小编fra*_*ang的帖子

我需要使用其他名称复制同一目录中的所有html文件,我需要浏览源目录中的所有目录.

这是我的代码到目前为止,

import os
import shutil
os.chdir('/') 

dir_src = ("/home/winpc/test/copy/")

for filename in os.listdir(dir_src):
    if filename.endswith('.html'):
        shutil.copy( dir_src + filename, dir_src)
    print(filename)

我正在做一个预测项目（为了好玩），基本上我从nltk中提取了男性和女性名字，将名字标记为“ male”或“ female”，然后得到每个名字的最后一个字母，最后使用不同的机器学习方法可以根据姓氏来训练和预测性别的算法。

因此，我们知道Python的sklearn不能处理分类数据，因此我使用LabelEncoder将最后一个字母转换为数值：

转换前：

     name     last_letter    gender
0    Aamir    r              male
1    Aaron    n              male
2    Abbey    y              male
3    Abbie    e              male
4    Abbot    t              male

     name       last_letter    gender
0    Abagael    l              female
1    Abagail    l              female
2    Abbe       e              female
3    Abbey      y              female
4    Abbi       i              female

如果我们连接两个数据帧，则删除名称列并随机播放：

     last_letter    gender
0    a              male
1    e              female
2    g              male
3    h              male
4    e              male

然后我用了LabelEncoder：

from sklearn.preprocessing import LabelEncoder
label_encoder = LabelEncoder()

for …

正如标题所说.此代码仅适用于:

x = Flatten()(x)

在卷积层和密集层之间.

import numpy as np
import keras
from keras.models import Sequential, Model
from keras.layers import Dense, Dropout, Flatten, Input
from keras.layers import Conv2D, MaxPooling2D
from keras.optimizers import SGD

# Generate dummy data
x_train = np.random.random((100, 100, 100, 3))
y_train = keras.utils.to_categorical(np.random.randint(10, size=(100, 1)), num_classes=10)

#Build Model
input_layer = Input(shape=(100, 100, 3))
x = Conv2D(32, (3, 3), activation='relu')(input_layer)
x = Dense(256, activation='relu')(x)
x = Dense(10, activation='softmax')(x)
model = Model(inputs=[input_layer],outputs=[x])

#compile network
sgd = SGD(lr=0.01, decay=1e-6, momentum=0.9, nesterov=True) …

SELECT
  e.EmpName,
  me.RemarkNumber,
  me.RemarkPeopleNumber
FROM
  EmployeeInfo e
  LEFT JOIN (
    SELECT
      COUNT(RemarkId) As RemarkNumber,
      COUNT(DISTINCT MemberId) As RemarkPeopleNumber,
      CreateUser
    FROM
      MemberRemark
    WHERE
      RemarkStatus = 0
    GROUP BY
      CreateUser
  ) AS me On e.EmpName = me.CreateUser
WHERE
  BranchCode = '0000'
  And [Status] = 0

如何将其转换为 LINQ？

from e in db.EmployeeInfo
join me in (
    from memberRemarks in db.MemberRemark
    where memberRemarks.RemarkStatus == 0
    group memberRemarks by new
    {
        memberRemarks.CreateUser,
    } into g
    select new
    {
        RemarkNumber = g.Count(),
        RemarkPeopleNumber = g.Select(m => …

我想用Python 3编写一个实质上是词汇卡片的程序。我可以列出术语，添加术语或显示随机定义以尝试准确猜测。一旦准确地猜出，我将获得另一个定义进行猜测的选项。另外，我只想显示一个随机的key：value对，并继续查看对，直到输入EXIT。

我使用字典制作了大部分程序，但是不确定如何输入正确的命令输入所显示定义的键。如果有人可以提供建议，我将不胜感激！另外，在输入此代码时，我得到了一些错误消息，并且不得不进行一系列缩进，不确定在那儿我做错了什么。

import random

terms = {"1" : "def 1", #Dictionary of 'terms' and 'definitions'
         "2" : "def 2",
         "3" : "def 3"}

menu = None
while menu != "4":
    print("""

    DIGITAL FLASHCARDS!

    1 - List Terms
    2 - Add Term
    3 - Guess Random Definition
    4 - Exit

    """)
    menu = input("\t\t\tEnter Menu option: ")
    if menu == "1":  # List Terms
        print("\n")
        for term in terms:
            print("\t\t\t", term)
        input("\n\tPress 'Enter' to return to Main Menu.\n") …

所以我最近刚接触 Python，但我似乎能够编写一些东西并让它工作。然而，我一直在尝试扩展我对语言中事物如何工作的知识，而将这个简单的文件放在一起让我感到困惑。

class TestA:
    def __init__(self):
        self.varNum = 3

    def printNum(self):
        print(self.varNum)


class TestB:
    varNum = 0

    def __init__(self):
        varNum = 3

    def printNum(self):
        global varNum
        print(varNum)

a = TestA()
a.printNum()

b = TestB()
b.printNum()

TestA将3 正确打印到屏幕的代码。然而，代码TestB却给了我NameError这样的说明：'varNum' is not defined。无论我是否有global varNum这条线，我都会收到该错误。

我想令我困惑的是我将该__init__函数视为类构造函数。当我使用 Java 或 C# 等语言进行编程时，我在构造函数之外声明了全局变量，以便它们的作用域是整个类。这不是 Python 中的东西吗？我编写的代码只是标记self.了所有内容，因为我只是想快速地将一些东西放在一起，但我现在正在尝试更多地了解该语言。self.Python 中创建类作用域变量的唯一方法是什么？或者还有其他方法吗？

谢谢你的时间 ：）