ICode9

精准搜索请尝试: 精确搜索
  • 台球摆放问题2022-04-16 02:00:59

    如何摆放,大号小号最分散 >>> links = [[0, 1], [0, 2], [1, 2], [1, 3], [2, 4], [3, 5], [3, 6], [4, 7], [4, 8], [5, 6], [6, 7], [7, 8], [5, 9], [5, 10], [6, 10], [6, 11], [7, 11], [7, 12], [8, 12], [8, 13], [9, 10], [10, 11], [11, 12], [12, 13]] >>> d

  • pandas处理excel总结2022-04-15 18:02:50

    总结要点 读取步骤 name_='增值税系统' dir_ ="C:/Users/bob11/Desktop/数据项整理/数据项/%s.xlsx"%name_ df1=pd.read_excel(dir_,skiprows=0,sheet_name=None) # sheet_name=None 用于读取所有sheet页 文件地址采用/,可以避免\需要用r来标注字符串,读取excel时添加参数sheet_na

  • 将 Pandas DataFrame 列转换为列表2022-04-15 14:01:39

    方法一:使用 tolist() /to_list()方法将 Dataframe 列转换为列表; import pandas as pd df=pd.DataFrame([ ['James', '1/1/2014', '1000'], ['Michelina', '2/1/2014', '12000'], ['

  • python pandas excel一列形成列表2022-04-15 07:01:00

    import pandas as pd import csv,sys,time,os def excel_one_line_to_list(file,m=1): df=pd.read_excel(file,usecols=[1],names=None)#读取项目名称不要列名 #n=df.shape[0]#[0]总行数,[1]总列数 df_li=df.values.tolist() result=[] for s_li in df_li:

  • Python绘制多种风玫瑰图2022-04-13 13:31:27

    前言 风玫瑰是由气象学家用于给出如何风速和风向在特定位置通常分布的简明视图的图形工具。它也可以用来描述空气质量污染源。 风玫瑰工具使用Matplotlib作为后端。 安装方式直接使用pip install windrose 导入模块 Python学习交流Q群:906715085#### import pandas

  • python时间格式转换--timedelta转换为时分秒 格式2022-04-12 22:31:23

    方法一:strftime('%H:%M:%S',gmtime(x))) 例: from time import gmtime from time import strftime import pandas as pd import datetime from datetime import timedelta df=pd.read_excel(r'E:\数据源.xlsx') df=df[~df['审核时间'].isnull()] df[&#

  • pandas深入浅出2.5 Pandas生成数据2022-04-12 11:31:16

    今后我们处理的数据基本上是Pandas的DataFrame和Series,其中DataFrame是Series的容器,所以需要掌握数据生成方法。现在我们学习如何制造一些简单数据放入DataFrame和Series,后面会单独讲解如何从文件(如Excel)中读取和生成数据。 2.5.1 导入Pandas   我们在使用Pandas时,另名为pd。num

  • sed 用法(转)2022-04-08 11:32:46

    sed 比较实用的(去掉windows下回车符及空白符) windows下的回车符为 /r/n 而unix下的回车符是 /n 1.去掉所有行的空格 sed -i 's/ //g' df.txt 2.去掉所有行的空格 sed -e 's/ //g' df.txt >cwm.txt 3.将每一行拖尾的“空白字符”(空格,制表符)删除 sed 's/ *$//' df.txt >cw

  • python-关联规则2022-04-07 11:31:47

    目录1. 什么是关联规则2. 关联规则有什么用3. 如何运用关联规则3.1 基本概念3.2 频繁项集评估标准3.3 Aprior算法思想4. Apriori算法应用 1. 什么是关联规则 关联规则,从大量数据中发现事物、特征或者数据之间的,频繁出现的相互依赖关系和关联关系。 X—>Y,XY的关联规则,包括支持度

  • 如何使用Python 绘制惊艳众人的瀑布图2022-04-06 13:31:56

    前言 在日常生活中,我们的工作有时候需要对数据进行可视化,让它一图标之类的呈现出来。图给人的感觉是最直观的,并且能够一眼就看到数据。 今天我们一起了解瀑布图的重要性,以及如何使用不同的绘图库(如 Matplotlib、Plotly)绘制瀑布图。瀑布图是一种二维图表,专门用于了解随着时间

  • pywebio更新数据库系统2022-04-06 02:02:05

    import pywebio from pywebio.input import * from pywebio.output import * from pywebio import start_server import pywebio.pin as pin from pywebio.session import hold import pandas as pd from functools import partial import pymysql as mdb import sys def rea

  • akshare北向基金净流入买卖策略2022-04-05 18:04:47

    import akshare as ak stock_hsgt_north_net_flow_in_em_df = ak.stock_hsgt_north_net_flow_in_em(symbol="北上") stock_em_hsgt_north_cash_df = ak.stock_hsgt_north_cash_em(symbol="北上") stock_hsgt_north_acc_flow_in_em_df = ak.stock_hsgt_nort

  • AKShare 查看A股是否跌到位2022-04-04 13:33:51

    # !/usr/bin/env python # coding: utf-8 import akshare as ak import pandas as pd import matplotlib # (jupyternotebook 画图用的,别的工具可以不用) # %matplotlib auto # 正常显示画图时出现的中文和负号 from pylab import mpl import matplotlib.pyplot as plt import s

  • notes2022-04-02 18:35:46

      """ #Lambda表达式(lambda expression) 是一个匿名函数,Lambda表达式基于数学#λ演算得名,直接对应于其中的lambda抽象(lambda abstraction),是一个匿名函数,#即没有函数名的函数。Lambda表达式可以表示闭包。 #函数返回值表达式语句#利用Lambda函数 [然后这个是逆序]li=[{"age":20,"

  • XGBoost -  算法理论以及实例2022-04-02 18:01:22

    XGBoost是一种基于Boost算法的机器学习方法,全称EXtreme Gradient Boosting。 XGBoost在GBDT的基础上,引入了: CART回归树 正则项 泰勒公式二阶导数 Blocks数据结构(用于加速运算) 从而实现了比GBDT更好的实现效果。 一. 理论 关于XGBoost的理论在官网上介绍地很清楚,可以参考: https:/

  • 盘点一道Pandas中分组聚合groupby()函数用法的基础题2022-03-31 16:31:12

    大家好,我是皮皮。 一、前言 前几天在Python最强王者交流群有个叫【Chloé】的粉丝问了一个关于Pandas中groupby函数的问题,这里拿出来给大家分享下,一起学习。 这个粉丝在法国留学,所以提问是英文的,当然了英文看上去也不难,有点二级英文基础,也看得懂,实在不行,在线翻译一下也问题不大了

  • Python数据分析----Pandas2022-03-30 22:35:30

    Python数据分析----Pandas 目录Python数据分析----Pandas1、Pandas-Series2、Pandas-Dataframe3、文件读取 pandas提供了使我们能够快速便捷地处理结构化数据的大量数据结构和函数 . pandas兼具NumPy高性能的数组计算功能以及电子表格和关系型数据库灵活的数据处理功能 . 对于金

  • 每日随笔2022-03-30 08:32:54

    今天使用pandas进行数据处理,由于刚入门pandans,对其中的部分操作并不是特别的熟悉,也给自己造成了不少的困扰。 当然其方便的功能与spark相比还是有很大的优势,我也感觉十分的方便。 首先是对其中mean(),describe(),sum(),count()的使用,这些函数都是对于DataFrame数据进行处理的便利函

  • java如何保留几位小数2022-03-29 21:01:25

    java保留几位小数的方法: import java.text.DecimalFormat; double a=1.23456,result;DecimalFormat df =new DecimalFormat("#.0…")(几个0就是几位小数)result=df.format(a);也可以直接用格式符输出: System.out.printf("%n.f",a);//保留n位小数输出

  • plt常用2022-03-27 14:01:54

    1.绘制散点图、拟合方程、R方 import matplotlib.pyplot as plt import pandas as pd import numpy as np from scipy import stats df = pd.read_excel("all_mean.xlsx") columns = list(df.columns) for i in range(2,len(columns)): x_list = list(df[columns[1]])

  • pandas常用函数2022-03-25 13:02:45

    temp = temp[temp[col].isnull()] abnormal_index = temp.index.tolist() df.loc[abnormal_index,"abnormal_flag"] = 1 df.loc[:, col].diff() df["diff"].rolling(window=window - 1).sum() df.drop(["diff", "roll"], axis=1,

  • MLOps极致细节:14. Azure ML案例:数据集预处理2022-03-21 09:07:06

    MLOps极致细节:14. Azure ML案例:数据集预处理 这一章节我们将介绍我们在Azure ML案例中所使用的数据集,并且对其进行一些预处理,包括填补空缺,编码,添加特征等。 Win10IDE:VSCodeAnaconda代码地址 文章目录 MLOps极致细节:14. Azure ML案例:数据集预处理 1 搭建虚拟环境2 数据集预处

  • 唐宇迪机器学习笔记5:K近邻算法实战2022-03-20 23:33:10

    目录 一、K近邻算法概述 1、Airbnb 房价预测任务 数据读取 数据特征 2、K近邻原理 3、距离的定义(欧氏距离) 4、实例 二、模型的评估 1、首先制定好训练集和测试集 2、基于单变量预测价格 3、进行衡量 三、数据预处理 特征数据预处理——标准化与归一化 标准化 归一化 四、sklearn

  • XGBOOST算法之一特征分析2022-03-20 16:30:26

    仅仅记录一下简单的特征分析法: 数据集仍是:Pima印第安人糖尿病数据集 主要是:数据分布、散点图、相关性矩阵分析等 代码如下: from operator import index from numpy import loadtxt from numpy import sort from matplotlib import pyplot import numpy as np import pandas a

  • iterrows(), iteritems(), itertuples() 对DataFrame进行遍历2022-03-20 13:37:19

    ` import pandas as pd df=pd.DataFrame({'C1':[10,11,12],'C2':[100,110,123]}) df output: ![image](https://img2022.cnblogs.com/blog/1944607/202203/1944607-20220320122824376-249599142.png) iterrows():将DataFrame迭代为 (index,Series(行)) for ind

专注分享技术,共同学习,共同进步。侵权联系[81616952@qq.com]

Copyright (C)ICode9.com, All Rights Reserved.

ICode9版权所有