20180807

学习方法论:强调大脑的自主学习。

1、间隔学习大于整段学习。10-20分钟的间隔,可以让大脑的得到休息,产生更丰富的想象和反思。

2、考试默写大于重复学习。学习好几遍不如设定几次考试,能让大脑记得更久,更深入。

3、交替学习大于刻意学习。交替是指不按照既定的顺序和流程学习,而是让大脑能够有多方面联想对比。刻意是指按照套路一步一步学习,看起来逻辑性强,其实是给大脑设定好了学习模式,没有释放出大脑自己的潜力。

------------------------------------------------------------------------

继承:

override:覆盖:子类和父类函数同名同参。

overload:重载:子类和父类函数同名不同参。

overwrite:重写:子类中函数同名不同参。如果这个函数继承父类,那么和overload一致。

多态:

只能被继承,不能自己实例化对象。模板+纯虚函数。

静多态(继承implement+模板template):编译时确定方法类型int/double。template T add(a, b) { return a + b; }

动多态(继承implement+虚函数接口interface):运行时确定方法调用。子类实现父类中的虚函数。父类的对象调用虚函数,实际是调用子类对虚函数的实现。纯虚函数 virtual void func=0: =>父类是抽象类,不能实例化。子类一定要实现纯虚函数。

一般先采用静多态。因为静多态是类型安全的,在编译时就确定了继承的类型。动多态可能会把类型不匹配的问题在运行时发现。但静多态的缺点是操作定义隐含,继承模板后可能有些操作没有实现。动多态显式的将操作的定义全部放在虚函数中定义,继承子类需要全部实现这些虚函数。

复杂情况静多态结合动多态。参数共享很多的情况用静多态,操作复杂的用动多态。

------------------------------------------------------------------------

  • 0
    点赞
  • 0
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
### 回答1: 可以使用`pandas`中的`to_datetime()`函数将日期转换为`datetime`类型,然后使用`dt.strftime()`函数将日期转换为字符串,最后使用`int()`函数将字符串转换为整数。示例代码如下: ```python import pandas as pd # 创建示例DataFrame df = pd.DataFrame({'date': ['2016-03-21', '2017-05-11', '2018-08-01']}) # 将日期转换为整数 df['date'] = pd.to_datetime(df['date']).dt.strftime('%Y%m%d').astype(int) print(df) ``` 输出结果为: ``` date 0 20160321 1 20170511 2 20180801 ``` ### 回答2: 要将DataFrame中的日期转换为统一的数值数据,可以使用pandas库中的to_datetime()和strftime()函数来实现。 首先,使用to_datetime()函数将日期列转换为pandas的日期时间格式。假设日期列的名称为"date",则可以使用以下代码将其转换为日期时间格式: df['date'] = pd.to_datetime(df['date']) 接下来,使用strftime()函数将日期时间格式转换为整数格式。可以将日期时间格式转换为字符串格式,然后再将其转换为整数格式。假设转换后的日期列的名称为"date_numeric",则可以使用以下代码将其转换为整数格式: df['date_numeric'] = df['date'].dt.strftime('%Y%m%d').astype(int) 在上述代码中,将日期时间格式转换为字符串格式时使用了"%Y%m%d"的格式化字符串,其中%Y表示年份(4位数),%m表示月份(2位数),%d表示日期(2位数)。 最后,将字符串格式的日期时间列使用astype()函数将其转换为整数格式。 通过以上步骤,DataFrame中的日期列将被转换为统一的整数数据,例如"2016-03-21"将被转换为整数20160321。 ### 回答3: 可以使用pandas库中的datetime模块来完成将DataFrame中的日期转换为统一的数值数据。 首先,我们需要将日期列的数据类型转换为datetime类型,可以使用pandas的to_datetime函数来实现。将日期列转换为datetime类型后,可以使用.dt属性来获取年、月、日等日期信息。 接下来,我们可以通过将年、月和日的信息进行数字的拼接,得到一个八位数的整数表示日期。可以使用.paste函数将年、月和日的数字连接起来,然后使用.astype函数将字符型转换为整型。 最后,我们可以将转换后的整数赋值回日期列。 以下是具体的代码实现: ```python import pandas as pd # 创建DataFrame,包含日期列 df = pd.DataFrame({'日期': ['2016-03-21', '2017-05-15', '2018-08-07']}) # 将日期列转换为datetime类型 df['日期'] = pd.to_datetime(df['日期']) # 获取年、月、日信息,并拼接为整数 df['日期'] = df['日期'].dt.year * 10000 + df['日期'].dt.month * 100 + df['日期'].dt.day # 输出结果 print(df) ``` 运行结果如下: ``` 日期 0 20160321 1 20170515 2 20180807 ``` 通过以上代码,我们成功将DataFrame中的日期转换为统一的数值数据,即"2016-03-21"被转换为整数20160321。

“相关推荐”对你有帮助么?

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值