我想获取当前目录的路径,在该目录下执行.py文件.
例如,一个D:\test.py包含代码的简单文件:
import os
print os.getcwd()
print os.path.basename(__file__)
print os.path.abspath(__file__)
print os.path.dirname(__file__)
输出结果是奇怪的:
D:\
test.py
D:\test.py
EMPTY
我期待从相同的结果getcwd()和path.dirname().
鉴于os.path.abspath = os.path.dirname + os.path.basename,为什么
os.path.dirname(__file__)
返回空？
对于SciPy稀疏矩阵,可以使用todense()或toarray()转换为NumPy矩阵或数组.反向的功能是什么？
我搜索过,但不知道哪些关键字应该是正确的.
我问了一个关于实现抓取和保存网页的一般想法的问题.原始问题的一部分是:如何从Internet抓取并保存大量"关于"页面.
通过一些进一步的研究,我可以选择继续进行刮擦和解析(在下面列出).
今天,我遇到了另一个关于如何从Google搜索结果中删除的Ruby讨论.这为我的问题提供了一个很好的选择,它将节省爬行部分的所有工作量.
新问题是:在Python中,为了给定关键字刮取 Google搜索结果,在本例中为"关于",最后获取进一步解析的链接.有哪些方法和库的最佳选择？(以易于学习和易于实施的方式衡量).
ps在这个网站上,实现完全相同的东西,但关闭并要求钱以获得更多结果.如果没有开源可用,我宁愿自己做,也可以在同时学习更多Python.
哦,顺便说一句,从搜索结果中解析链接的建议会很好,如果有的话.仍然,易于学习和易于实施.刚开始学习Python.:P
最后更新,问题解决了.使用xgoogle的代码,请阅读以下部分中的说明,以使xgoogle正常运行.
import time, random
from xgoogle.search import GoogleSearch, SearchError
f = open('a.txt','wb')
for i in range(0,2):
wt = random.uniform(2, 5)
gs = GoogleSearch("about")
gs.results_per_page = 10
gs.page = i
results = gs.get_results()
#Try not to annnoy Google, with a random short wait
time.sleep(wt)
print 'This is the %dth iteration and waited %f seconds' % (i, wt)
for res in results:
f.write(res.url.encode("utf8"))
f.write("\n")
print …我使用lxml解析给定网址的html文件.
例如:
link = 'https://abc.com/def'
htmltree = lxml.html.parse(link)
我的代码适用于大多数情况下的代码http://.但是,我发现每个https://url,lxml只会得到一个IOError.有谁知道原因？可能,如何纠正这个问题？
顺便说一句,我想坚持lxml而不是切换到BeautifulSoup,因为我已经有了一个快速完成的程序.
在浏览器环境(主要是Javascript)或Web应用程序中应用机器学习技术,更具体地说是文本挖掘技术,并不是一个非常广泛讨论的主题.
我想构建自己的Web应用程序/浏览器扩展,可以完成某种级别的文本分类/可视化技术.我想知道,如果有任何开源项目在Web应用程序中应用文本挖掘技术,甚至更好的浏览器扩展？
到目前为止,这些是我随机搜索时收集的项目/讨论:
对于Web应用程序中的文本挖掘:
对于Javascript中的机器学习:
对于Web应用程序文本挖掘,我能想到的架构师:
我找不到在我的情节中添加脚注的正确功能.
我想要的脚注类似于图例中一个项目的解释,但是它太长了,无法放入图例框中.所以,我想在图例项中添加一个参考号,例如[1],并在图的底部添加脚注,在x轴下.
我应该使用哪种功能？谢谢!
是
class sklearn.cross_validation.ShuffleSplit(
n,
n_iterations=10,
test_fraction=0.10000000000000001,
indices=True,
random_state=None
)
在scikit-learn中10*10倍CV的正确方法？(通过将random_state更改为10个不同的数字)
因为我没有发现任何random_state参数Stratified K-Fold或K-Fold从单独的K-Fold,始终是相同的数据相同.
如果ShuffleSplit是正确的,一个问题是提到它
注意:与其他交叉验证策略相反,随机拆分并不能保证所有折叠都不同,尽管这对于相当大的数据集来说仍然很可能
这总是10*10倍CV的情况？
我正在做多类分类，类别不平衡。
我注意到 f1 总是小于精度和召回率的直接调和平均值，在某些情况下，f1 甚至小于精度和召回率。
仅供参考，我要求metrics.precision_score(y,pred)精确等等。
我知道微观/宏观平均值的差异，并通过使用precision_recall_fscore_support().
不确定这是由于使用了宏观平均还是其他一些原因？
更新详细结果如下：
n_samples: 75, n_features: 250
MultinomialNB(alpha=0.01, fit_prior=True)
2倍简历：
第一次运行：
F1: 0.706029106029
Precision: 0.731531531532
Recall: 0.702702702703
precision recall f1-score support
0 0.44 0.67 0.53 6
1 0.80 0.50 0.62 8
2 0.78 0.78 0.78 23
avg / total 0.73 0.70 0.71 37
第二次运行：
F1: 0.787944219523
Precision: 0.841165413534
Recall: 0.815789473684
precision recall f1-score support
0 1.00 0.29 0.44 7
1 0.75 0.86 0.80 7
2 0.82 0.96 0.88 24
avg …我想检查列表中的项是否等于给定的n个元素集中的任何一个元素,如果是,则执行某些操作.
例如,最直观但当然繁琐和丑陋的方式是:
for item in List:
if (item == element1) or (item == element2) or ... or (item == elementn):
do something
有哪些更好的检查方法？
我想检查单词列表中是否有单词.
word = "with"
word_list = ["without", "bla", "foo", "bar"]
我试过了if word in set(list),但由于事实in是匹配字符串而不是项目,所以不会产生想要的结果.也就是说,"with"在任何一个词中都是匹配word_list但仍然if "with" in set(list)会说True.
执行此检查的简单方法是什么,而不是手动迭代list？
我是新限于lxml并要提取<p>PARAGRAPHS</p>并<li>PARAGRAPHS</li>从给定的URL,并将其用于进一步的措施.
我从帖子中跟踪了一个例子,并尝试了下面的代码而没有运气:
html = lxml.html('http://www.google.com/intl/en/about/corporate/index.html')
url = 'http://www.google.com/intl/en/about/corporate/index.html'
print html.parse.xpath('//p/text()')
我试着查看lxml.html中的示例,但没有找到任何使用url的示例.
你能给我一些关于我应该使用什么方法的提示吗？谢谢.
我想抓取并将一些网页保存为HTML.比如说,爬进数百个热门网站,只需保存他们的前台和"关于"页面.
我已经查看了很多问题,但是没有从网页抓取或网页抓取问题中找到答案.
我应该使用什么库或工具来构建解决方案？或者甚至有一些现有的工具可以处理这个？
python ×11
lxml ×2
scikit-learn ×2
scikits ×2
web-scraping ×2
java ×1
matplotlib ×1
nlp ×1
nltk ×1
numpy ×1
parsing ×1
scipy ×1
substring ×1
web-crawler ×1
web-mining ×1
weka ×1