （对应lexsort 一维数组的是argsort a.argsort()这么使用就可以；argsort也不修改原数组， 返回索引） 默认按最后一行元素有小到大排序, 返回最后一行元素排序后索引所在位置 阅读全文

摘要： 背景：个人对挖掘算法不太了解，学习过程中看到有C4.5算法、CART算法等，看起来都是一样的决策树，不知其区别，所以网络上搜索学习，备忘如下：从决策树开始介绍，该博文不错：算法杂货铺——分类算法之决策树(Decision tree)决策树在决策过程中，选择根节点属性的度量方法（分裂规则）有多种，一般使用自顶向下递归分治法，并采用不回溯的贪心算法；我们看到的各种决策树算法，其实主要是因为采用的度量方式的不同而得到的。下面介绍基于不同的度量方法的三种算法； 信息增益越大越好（ID3算法）、信息增益率越大越好（C4.5算法）、Gini增益越大越好（CART算法）首先需要了解下信息熵、信息增益的概念. 阅读全文

摘要： mail： 比较常用，缺点是发送附件要同时安装其他软件；mutt：功能强大，注意发送html需要升级到1.5+版本；用mail发送邮件：echo "邮件正文" | mail -s "邮件标题" -c "抄送人" "收件人"如果需要改默认的发送人信息，可以用 -- -f 参数，如下：echo "邮件正文" | mail -s "邮件标题" -c "抄送人" "收件人" ---faddress@baidu.com发送html格式echo & 阅读全文

摘要： 对于含多字节的字符串，进行截断的时候，要判断截断处是几字节字符，不能将多字节从中分割，避免截断后乱码下面给出utf8和gb18030上的实现， 用任何一种都可以，可以先进行转码，用encode, decode;方法1：对utf8: 参考：http://blog.csdn.net/marising/article/details/3452971def subString(string,length): if length >= len(string): return string result = '' i = 0 p = 0 whil... 阅读全文

摘要： 参考：http://stackoverflow.com/questions/3636928/test-if-a-python-string-is-printableprint all(ord(c)<127and c in string.printable for c in input_str) 阅读全文

摘要： http://developer.51cto.com/art/200810/94162.htm 阅读全文

摘要： http://www.cnblogs.com/yd1227/archive/2011/03/18/1988015.html该博文写的很详细，备忘。需要注意的是，写测试脚本的时候，不要将脚本命名成跟module一样的名字，如random.py,否则会出现报错：AttributeError: 'module' object has no attribute 'randint' 阅读全文

摘要： 以输入为GB18030编码字符串为例：#把全角字符串转半角def tobanjiao(string): ustring = string.decode('GB18030') rstring = "" for uchar in ustring: inside_code=ord(uchar) if inside_code==0x3000: inside_code=0x0020 else: ... 阅读全文