Python与机器学习7

1. pyinstaller

解析：pyinstaller -F -w XXX.py。

[1]-w：不启动cmd窗口。

[2]-F：打包成一个独立的exe文件。

2. Python多进程和多线程

解析：

[1]多进程：multiprocessing。

[2]多线程：threading，thread。

3. Python单元测试框架

解析：[1]unittest [2]nose

4. NearPy [1]

解析：Python framework for fast (approximated) nearest neighbour search in large, high-dimensional data sets using different locality-sensitive hashes.

5. __future__模块

解析：Python提供了__future__模块，把下一个新版本的特性导入到当前版本，于是就可以在当前版本中测试一些新版本的特性。

6. python class和class(object)用法区别

解析：使用class(object)表示Python新式类，主要是为了统一类（class）和类型（type）。在Python 2.X版本中最好使用class(object)，而在Python 3.X中已经默认帮你加载上object了。

7. Python中的单下划线和双下划线

解析："单下划线" 开始的成员变量叫做保护变量，意思是只有类对象和子类对象自己能访问到这些变量；"双下划线" 开始的是私有成员，意思是只有类对象自己能访问，连子类对象也不能访问到这个数据。带有单下划线的特性[变量和函数]不会被from module import *导入。

8. numpy.sin()

解析：np.sin(np.pi/2.)=1.0

9. assert

解析：assert语句用来声明某个条件是真的，当assert语句失败的时候，会引发AssertionError。

10. np.random.randn

解析：Return a sample (or samples) from the "standard normal" distribution.

11. numpy.random.rand

解析：Create array of the given shape and populate it with random samples from a uniform distribution over [0,1).

12. numpy.random.choice(a, size=None, replace=True, p=None)

解析：np.random.choice(5, 3, replace=False, p=[0.1, 0, 0.3, 0.6, 0])：Generate a non-uniform random sample from np.arange(5) of size 3 without replacement array([2, 3, 0]).

13. shutil.rmtree

解析：递归删除目录内容。

14. from collections import namedtuple

解析：namedtuple用来创建一个自定义的tuple对象，并且规定了tuple元素的个数，可以用属性而不是索引来引用tuple的某个元素。比如Point = namedtuple('Point', ['x', 'y'])。

15. from collections import deque

解析：deque是为高效实现插入和删除操作的双向列表，适合用于队列和栈。它除了实现list的append()和pop()外，还支持appendleft()和popleft()，这样就可以非常高效地向头部添加或删除元素。  

16. from collections import defaultdict

解析：使用dict时，如果引用的Key不存在，就会抛出KeyError。如果希望key不存在时，返回一个默认值，就可以用defaultdict。默认值是调用函数返回的，而函数在创建defaultdict对象时传入。比如xxx = defaultdict(lambda: 'N/A')。

17. from collections import OrderedDict

解析：使用dict时，Key是无序的。如果要保持Key的顺序，可以用OrderedDict，它的Key会按照插入的顺序排列，不是Key本身排序。OrderedDict可以实现一个FIFO（先进先出）的dict，当容量超出限制时，先删除最早添加的Key。 

18. from collections import Counter

解析：Counter是一个简单的计数器，可以统计字符出现的个数。

19. Python中的配置类

解析：RawConfigParser类；ConfigParser类；SafeConfigParser类。

20. Cython

解析：Cython是一个快速生成Python扩展模块的工具，当Python的性能遇到瓶颈时，Cython直接将C的原生速度植入Python程序。

21. Jupyter

解析：Jupyter Notebook [此前被称为IPython Notebook]是一个交互式笔记本，支持运行40多种编程语言。Jupyter Notebook的本质是一个Web应用程序，便于创建和共享文学化程序文档，支持实时代码，数学方程，可视化和MarkDown。用途包括：数据清理和转换，数值模拟，统计建模，机器学习等。

参考文献：

[1] pixelogik/NearPy：https://github.com/pixelogik/NearPy 

最后

以上就是辛勤网络为你收集整理的Python与机器学习7的全部内容，希望文章能够帮你解决Python与机器学习7所遇到的程序开发问题。

如果觉得靠谱客网站的内容还不错，欢迎将靠谱客网站推荐给程序员好友。