新浪爬虫的python代码以及部分结果整理文件列表1.spider_try.py爬虫主程序，采用抓取html源码解析的方式获取用户信息。
针对每个用户按照person类定义解析。
2.person.py定义person类，将相应的html标签段解析为可读形式3.format.py将最终的结果输出为gexf标准格式方便图处理
针对每个用户按照person类定义解析。
2.person.py定义person类，将相应的html标签段解析为可读形式3.format.py将最终的结果输出为gexf标准格式方便图处理
2024/6/20 21:27:12
111KB
1
斗地主服务端源码(含客户端程序)luac#python。
斗地主服务端源码(含客户端程序)仅供学习参考luac#python
斗地主服务端源码(含客户端程序)仅供学习参考luac#python
2024/6/20 17:15:46
24.93MB
1
介绍Python语言的入门书，循序渐进，实例和练习数量很多。
英文原版。
《经典原版书库:Python语言程序设计(英文版)》以“基础先行”方法介绍基本程序设计概念和方法，帮助学生循序渐进地学习所有必需和重要的基本概念。
以“问题驱动”方法讲授程序设计技术，强调问题求解，而非语法。
通过广泛的趣味性实例（涉及数学、自然科学、商业、金融、游戏、动画和多媒体领域）来激发学生的学习兴趣，为求解这些问题，适时地引入相关的语法和库。
可以灵活介绍GUI相关主题。
第1～6章使用内置的Turtle图形模块，其余部分使用Tkinter，这两种工具都是简单、易学的程序设计教学工具。
每章的开始都有GUI实例，每章末尾还有专门的GUI练习。
英文原版。
《经典原版书库:Python语言程序设计(英文版)》以“基础先行”方法介绍基本程序设计概念和方法，帮助学生循序渐进地学习所有必需和重要的基本概念。
以“问题驱动”方法讲授程序设计技术，强调问题求解，而非语法。
通过广泛的趣味性实例（涉及数学、自然科学、商业、金融、游戏、动画和多媒体领域）来激发学生的学习兴趣，为求解这些问题，适时地引入相关的语法和库。
可以灵活介绍GUI相关主题。
第1～6章使用内置的Turtle图形模块，其余部分使用Tkinter，这两种工具都是简单、易学的程序设计教学工具。
每章的开始都有GUI实例，每章末尾还有专门的GUI练习。
2024/6/20 16:03:01
12.72MB
1
以twitterlinkingoogle等知名网站为案例，利用python高效的文本检索和网络爬虫技术，进行数据挖掘和分析，示例简单，易于操作，对有志于文本检索和网络爬虫技术的程序员有很大的借鉴意义。
2024/6/20 13:49:54
22.82MB
1
对Iris数据进行两个特征选取，共6种组合，计算类别可分性准则函数J值，得出最好的分类组合，画出各种组合的分布图；
2、使用前期作业里面的程序、对6种组合分别使用不同方法进行基于120个训练样本30个测试样本的学习误差和测试计算，方法包括：最小距离法（均值为代表点）、最近邻法、k近邻法（k取3、5...）等；
2、使用前期作业里面的程序、对6种组合分别使用不同方法进行基于120个训练样本30个测试样本的学习误差和测试计算，方法包括：最小距离法（均值为代表点）、最近邻法、k近邻法（k取3、5...）等；
2024/6/20 13:07:29
2KB
1
本文主要是参看我的博客http://blog.csdn.net/eastmount/article/details/44342559[python学习]简单爬取维基百科程序语言消息盒，主要讲述Python爬取维基百科的方法，主要是提供一种方法和思想，希望对大家有所帮助。
建议同博客一起阅读，否则可能感觉有些模糊。
免费资源分享给大家学习。
建议同博客一起阅读，否则可能感觉有些模糊。
免费资源分享给大家学习。
2024/6/20 8:42:58
841KB
1
Web的动手Python深度学习这是由Packt发布的AnubhavSingh和SayakPaul编写的“的代码库。
集成神经网络架构以使用Flask，Django和TensorFlow构建智能Web应用这本书是关于什么的？有效地使用深度学习技术可以帮助您开发智能Web应用程序。
在本书中，您将介绍用于使用Python在Web开发中实施深度学习的最新工具和技术实践。
从机器学习的基础知识开始，您将专注于DL和神经网络的基础知识，包括常见的变体，例如卷积神经网络（CNN）。
您将学习如何使用不同标准Web技术堆栈的前端将它们集成到网站中。
然后，本书通过为自定义模型创建RESTfulAPI，帮助您获得使用Python库（例如Django和Flask）开发支持深度学习的Web应用程序的实践经验。
稍后，您将探索如何为GoogleCloud和AmazonWebServices（AWS）上基于深度学习的Web部署设置云环境。
本书涵盖了以下令人兴奋的功能：探索深度学习模型并在浏览器中实现使用Django和Flask设计基于Web的智能客户端使用不同的基于Py
集成神经网络架构以使用Flask，Django和TensorFlow构建智能Web应用这本书是关于什么的？有效地使用深度学习技术可以帮助您开发智能Web应用程序。
在本书中，您将介绍用于使用Python在Web开发中实施深度学习的最新工具和技术实践。
从机器学习的基础知识开始，您将专注于DL和神经网络的基础知识，包括常见的变体，例如卷积神经网络（CNN）。
您将学习如何使用不同标准Web技术堆栈的前端将它们集成到网站中。
然后，本书通过为自定义模型创建RESTfulAPI，帮助您获得使用Python库（例如Django和Flask）开发支持深度学习的Web应用程序的实践经验。
稍后，您将探索如何为GoogleCloud和AmazonWebServices（AWS）上基于深度学习的Web部署设置云环境。
本书涵盖了以下令人兴奋的功能：探索深度学习模型并在浏览器中实现使用Django和Flask设计基于Web的智能客户端使用不同的基于Py
2024/6/19 18:14:16
44.25MB
1
主要介绍了Python中的支持向量机SVM的使用（附实例代码），文中通过示例代码介绍的非常详细，对大家的学习或者工作具有一定的参考学习价值，需要的朋友们下面随着小编来一起学习学习吧
2024/6/19 0:53:46
177KB
1
在日常工作中，钉钉打卡成了我生活中不可或缺的一部分。然而，有时候这个看似简单的任务却给我带来了不少烦恼。
每天早晚，我总是得牢记打开钉钉应用，点击"工作台"，再找到"考勤打卡"进行签到。有时候因为工作忙碌，会忘记打卡，导致考勤异常，影响当月的工作评价。而且，由于我使用的是苹果手机，有时候系统更新后，钉钉的某些功能会出现异常，使得打卡变得更加麻烦。
另外，我的家人使用的是安卓手机，他们也经常抱怨钉钉打卡的繁琐。尤其是对于那些不太熟悉手机操作的长辈来说，每次打卡都是一次挑战。他们总是担心自己会操作失误，导致打卡失败。
为了解决这些烦恼，我开始思考是否可以通过编写一个全自动化脚本来实现钉钉打卡。经过一段时间的摸索和学习，我终于成功编写出了一个适用于苹果和安卓系统的钉钉打卡脚本。
2024-04-09 15:03
15KB