ICode9

精准搜索请尝试: 精确搜索
  • Pandas一个需求:存在一个列表,需要在一个DataFrame中取到以该列表为索引的数据2021-05-24 09:05:30

     需求:Pandas一个需求:存在一个列表,需要在一个DataFrame中取到以该列表为索引的数据 这里有一个坑, In [103]: s = pd.Series([1, 2, 3]) In [104]: s Out[104]: 0 1 1 2 2 3 dtype: int64当loc[]中的列表包含于S的索引中的话,没有问题 In [105]: s.loc[[1, 2]] Out[105]:

  • pandas取dataframe特定行/列2021-05-23 20:02:32

    import pandas as pddata = pd.DataFrame({'a':[1,2,3],'b':[4,5,6],'c':[7,8,9]})提取列单列data['a'] 多列data[['a', 'b']]   使用 .loc或者 .iloc 提取第一个参数是行,第二个参数为列 .loc为按标签提取, .iloc为按位置索引提取 data.loc[:, 'a�

  • 数据结构与算法之选择排序2021-05-20 23:03:44

    选择排序算法的原理: 选择排序是从冒泡排序演化而来的,每一轮(趟)比较出最小的那个值,放到第一个位置,然后在每轮的无序区中选出最小的值放到第二个位置。 目的:从小到大排序 图示: 算法的关键点是:有序区跟无序区、无序区最小的位置 首先我们写一个简单的选择排序,用到python的内置模块:

  • Convert Categories Feature to numbers2021-05-20 14:02:58

    import pandas as pdif __name__ == '__main__': mapping = { "Class0": 0, "Class1": 1, "Class2": 2, "Class3": 3, "Class4": 4, "Class5": 5 }

  • numpy.random.normal学习笔记2021-05-06 19:01:22

    numpy.random.normal学习笔记用例: 正态分布=高斯分布 mean=loc=均值(或称期待值) stddev=scale=标准差 shape=size=输出形状,二者在处理这个参数时候(a,b)=[a,b],其中,numpy的normal对参数格式要求更灵活一些。 比如创建随机数的一行两列数组: np.random.normal([2])=np.random.no

  • pandas数据索引之loc、iloc、ix详解及实例2021-05-01 14:58:22

    pandas数据索引之loc、iloc、ix详解及实例   先来个总结:   loc函数:通过行索引 "Index" 中的具体值来取行数据(如取"Index"为"A"的行)   iloc函数:通过行号来取行数据(如取第二行的数据)   ix函数:这个东东在pandas后来升级的时候被抛弃掉了,因为它多余了,所以我们忘掉它吧! 这里面

  • Python读取点云与可视化2021-04-30 21:00:51

    Python读取点云与可视化 一、点云的读取与索引1. 通过pandas包读取2.通过Laspy包读取 二、可视化 最近开始学习处理点云数据,之前是用LiDAR 360来进行预处理,但软件还是无法实现许多功能,开个贴记录下python对点云的处理过程。 一、点云的读取与索引 点云数据的格式由于不

  • AttributeError: ‘DataFrame‘ object has no attribute ‘ix‘2021-04-24 10:04:25

    问题原因 pandas版本0.20.0及其以后版本中,ix已经不被推荐使用 问题解决 使用loc和iloc替换 loc loc gets rows (or columns) with particular labels from the index. loc从索引中获取具有特定标签的行(或列)。这里的关键是:标签。标签的理解就是name名字。 >>> import pandas a

  • pandas(7):查询和筛选数据2021-04-23 11:32:28

    目录一、截断操作df.truncate()二、Fancy Indexing(1)类列表切片[](2)基于标签df.loc[]①单个标签——单行②单个列表标签——多行③切片标签④逗号双标签(3)基于下标位置df.iloc[](4)取具体某一数据 .at/.iat(5)表达式,bool数组三、函数筛选(1)where 和 mask(2)query()(3)filter()

  • Selenium的PO模式(Page Object Model)[python版]2021-04-22 16:05:59

     Page Object Model 简称POM 普通的测试用例代码:....#测试用例 def test_login_mail(self):  driver = self.driver   driver.get("http://mail.126.com")  driver.find_element_by_id("idInput").clear()  driver.find_element_by_id("idInput").send_keys(&

  • 痞子衡嵌入式:微处理器CPU性能测试基准(Dhrystone)2021-04-16 15:05:33

    在嵌入式系统行业用于评价CPU性能指标的标准主要有三种:Dhrystone、MIPS、CoreMark,其中Dhrystone是一种古老的却历时30年而不衰的嵌入式系统处理器测试基准,至今仍为各大处理器生产厂商所采用。今天痞子衡就和大家详细聊一聊Dhrystone。  大家好,我是痞子衡,是正经搞技术的痞子。今天

  • 【DB笔试面试719】在Oracle中,什么是OCR、OLR和VF?2021-04-15 11:03:05

    ♣题目部分在Oracle中,什么是OCR、OLR和VF?     ♣答案部分Oracle集群使用两种类型的文件来管理集群资源和节点:OCR(Oracle Cluster Registry,Oracle集群注册表)和VF(Voting File,表决磁盘文件)。这两种文件必须存放在共享存储上。其中,OCR相当于集群的控制文件,用于解决健忘问题,VF用于解决

  • 虎扑热帖|Python数据分析|NBA的球星们喜欢在哪个位置出手2021-04-14 13:01:13

    前言1. 这篇数据分析案例,我做了个视频版本,对代码做了解读,讲了运行的注意事项和一些有的没的,供需。对于视频制作还不是很有经验,多包涵。(视频里有彩蛋)同样,之前上传了B站一份,点文末“阅读原文”可直达,喜欢的话请支持我一下。2. 本文在案例的代码写完后,我把它发在了虎扑上。结果,被推荐

  • Pandas之DataFrame详解2021-04-09 15:01:23

    二维数据,Series容器,既有行索引,又有列索引     1. 创建DataFrame 1.1 通过list 创建DataFrame 需要指定 data,index 行,columns 列 指定data和index/columns是list类型或者 np.arange df1 = pd.DataFrame(data=[[1, 2, 3], [11, 12, 13]], index=['r_1', 'r_2'], columns=['

  • 《python数字货币量化交易》学习笔记 第四部分别有洞天篇 4.1 择时策略实盘与优化2021-04-06 23:57:29

    《python数字货币量化交易》学习笔记 第四部分别有洞天篇 4.1 择时策略实盘与优化 . 4.1.1 策略评价 4.1.2 资金曲线图 Statistics . . . 《python数字货币量化交易》学习笔记 第四部分别有洞天篇 4.1 择时策略实盘与优化 4.1.1 策略评价 “”" 本节课程内容 评价策略好坏的

  • Python DataFrame 中loc和iloc的区别2021-04-03 13:59:42

    在使用pandas时,loc和iloc让我踩了几次坑。所以在此记录一下二者的区别。 In [1]: import pandas as pd In [2]: import numpy as np In [3]: d = pd.DataFrame(np.arange(20).reshape(5, 4), columns=list('abcd')) In [4]: d Out[4]: a b c d 0 0 1 2 3

  • 《Ultra Fast Structure-aware Deep Lane Detection》论文笔记2021-04-01 20:30:03

    参考代码:Ultra-Fast-Lane-Detection 1. 概述 导读:现有很多车道线检测方法都是基于分割网络去做的,这就导致了其在车道线检测困难场景(严重遮挡和极限光照条件下)下的适应性和infer速度上存在问题。在困难场景下车道线的检测往往很依赖车道线区域的上下文和全局信息的获取,但传统

  • Nginx+Keepalived实现简单的服务高可用2021-04-01 08:01:52

    Nginx+Keepalived实现简单的服务高可用   一般情况下,如果我们做小型项目,前端用一个nginx做反向代理即可,大概是这样的   image.png   但是,作为互联网项目,纯2C的话必然需要做高可用,不仅后端的Server有N个,Nginx同样需要有N个,一主N备,当有一个服务器挂掉的时候,服务能瞬间

  • 附近的门店功能JAVA版实现2021-03-24 18:01:41

    文章目录 前言一、附近门店功能redis实现mongodb实现 总结 前言 最近公司项目需要实现附近的门店功能,通过查询资料发现很多方法都可以实现。 包括Mysql,Redis,Mongodb,PostgreSQL等 其中分别选择了redis和mongodb进行实现。 一、附近门店功能 redis实现 redis4.0.14版本

  • panda中dataframe常见操作:取行、列、切片、统计特征值合集2021-03-22 12:32:05

    本文主要整理自 https://blog.csdn.net/tanlangqie/article/details/78656588 并在此基础上补充 #  -*- coding: utf-8 -*- import numpy as np import pandas as pd from pandas import  * from numpy import * data = DataFrame(np.arange(16).reshape(4,4),index = list(

  • 实战:简单Java类2021-03-21 21:33:17

    对于简单Java类而言,其核心开发结构如下: 类名称一定要有意义,可以明确的描述某一类事物;类之中的所有属性都必须使用private进行封装,同时封装后的属性必须要提供有setter、getter方法;类之中可以提供多个构造方法,但是必须要保留无参构造方法;类之中不允许出现任何的输出语句,所有内

  • uboot 环境变量加载过程分析2021-03-20 16:02:00

    uboot 环境变量加载过程分析   在uboot的初始化过程中,环境变量的初始化加载过程如下: board_r.c/initr_env() ---> env/common.c/env_relocate() ---> env/env.c/env_load() 在env_load()函数中,会根据启动介质(mmc spi)去选择env存储位置,然后调用相应介质的load函数将环境变量读取

  • 缺陷密度2021-03-17 18:03:37

    什么是缺陷密度? 缺陷密度是软件/模块在特定运行或开发期间确认的缺陷数量除以软件/模块的大小。它使人们能够决定某个软件是否已准备好发布。 缺陷密度是按每千行代码(即 KLOC)计算的。 如何计算缺陷密度 测量缺陷密度的公式: 缺陷密度=缺陷数量/版本大小 版本的大小可以用一行代码(Lo

  • 画图:matplotlib模块2021-03-14 11:06:08

    结合金融场景演示Matplotlib模块的操作 一、数据来源——Tushare Tushare大数据开放社区免费提供各类金融数据。数据丰富:拥有丰富的数据内容,如股票、基金、期货、数字货币等行情数据,公司财务、基金经理等基本面数据;获取简单:SDK开发包支持语言,同时提供HTTP Restful接口,最大程

  • SSM连接操作mysql数据库进行增删改查2021-03-13 10:58:49

    pom文件要加两个依赖 <!-- https://mvnrepository.com/artifact/mysql/mysql-connector-java --> <dependency> <groupId>mysql</groupId> <artifactId>mysql-connector-java</artifactId> <version>5.1.38</version> </dep

专注分享技术,共同学习,共同进步。侵权联系[admin#icode9.com]

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

ICode9版权所有