python项目依赖管理

发表于2017-07-27

|浏览量:

生成项目依赖清单
pip freeze > requirement.txt

根据清单快速安装依赖包

pip install -i https://pypi.douban.com/simple -r requirements.txt

文章作者: LeFer

文章链接: https://www.lefer.cn/posts/1556/

版权声明: 本博客所有文章除特别声明外，均采用 CC BY-NC-SA 4.0 许可协议。转载请注明来源 LeFer！

相关推荐

pandas逻辑回归建模

基于样本数据（年龄、教育、工龄、地址、收入、负债率、信用卡负债、其他负债、违约），挖掘显著影响违约的因子。步骤如下： import pandas as pd In [2]: filename = ‘/Users/frontc/book/ppdam/bankloan.xls’ In [3]: data = pd.read_excel(filename) In [29]: data Out[29]: 年龄教育工龄地址收入负债率信用卡负债其他负债违约 0 41 3 17 12 176 9.3 11.359392 5.008608 1 1 27 1 10 6 31 17.3 1.362202 4.000798 0 2 40 1 15 14 55 5.5 0.856075 2.168925 0 3 41 1 15 14 120 2.9 2.658720 0.821280 0 4 24 2 2 0 28 17.3 1.787436 3.056564 1 5 41 2 5...

Python特殊语法：filter、map、reduce、lambda

Python内置了一些非常有趣但非常有用的函数，充分体现了Python的语言魅力！ filter(function, sequence)：对sequence中的item依次执行function(item)，将执行结果为True的item组成一个List/String/Tuple（取决于sequence的类型）返回： map(function, sequence) ：对sequence中的item依次执行function(item)，见执行结果组成一个List返回： reduce(function, sequence, starting_value)：对sequence中的item顺序迭代调用function，如果有starting_value，还可以作为初始值调用，例如可以用来对List求和： >> def add(x,y): return x + y>> reduce(add, range(1, 11))55 （注：1+2+3+4+5+6+7+8+9+10）>> reduce(add, range(1, 11), 2...

ngnix+uwsgi+flask

Flask开发应用不难，部署不容易。网上的资料很多，但坑也很多。我纪录一下要点，以及那些坑。安装uwsgi,最好采用 pip install flask-uwsgi，在对应的虚拟环境里安装 nginx新版本，我用的是nginx/1.0.15中，配置文件是在/etc/nginx/conf.d中一个典型的run.py如下: 应用的名字要as成application。否则uwsgi出现找不到app的异常，即使你在uwsgi的配置文件里指定了callable=xxx。 run里不要带任何参数 from pm import app as application if __name__ == '__main__': application.run() 下面是一个典型的uwsgi.ini配置： [uwsgi] module = wsgi --这是run.py的名字，去掉后缀名 master = true processes = 4 socket = /web/pm/pm.sock --这里指定了一...

keras神经网络算法预测销量高低实践

基于样本数据周末，促销，天气，销量，进行深度学习。最终得出销量与周末、促销、天气的关系模型。并展示了神经网络算法对分类的预测。以下为代码： import pandas as pd In [2]: filename = ‘/Users/frontc/book/ppdam/sales_data.xls’ In [3]: data = pd.read_excel(filename,index_col=u’序号’) In [4]: # 数据规整 data[data == u’好’] = 1 data[data == u’是’] = 1 data[data == u’高’] = 1 data[data !=1 ] = 0 In [5]: x = data.iloc[:,:3].as_matrix().astype(int) # 自变量 y = data.iloc[:,3].a...

sklearn基于信息熵的决策树算法实践

以餐馆的经营数据为样本，天气，周末，促销，销量。首先将天气分类为好和坏（经验），销量分类为高和低（均值）。然后将因子规整。采用信息熵的决策树模型进行训练。结果导出为dot文件。采用graphviz，可以查看结果另:graphviz的dot在mac os 10.11.6下有bug，会提示一个lib未能加载。以下为代码：#-- coding:utf-8 -- In [2]: import pandas as pd In [3]: filename = '/Users/frontc/book/ppdam/sales_data.xls' # 样本数据文件路径 In [4]: data = pd.read_excel(filename,index_col=u'序号') # 读取数据到dataframe中 In [5]: data[:4] # 查看一下样本数据 Out[5]: 天气是否周末是否有促销销量序号 1 坏是是高 2 坏是是高 3 坏是是高 4 坏否是高 ...

为航空公司进行客户价值分析

一. 业务目标借助航空公司的客户数据，对客户进行分类对不同的客户类别进行特征分析,比较不同类客户的客户价值对不同价值的客户类别提供个性化服务，制定相应的营销策略二. 已有数据客户基本信息：会员卡号、入会时间、第一次飞行日期、性别、年龄、会员卡级别、工作地城市、工作地所在省份、工作地所在国家乘机信息：周期内的飞行次数、周期的结束时间、最后一次乘机时间到此周期结束的时长、平均折扣率、周期内的票价收入、周期内的总飞行公里数、末次飞行日期、平均乘机间隔时间、最大乘机间隔积分信息：积分兑换次数，总精英积分、促销积分、合作伙伴积分、总累计积分、非乘机的积分变动次数、总基本积分三. 分析思路分析客户价值的标准模型师RFM模型，参见：http://baike.baidu.com/link?url=KZP2fpmmzOhzrGM_rHN2SSFBo4ilAbvLCgqS8P1QQQo5vlO7xIY0TedyRzLu7V4nCSXyeD4TodSAlqyFDypNTa 即：R:最近一次消费，F:消费频率，M:消费金额考虑到航空公司的业务特征：同样的消费金额，客户价值可...

评论