lawrencechen0921

public class QuickFindUF
{
     private int [ ] id;
  
     public QuickFindUF( int N)
     {
          id = new int[N];                                                       # set id of each object to itself { N array accesses}
          for  ( int  i = 0 ;  i  <  N ;  i ++)
                id[ i ] = i ;
     }

lawrencechen0921

from __future__ import absolute_import, division, print_function, unicode_literals
import tensorflow as tf

mnist = tf.keras.datasets.mnist

(x_train, y_train), (x_test, y_test) = mnist.load_data()
x_train, x_test = x_train / 255.0, x_test / 255.0

lawrencechen0921

import tensorflow as tf
a = tf.constant(1, name='a')
b = tf.constant(1, name='b')
c = a+b
with tf.Session as sess:  #注意以上的session將a,b 視為個體, 否則跑出來的結果會為不同
  print(sess.run(c))
 

import tensorflow as tf
a = tf.constant(1, name='a')

lawrencechen0921

from bs4 import BeautifulSoup as soup
fin=open('web.htm', encoding='utf-8')  #將html檔案放置 web.htm(再轉換到fin開啟)
s=fin.read()
htm=soup(s,'html.parser')
print(htm.title.prettify())
print(htm.title.contents)
print(htm.contents[0])
print(htm.title.name)
print(htm.title.string)
print(htm.meta)

lawrencechen0921

from FinMind.Data import Load
import numpy as np 
#import pandas as pd
from keras.layers.core import Dense, Dropout
from keras.layers import LSTM , GRU
from keras.models import Sequential
from sklearn.preprocessing import MinMaxScaler
import matplotlib.pyplot as plt
import math
from keras.optimizers import Adam 

lawrencechen0921

#這邊會介紹把網頁後端的程式碼抓下來的結果以及會使用到的指令

import urllib.request as ur       #先把模組簡單匯入
url="https://看你需要甚麼網站的名稱"  #輸入自己要的網站
resp=ur.urlopen(url)                 #暫時存在ur裏頭
data=resp.read()                     #data會在暫存器里先讀取
print(data)
#以下毒出來的資料皆為byte，你也可以用decode函數轉換成字串

#但是urllib.request的程式碼較為複雜 比較建議使用request的第三方模組，得出的結果也會較為簡潔

lawrencechen0921

#首先你必須用 pip install matplotlib
#等他下載完成,你就可以使用模組去進行數據視覺化的動作

import matplotlib.pyplot as plt
data=[5,10,15,25,20]                  #把你需要的data數值用出來
plt.barh(range(len(data)),data)        #圖片會顯示你data長度和範圍
plt.show()

#是不是很簡單呀

lawrencechen0921

#再windos按鈕畫面點擊右鍵(並按下執行)
#先在cmd 命令提示字元 輸入python再輸入import this
#將那段話存入 xxx.txt

from collections import Counter #記住從from 甚麼 import 甚麼都要放在第一行 以免篩選器錯誤
fin=open('xxx.txt','rt')
s=fin.read().lower()        #物件fin 使用函式read一次讀取所有內容, 使用函式lower將所有字母轉換小寫
words=re.findall(r'[\w\']+',s)         #用re.findall找出大小寫字母、數字、底線、和單引號
c=Counter(words)                       #將物件counter以words為輸入, 將獲得的counter物件轉換成c
print(c.most_common(5))                #把c內容最常出現的五個屬性字找出

lawrencechen0921

import re      #匯入模組       #這個符號是python拿來解釋用的歐
s='君不見黃河之水天上來，奔流到海不復回。\
君不見高堂明鏡悲白髮，朝如青絲暮成雪。
人生得意須盡歡，莫使金樽空對月。\
天生我材必有用，千金散盡還復來。\
烹羊宰牛且爲樂，會須一飲三百杯。\
岑夫子，丹丘生。將進酒，杯莫停。\
與君歌一曲，請君爲我側耳聽。\
鐘鼓饌玉不足貴，但願長醉不願醒。\
古來聖賢皆寂寞，惟有飲者留其名。\

lawrencechen0921

print('我是小帥哥'.encode('unicode-escape')) #將【我是一個小帥哥】以函式encode以 (unicode-escape)進行編碼
def utf8(data):                           #定義utf-8
  data_byte=data.encode('utf-8')          #回傳data的utf-8編碼結果指定給data_byte
  data2=data_byte.decode('utf-8')
  print('將',data,'經由utf-8編碼後為',data_byte)
  print('將',data_byte,'經由utf-8解碼後為',data2)
  print(data,'的長度為',len(data))                       #將data長度顯示於螢幕上
  print(data_byte,'的長度為',len(data_byte))             #將data_byte長度顯示於螢幕上
utf('我是一個小帥哥')
utf("b'\\u6211\\u662f\\u5c0f\\u5e25\\u54e5'")