pythoniv值

‘壹’ 请问如何用python将字典转换到txt文本中

1、首先打开python的一个文件。

‘贰’ python基础语法知识询问

由于Python语言的简洁、易读以及可扩展性，在国外用Python做科学计算的研究机构日益增多，一些知名大学已经采用Python教导学生程序设计的首选编程语言。例如麻省理工学院的计算机科学及编程导论课程就使用Python语言讲授。

想必大家还想了解到更多知识技能，接下来就跟千锋武汉Python培训的老师就来分享一下Python基础语法的四大知识点，希望大家会喜欢。

一、标识符

a)概念：对变量，常量，函数，类等对象起的名字。严格区分大小写。

b)标识符命名规则：

语法要求(硬性)：

i.必须以字母或者下划线开头(支持中文，中文也是字符)

ii.必须以字母，数字，下划线组成

iii.区分大小写

iv.不能和关键字和内置函数名同名。

代码规范(弹性)：

v.变量名全部小写，常量全部大写(代码规范，不是语法要求)

vi.类名用大写驼峰(代码规范)、

vii.模块和包名用小写

二、关键字

a)Import keyword keyword.kwlist 查看所有关键字

三、注释

a)单行：#开头

b)多行：每行使用#

c)文档注释：使用三个引号包括起来(””” XXX “””),这种注释专门为函数或者类形成说明文档。注释必须跟在定义体下面，不能再任意位置。

四、代码头两行

a)#!/usr/bin/env Python:指定运行代码的解释器，linux专用，windows不需要。在linux下添加改行，则可以使用./xxx.py执行。如果使用Python xxx.py则不需要改行。

b)# -*- coding:utf-8 -*- ：代码的编码方式

‘叁’ python 递归实现组合

用迭代器比较好
def combin(items, n=None):
if n is None:
n = len(items)
for i in range(len(items)):
v = items[i:i+1]
if n == 1:
yield v
else:
rest = items[i+1:]
for c in combin(rest, n-1):
yield v + c

for i in range(len([1,2,3,4])):
for j in combin([1,2,3,4], i+1):
print j,

‘肆’ 关于机器学习应用不得不思考哪些问题

机器学习是一种能够赋予机器学习的能力以此让它完成直接编程无法完成的功能的方法。但从实践的意义上来说，机器学习是一种通过利用数据，训练出模型，然后使用模型预测的一种方法。

让我们具体看一个例子。

图4房价的例子

拿国民话题的房子来说。现在我手里有一栋房子需要售卖，我应该给它标上多大的价格？房子的面积是100平方米，价格是100万，120万，还是140万？

很显然，我希望获得房价与面积的某种规律。那么我该如何获得这个规律？用报纸上的房价平均数据么？还是参考别人面积相似的？无论哪种，似乎都并不是太靠谱。

我现在希望获得一个合理的，并且能够最大程度的反映面积与房价关系的规律。于是我调查了周边与我房型类似的一些房子，获得一组数据。这组数据中包含了大大小小房子的面积与价格，如果我能从这组数据中找出面积与价格的规律，那么我就可以得出房子的价格。

对规律的寻找很简单，拟合出一条直线，让它“穿过”所有的点，并且与各个点的距离尽可能的小。

通过这条直线，我获得了一个能够最佳反映房价与面积规律的规律。这条直线同时也是一个下式所表明的函数：房价=面积*a+b

上述中的a、b都是直线的参数。获得这些参数以后，我就可以计算出房子的价格。

假设a=0.75,b=50，则房价=100*0.75+50=125万。这个结果与我前面所列的100万，120万，140万都不一样。由于这条直线综合考虑了大部分的情况，因此从“统计”意义上来说，这是一个最合理的预测。

在求解过程中透露出了两个信息：

1.房价模型是根据拟合的函数类型决定的。如果是直线，那么拟合出的就是直线方程。如果是其他类型的线，例如抛物线，那么拟合出的就是抛物线方程。机器学习有众多算法，一些强力算法可以拟合出复杂的非线性模型，用来反映一些不是直线所能表达的情况。

2.如果我的数据越多，我的模型就越能够考虑到越多的情况，由此对于新情况的预测效果可能就越好。这是机器学习界“数据为王”思想的一个体现。一般来说(不是绝对)，数据越多，最后机器学习生成的模型预测的效果越好。

通过我拟合直线的过程，我们可以对机器学习过程做一个完整的回顾。首先，我们需要在计算机中存储历史的数据。接着，我们将这些数据通过机器学习算法进行处理，这个过程在机器学习中叫做“训练”，处理的结果可以被我们用来对新的数据进行预测，这个结果一般称之为“模型”。对新数据的预测过程在机器学习中叫做“预测”。“训练”与“预测”是机器学习的两个过程，“模型”则是过程的中间输出结果，“训练”产生“模型”，“模型”指导“预测”。

‘伍’ 怎么样python爬虫进行此网站爬取

• 是加密的，解密方法在JS里面可以弄出来。

• 首先要AES解密，可以【Python：import Crypto.Cipher.AES】包，解密mode是CFB，seed是"userId:"+uid+":seed"的SHA256值，解密的key是seed[0:24]，iv是seed[len(seed)-16:]。

• 如果没有登录，uid就是用的"anyone"，这时候的seed是""，也就是key为"61581AF471B166682A37EFE6"，iv为"C8F203FCA312AAAB"。

• 解密后文件是压缩过的，解压即可得到一个JSON。这部分解压我没仔细看他的算法，好像是gzip，直接用【Python：import gzip】解压有点出错，可能没用对或者不是这个算法，你在研究一下。第二种投机的方法就是，可以通过【Python：import execjs】直接调用他的pako.js文件的JS的inflate()函数来解压这块。JS代码混淆后看起来是非常难懂的，使用这种做法可以不用太看懂加密的算法，效率当然写Python实现这个解密算法低1点咯。

• 最后的JSON再用【Python：import demjson】解析，text的value就是文档。