上一页 1 ··· 36 37 38 39 40 41 42 43 44 ··· 53 下一页
2020年1月16日
[转]串口、COM口、UART口, TTL、RS-232、RS-485区别详解
摘要： 调试时总是会遇到各种各样的接口，各种各样的转换板，似懂非懂的感觉很不爽！ 首先，串口、UART口、COM口、USB口是指的物理接口形式(硬件)。而TTL、RS-232、RS-485是指的电平标准(电信号)。 串口：串口是一个泛称，UART、TTL、RS232、RS485都遵循类似的通信时序协议，因此 阅读全文
posted @ 2020-01-16 13:35 sgggr 阅读(1916) 评论(0) 推荐(0) 编辑
Pandas学习之(一)
摘要： 1.Pandas的数据结构介绍--Series Series类似于一维数组的对象,它由一组数据(各种Numpy数据类型)以及一组与之相关的数据标签(即索引)组成.Series的字符串表示形式为:索引在左边,值在右边.可以通过Series的 values和index属性获取其数组表示形式和索引对象: 阅读全文
posted @ 2020-01-16 10:55 sgggr 阅读(139) 评论(0) 推荐(0) 编辑
2020年1月15日
正规表示法
摘要： 一.正规表示法需要注意的地方 1.那个^符号,在字符集合符号(括号[])之内与之外是不同的!在[]内代表[反向选择],在之外代表定位在行首的意思. 2.在bash中,通配符*表示0个或多个字符,但是正规表示法并不是通配符,两者之间是不同的.两个符号在正规表示法的意义如下: .(小数点):代表[一定有 阅读全文
posted @ 2020-01-15 21:40 sgggr 阅读(402) 评论(0) 推荐(0) 编辑
Numpy解决问题实例--随机漫步
摘要： 一.随机漫步 随机漫步,从0开始,步长1和-1出现的概率相等.我们通过内置的Python的方式来实现1000步的随机漫步: import numpy as np import matplotlib.pyplot as plt import pylab import random position = 阅读全文
posted @ 2020-01-15 17:06 sgggr 阅读(502) 评论(0) 推荐(0) 编辑
Python 中range和xrange的详细区别
摘要： 一.range用法 函数说明：range([start,] stop[, step])，根据start与stop指定的范围以及step设定的步长，生成一个序列。 >>> range(5) [0, 1, 2, 3, 4] >>> range(1,5) [1, 2, 3, 4] >>> range(0, 阅读全文
posted @ 2020-01-15 16:48 sgggr 阅读(399) 评论(0) 推荐(0) 编辑
random.randint()与np.random.randint()的区别
摘要： 一.比较两个函数 先来看看random.randint() import random for n in range(5): for i in range(10): print(random.randint(1,5),end=' ') print() #运行结果 1 5 5 3 3 1 3 1 5 阅读全文
posted @ 2020-01-15 15:33 sgggr 阅读(8788) 评论(1) 推荐(1) 编辑
[转]Python的random
摘要： 随机数生成是日常工作中经常使用的功能。下面简要介绍下Python的随机数生成标准库random。 一、常用函数 （1）生成0和1之间的浮点数，random()生成区间为[0,1)import randomprint(random.random())输出结果：0.8092116913076974（2） 阅读全文
posted @ 2020-01-15 15:18 sgggr 阅读(269) 评论(0) 推荐(0) 编辑
Numpy学习之(九)
摘要： 随机数生成 1.取得标准正态分布的样本 2.Numpy.random在产生大量样本值得时候要比Python的快多了 在这里简单介绍下Python内置的random模块的normalvariate(mu,sigma) mu：均值 sigma：标准差 mu=0，sigma=1为标准正态分布。 除了均匀分 阅读全文
posted @ 2020-01-15 15:05 sgggr 阅读(137) 评论(0) 推荐(0) 编辑
Numpy学习之(八)
摘要： 线性代数(如矩阵乘法\矩阵分解\行列式以及其他的方阵数学)是任何数组库的重要组成部分.在Python中,*得到的是元素级的积,而不是一个矩阵点积.因此,Numpy提供了dot函数. 1.dot函数--矩阵相乘 一个二维数组跟一个合适大小的一维数组矩阵点积运算之后会得到一个一维数组: 这里补充一下ze 阅读全文
posted @ 2020-01-15 14:23 sgggr 阅读(128) 评论(0) 推荐(0) 编辑
Numpy学习之(七)
摘要： 1.唯一化以及其他的集合逻辑 Numpy提供了一些针对一维ndarray的基本集合运算.最常用的可能要数np.unique了,它用于找出数组中的唯一值并返回已排序的结果: 数组的集合运算: 2.用于数组的文件输入输出 1)将数组以二进制格式保存到磁盘np.save和np.load In [36]: 阅读全文
posted @ 2020-01-15 13:16 sgggr 阅读(178) 评论(0) 推荐(0) 编辑
上一页 1 ··· 36 37 38 39 40 41 42 43 44 ··· 53 下一页