自定义博客皮肤VIP专享

*博客头图：

点击选择上传的图片

格式为PNG、JPG，宽度*高度大于1920*100像素，不超过2MB，主视觉建议放在右侧，请参照线上博客头图

请上传大于1920*100像素的图片！

博客底图：

点击选择上传的图片

图片格式为PNG、JPG，不超过1MB，可上下左右平铺至整个背景

栏目图：

点击选择上传的图片

图片格式为PNG、JPG，图片宽度*高度为300*38像素，不超过0.5MB

主标题颜色：

RGB颜色，例如：#AFAFAF

Hover：

RGB颜色，例如：#AFAFAF

副标题颜色：

RGB颜色，例如：#AFAFAF

预览取消提交

自定义博客皮肤

-+

上一步保存

2301_79002390的博客

原创 C_Cpp_Preprocessing

C/C++预处理

2024-07-17 17:09:06 231

原创一看就会系列之python安装pycharm

接下来，我们可以配置python或者anaconda环境，本文配置python环境。对于学生用户可以进行免费激活，可以先适用30天，这里我直接进行我的账号登录。并且我们需要进行一些必要库的安装如 pandas numpy。我们可以看到现在只有pip这一个包，所以我们需要进行安装。这里我们发现没有Python，所以我们需要下载。然后点终端，在下方对话框就可以输入指令了。首先先进行创建文件，对文件夹进行右键。下载好之后点击安装，进行下一步。确定你的版本后进行安装。切换合适的位置，下一步。输入ch安装重启即可。

2024-05-21 14:21:35 278 1

原创关于2019年研究生数学建模E题的一些代码

2019年研究生数学建模比赛E题代码

2024-03-02 20:45:03 523 1

原创基于猜数字的原神抽奖模拟

printf("恭喜你获得了%d个三星, %d个四星, %d个五星\n", count3, count4, count5);printf("恭喜你获得了%d个三星, %d个四星, %d个五星\n", count3, count4, count5);printf("*******0.关闭******\n");printf("*******1.单抽******\n");printf("*******10.十连*****\n");// 总共抽取的三星个数。// 总共抽取的四星个数。// 总共抽取的五星个数。

2024-02-03 12:47:03 992 1

原创数学建模算法0基础学习第五天-插值算法

对于代码或算法的演示将会在下节展示。

2024-01-19 23:20:15 545 1

原创数学建模算法0基础学习第四天-优劣解topsis法

通过昨天的学习我们了解了优劣解topsis法，本次我将通过代码来详细演示并讲解。

2024-01-18 21:31:16 460 1

原创 0基础和你学习前端第三天

通过前两天的学习，我们初步的了解了Html的语法、网页中的文本元素，今天我们一起来学习图片和超链接。

2024-01-15 18:58:05 395 1

原创数学建模算法0基础学习第三天-优劣解距离法TOPSIS法

优劣解距离法该算法主要用于解决评价类问题，用于确定各个方案层的最终得分优点在于能充分利用原始数据的信息，其结果能精确地反映各评价方案之间的差距。

2024-01-15 18:30:33 463 1

原创 0基础和你学习前端第二天

头文件网页的编码<title>网页的名称</title>网页的名称

2024-01-14 14:15:49 333 1

原创数学建模算法0基础学习第二天-层次分析法

在这里我们只计算针对处理器的进行一致性检验。接着利用算术、几何、特征进行求特征权重。我们需要需要对指标进行一致性检验。最后是计算一致性检验的代码。将每一个点计算完毕之后。通过matlab代码。

2024-01-14 13:45:56 531 1

原创 0基础和你学习前端第一天

我们看到的网页、使用的小程序、手机App等都属于前端领域。HTMLCSSJavascript是构建和美化网页的三大基石。结构样式、和行为。首先我们来了解什么是HTMLhtml全称是超文本的标记语言。

2024-01-13 20:06:15 386

原创一看就会系列之如何使用Vscode配置Html

4.Easy LESS (用于实现编写less文件后生成css文件和wxss文件)5.LIve Server(实时预览运行效果）（只要代码有变化就可以自动进行更新）6.Open in browser（运行代码在浏览器打开并且查看运行结果）输入“configure language”，然后回车。1.Auto Rename Tag (同步修改前后标签的插件)在“vscode”顶部会出现一个搜索框。如果有不理解的地方可以加关注私信我。----对于字体的修改和自动保存。下一步，下一步，安装。

2024-01-13 19:16:50 2809

原创数学建模算法0基础学习第一天-层次分析法

数学建模算法0基础学习第一天-层次分析法

2024-01-13 12:14:30 1650

空空如也

空空如也

TA创建的收藏夹 TA关注的收藏夹

TA关注的人

Big__Star CSDN认证博客专家 CSDN认证企业博客

码龄1年

IP 属地：辽宁省

IP属地以运营商信息为准，境内显示到省（区、市），境外显示到国家（地区）

13: 原创

71万+: 周排名

7万+: 总排名

9604: 访问

: 等级

302: 积分

651: 粉丝

170: 获赞

9: 评论

151: 收藏

私信

关注

热门文章

最新评论

一看就会系列之python安装pycharm
CSDN-Ada助手: Python入门技能树或许可以帮到你：https://edu.csdn.net/skill/python?utm_source=AI_act_python
关于2019年研究生数学建模E题的一些代码
2401_82613320: #python处理部分数据的代码 import pandas as pd # 设置表格的路径前缀和后缀 path_prefix = 'path_to_your_tables/en_climate_summaries_All_01-' path_suffix = '.csv' # 循环处理每个文件 for year in range(1900, 2020): # 从1900年到2019年 file_path = f'{path_prefix}{year}{path_suffix}' # 读取CSV文件，假设数据有标题行，'Tm'是列标题之一 df = pd.read_csv(file_path) # 删除'Tm'列缺失数据的行 df = df.dropna(subset=['Tm']) # 保存修改后的DataFrame回同一个CSV文件 df.to_csv(file_path, index=False) print("缺失数据删除操作完成。") #合并表格 import pandas as pd # 初始化DataFrame列表 dataframes = [] # 遍历1900至2019年的每个文件 for year in range(1900, 2020): # 构建文件名 file_name = f'en_climate_summaries_All_01-{year}.csv' # 读取CSV文件 df = pd.read_csv(file_name) # 将读取的DataFrame添加到列表中 dataframes.append(df) # 合并所有的DataFrame combined_df = pd.concat(dataframes, ignore_index=True) # 输出合并结果或保存到CSV文件 print(combined_df.head()) # 打印合并后的前几行数据 combined_df.to_csv('combined_climate_data_1900-2019.csv', index=False) print("所有表格已按顺序合并完毕，并已保存到 'combined_climate_data_1900-2019.csv'。") #python处理部分数据的代码 import pandas as pd # 设置表格的路径前缀和后缀 path_prefix = 'path_to_your_table/climate_data_' path_suffix = '.csv' # 循环处理每个文件 for year in range(1900, 2020): # 从1900年到2019年 file_path = f'{path_prefix}{year}{path_suffix}' # 读取CSV文件，假设数据有标题行，'Tm'是列标题之一 df = pd.read_csv(file_path) # 删除'5'列缺失数据的行 df = df.dropna(subset=['5']) # 保存修改后的DataFrame回同一个CSV文件 df.to_csv(file_path, index=False) print("缺失数据删除操作完成。") #合并表格 import pandas as pd # 初始化DataFrame列表 dataframes = [] # 遍历1900至2019年的每个文件 for year in range(1900, 2020): # 构建文件名 file_name = f'climate_data_{year}.csv' # 读取CSV文件 df = pd.read_csv(file_name) # 将读取的DataFrame添加到列表中 dataframes.append(df) # 合并所有的DataFrame combined_df = pd.concat(dataframes, ignore_index=True) # 输出合并结果或保存到CSV文件 print(combined_df.head()) # 打印合并后的前几行数据 combined_df.to_csv('combined_climate_data_1900-2019.csv', index=False) print("所有表格已按顺序合并完毕，并已保存到 'combined_climate_data_1900-2019.csv'。") #分间隔30年的代码 import pandas as pd # 初始化DataFrame列表 dataframes = [] # 遍历1900至2019年的每个文件 for year in range(1900, 1930): # 构建文件名 file_name = f'en_climate_summaries_All_01-{year}.csv' # 读取CSV文件 df = pd.read_csv(file_name) # 将读取的DataFrame添加到列表中 dataframes.append(df) # 合并所有的DataFrame combined_df = pd.concat(dataframes, ignore_index=True) # 输出合并结果或保存到CSV文件 print(combined_df.head()) # 打印合并后的前几行数据 combined_df.to_csv('combined_climate_data_1900-1930.csv', index=False) print("所有表格已按顺序合并完毕，并已保存到 'combined_climate_data_1900-1930.csv'。") for year in range(1931, 1960): # 构建文件名 file_name = f'en_climate_summaries_All_01-{year}.csv' # 读取CSV文件 df = pd.read_csv(file_name) # 将读取的DataFrame添加到列表中 dataframes.append(df) # 合并所有的DataFrame combined_df = pd.concat(dataframes, ignore_index=True) # 输出合并结果或保存到CSV文件 print(combined_df.head()) # 打印合并后的前几行数据 combined_df.to_csv('combined_climate_data_1931-1960.csv', index=False) print("所有表格已按顺序合并完毕，并已保存到 'combined_climate_data_1931-1960.csv'。") for year in range(1961, 1990): # 构建文件名 file_name = f'en_climate_summaries_All_01-{year}.csv' # 读取CSV文件 df = pd.read_csv(file_name) # 将读取的DataFrame添加到列表中 dataframes.append(df) # 合并所有的DataFrame combined_df = pd.concat(dataframes, ignore_index=True) # 输出合并结果或保存到CSV文件 print(combined_df.head()) # 打印合并后的前几行数据 combined_df.to_csv('combined_climate_data_1961-1990.csv', index=False) print("所有表格已按顺序合并完毕，并已保存到 'combined_climate_data_1961-1990.csv'。") for year in range(1900, 1930): # 构建文件名 file_name = f'en_climate_summaries_All_01-{year}.csv' # 读取CSV文件 df = pd.read_csv(file_name) # 将读取的DataFrame添加到列表中 dataframes.append(df) # 合并所有的DataFrame combined_df = pd.concat(dataframes, ignore_index=True) # 输出合并结果或保存到CSV文件 print(combined_df.head()) # 打印合并后的前几行数据 combined_df.to_csv('combined_climate_data_1991-2019.csv', index=False) print("所有表格已按顺序合并完毕，并已保存到 'combined_climate_data_1991-2019.csv'。")
基于猜数字的原神抽奖模拟
CSDN-Ada助手: 恭喜你写了第10篇博客！标题“基于猜数字的原神抽奖模拟”听起来非常有趣。我很高兴看到你持续创作并分享原神相关的内容。你的博客给读者带来了娱乐和乐趣，这真是太棒了！接下来，我想给你一些建议，希望能帮助你在创作中不断进步。或许你可以尝试添加一些关于原神抽奖模拟的具体玩法和策略，或者分享你个人的心得体会。此外，如果有可能，你还可以考虑添加一些与原神相关的图片、视频或游戏截图，以丰富你的博客内容，让读者更加身临其境。总的来说，你的博客已经非常出色了，希望你能继续保持创作的激情，并不断尝试新的创作方式和内容。期待看到更多精彩的博客文章！
数学建模算法0基础学习第五天-插值算法
CSDN-Ada助手: 恭喜你在数学建模算法的学习上取得了不错的进展，能够坚持写作并分享学习心得是非常了不起的。对于下一篇博客，我建议你可以尝试结合实际案例，展示插值算法在实际问题中的运用，这样能够更好地帮助读者理解算法的应用场景。希望你能继续保持学习的热情，期待你更多的精彩分享！
数学建模算法0基础学习第四天-优劣解topsis法
CSDN-Ada助手: 恭喜你在数学建模算法上的持续学习和分享！Topsis法是一个很有趣的算法，能够帮助我们更好地进行决策分析。不过，我想建议你在未来的博客中可以加入一些实际案例或者应用场景，这样能够更好地帮助读者理解和应用这些算法。希望你在学习的过程中能够保持谦逊和勤奋，不断进步！加油！

最新文章

提示

确定要删除当前文章？

取消删除