ICode9

精准搜索请尝试: 精确搜索
  • Pandas- 绘图2022-01-29 14:34:00

    Pandas 在数据分析、数据可视化方面有着较为广泛的应用,Pandas 对 Matplotlib 绘图软件包的基础上单独封装了一个plot()接口,通过调用该接口可以实现常用的绘图操作。本节我们深入讲解一下 Pandas 的绘图操作。Pandas 之所以能够实现了数据可视化,主要利用了 Matplotlib 库的 plot()

  • DataFrame(5):自定义函数2022-01-29 11:33:00

    如果想要应用自定义的函数,或者把其他库中的函数应用到 Pandas 对象中,有以下三种方法: 1) 操作整个 DataFrame 的函数:pipe() 2) 操作行或者列的函数:apply() 3) 操作单一元素的函数:applymap() 如何从上述函数中选择适合的函数,这取决于函数的操作对象。下面介绍了三种方法的使用

  • AI 学习 | 足球赛果预测2022-01-29 10:59:17

    足球比赛是世界第一大球类运动,吸引无数的球迷观看,用AI模型来预测足球比赛的分析赛果是很有趣的一个活动。 数据准备 在对历史数据进行收集和处理后,对以下比赛数据进行预测。 第一列数据表征二分类的赛果,后面是各公司的指数以及一些处理出来的特征数据; 模型选择 作为常见的模

  • Python | Matplotlib | 可视化合集Part22022-01-29 09:33:26

    1 绘制密度图 1.1 密度图 import matplotlib.pyplot as plt import numpy as np from scipy.stats import gaussian_kde # 创建数据 data = [1.2]*8 + [2.2]*5 + [3.6]*8 + [4.9]*5 + [5.3]*2 + [6.6]*6 # 创建一个密度函数,从X轴给这个函数一个值时,它在Y轴上返回相应的值 dens

  • NLMeans-A non-local algorithm for image denoising算法分析2022-01-29 00:01:45

    论文名称:A non-local algorithm for image denoising 论文下载:https://www.researchgate.net/profile/Bartomeu-Coll/publication/4156453_A_non-local_algorithm_for_image_denoising/links/0f317534c2cac194e4000000/A-non-local-algorithm-for-image-denoising.pdfhttps://ww

  • 深度学习--bbox坐标转换(任意格式【list,numpy,tensor】、任意维度【向量、一维矩阵、二维矩阵】)2022-01-28 23:03:39

    作者提示:可能存在错误,在我的电脑上可以运行; 写程序过程中发现不同的人写的边界框转换程序不一样, 有的只能转换numpy矩阵, 有的只能是转换tensor矩阵, 我就尝试着写了一个可以转换任何维度的任意格式的bbox函数。 水平不够,写的时候用的时间长了,脑袋就有些晕乎乎的,就发出来希望大

  • 去除array重复的元素2022-01-28 21:34:59

    转自:https://blog.csdn.net/weixin_39858245/article/details/110776936 1.例子 import numpy as np a=np.array([[1, 1, 1, 0, 0, 0], [0, 1, 1, 1, 0, 0], [0, 1, 1, 1, 0, 0], [1, 1, 1, 0, 0, 0], [1, 1, 1, 1, 1, 0]]) unique_rows =np.unique(a, axis=0) reture_countsar

  • np.newaxis用法2022-01-28 17:03:43

    插入新维度import numpy as np a=np.array([1,2,3,4,5]) print ('a:',a) print('a.shape',a.shape) a1=a[:,np.newaxis] print ('a1:\n',a1) print('a1.shape',a1.shape) a2=a[np.newaxis,:] print ('a2:\n',a1) print('

  • matplotlib 学习笔记2022-01-28 17:02:33

    from matplotlib import pyplot as plt#导入库 import numpy as np #生成数据图集 n=1024 X=np.random.normal(0,1,n) Y=np.random.normal(0,1,n) T=np.arctan2(Y,X)#color plt.scatter(X,Y,alpha=.5,s=75,c=T) plt.xlim((-1.5,1.5)) plt.xticks(()) plt.ylim((-1.5,1.5)) plt.y

  • Python-txt文件读写2022-01-28 12:03:22

    1、txt文件打开方式 f = open("data.txt","r") #设置文件对象 f.close() #关闭文件 #为了方便,避免忘记close掉这个文件对象,可以用下面这种方式替代 with open('data.txt',"r") as f: #设置文件对象 str = f.read() #可以是随便对文件的操作 import numpy as np da

  • numpy的interp线性插值使用案例2022-01-27 11:00:53

    numpy.interp(x1, x, y)这个函数主要有三个参数, 第二.三个参数都是数组或列表,并且个数相等,你可以把它们想想成二维图像中的一些点,第一个参数可以是一个数,也可以是一组数,就是从后面两个数组中进行插值得到线性插值 传入一个参数 import numpy as np from loguru import

  • Python学习笔记——Numpy的初步学习2022-01-27 00:03:41

    目录 1.Numpy介绍 2.数组 2.1创建数组 2.2数组的属性  2.3创建特殊的数组 2.4数组切片操作  2.4.1——一维数组的切片 2.4.3——二维数组的切片 2.4.4——三维数组的切片 2.5——reshape与resize    3.数组运算 4.个人总结  hello^-^,感谢各位的来访,祝南方的小伙伴小年快乐

  • Python深度学习:计算机视觉处理库OpenCV、Numpy编辑图片、高斯模糊处理(读书笔记)2022-01-26 23:00:27

    我们上一篇简要的了解了一下机器学习的算法基础,也就是回归分析。今天我们就来看一看OpenCV的使用。 第三篇 一、三维矩阵存储图片--在Python中使用OpenCV二、OpenCV读取图片三、使用Numpy对图像进行编辑四、OpenCV的卷积核处理使用[3,3]卷积核的结果如下:那么我们也有别的卷

  • 卡方分箱、KS分箱、最优IV分箱、树结构分箱、自定义分箱2022-01-26 23:00:05

    目录 分箱 分箱的概念 卡方分箱及代码实现 自定义分箱代码实现 变量分箱对模型的好处 KS分箱 最优IV分箱 基于树的最优分箱方法 每文一语 分箱 分箱的概念 什么是分箱?如果你初入机器学习的道路,你可能比较的懵逼,为什么要分箱? 数据分箱指的是将连续数据离散化;离散化对异常值具有

  • 《深度学习入门:基于Python的理论与实现》读书笔记:第3章 神经网络2022-01-26 16:04:20

    目录 第3章 神经网络 3.1 从感知机到神经网络 3.1.1 神经网络的例子 3.1.2 复习感知机 3.1.3 激活函数登场 3.2 激活函数 3.2.1 sigmoid函数 3.2.2 阶跃函数的实现 3.2.4 sigmoid函数的实现 3.2.5 sigmoid函数和阶跃函数的比较 3.2.6 非线性函数 3.2.7 ReLU函数  3.3 多维数组

  • 统计学习方法--隐马尔可夫模型2022-01-25 19:03:40

    1.隐马尔可夫模型简介 隐马尔可夫模型由一个状态序列,一个观测序列组成,其中状态序列是不可观测的,因此叫做隐马尔可夫模型(HMM)。 几个重要的参数:Q,V,A,B,O, π \pi π, Q是所有可能出现的状态

  • Python深度学习:机器学习理论知识,包含信息熵的计算(读书笔记)2022-01-25 12:58:00

    今天这一篇,我们正式接触深度学习的理论基础—机器学习 第二篇 一、机器学习分类二、机器学习的基本算法三、算法的理论基础1、机器学习的基础理论-----函数逼近2、回归算法3、其他算法----决策树 一、机器学习分类 1、基于学科分类 统计学、人工智能、信息论、控制理论

  • 在Blender中使用代码控制人物模型的眼部动作 - 睁眼与闭眼2022-01-24 23:03:18

    在Blender中使用代码控制人物模型的眼部动作 - 睁眼与闭眼 flyfish 眼睛eyeBlink_R闭眼的数值分别是0、0.5、1。而眼睛的纵横比与之相反,眼睛的纵横比越大,眼睛睁的越大。 眼睛的纵横比的计算方法 眼睛的纵横比越大,眼睛睁的越大。 代码实现 关于眼部的关键点在mediapipe中

  • python numpy的一些基本使用2022-01-24 17:01:04

    import numpy as np '''the 1st part: the build of array''' array1_1 = np.array([[1, 2, 3], [4, 5, 6], [7, 8, 9]]) '''[[1 2 3] [4 5 6] [7 8 9]] ''' array1_2 = np.zeros([3, 3]) ''

  • 常用数值2022-01-24 14:04:04

    我也不知道大家为什么都这样导入 # 一个人这样使用也罢了,几乎所有人都这样,我也跟随吧 import numpy as np arr = np.array([1, 2, 3, 4]) # 创建 print(arr) # [1 2 3 4] print(type(arr)) # <class 'numpy.ndarray'> print(arr.dtype) # int32,跟随系统,有的机器是int64 #

  • 机器视觉实用工具集NO.2——图像的90度旋转和翻转2022-01-24 14:01:32

    1、图像的90度旋转: def rota90(inputimage, isclockwise=False): """ 图像旋转90度: isclockwise=True,顺时针 isclockwise=False,逆时针 """ if type(inputimage)==type(np.array([])): if len(inputimage.shape)==3:

  • python数据可视化的那些操作2022-01-23 16:31:38

    目录 0. 前言1. matplotlib中figure、subplot和plot等什么关系2. 画图的细节修改2.1 plot画图形式修改2.2 添加图例、标签等2.3 在图上画注解和矩形 3. 图形保存参考链接 0. 前言 数据处理过程中,可视化可以更直观得感受数据,因此打算结合自己的一些实践经理,以效果为准写这

  • 数字识别的神经网络(个人笔记)2022-01-23 13:02:00

    数字识别的神经网络 一、不含迭代次数的代码 import numpy as np import torch from torch.utils.data import DataLoader import torchvision.datasets as dsets import torchvision.transforms as transforms #对数损失函数 def cross_entropy_error(p, y): delta =

  • Matplotlib系列(五):三维绘图2022-01-22 10:58:51

    Matplotlib系列目录 文章目录 一、 简介二、 思维导图三、 Matplotlib三维图形1. 绘制3d图形2. 基本三维图像2.1 3d折线图2.2 3d散点图2.3 3d柱形图2.4 3d火柴图2.5 3d误差图 3. 三维曲面3.1 3d网格面3.2 3d曲面3.3 3d非结构化三角网格3.4 3d非结构化网格等值线 4. 3d标量

  • OpenCV53:图像去噪|Image Denoising2022-01-21 20:03:21

    目标 在本章中, 将学习 用于去除图像中噪声的非局部均值去噪算法学习不同的函数 cv2.fastNlMeansDenoising()cv2.fastNlMeansDenoisingColored()cv2.fastNlMeansDenoisingMulti()cv2.fastNlMeansDenoisingColoredMulti() 理论 在前面的章节中,已经看到了许多图像平滑技术,例

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