- 博客(48)
- 资源 (2)
- 收藏
- 关注
RSS订阅原创 欧姆电阻测量原理
1.欧姆测量原理 用一节干电池，电动势为E，内阻为r和一个满偏电流为Ig内阻为Rg的电流表以及一个滑动变阻器R0（调零电阻）串联起来，就构成了一个可以测量电阻的欧姆表。Ig=E/(r+Rg+R0)标定：通过保持R0的值不变，在红、黑两只表笔间接入标准电阻进行标定刻度。满偏电流：仪表内可以通过的最大允许电流。此时通过保持R0的值不变，在红黑两表笔间接入待测量电阻Rx就行。Rx=E/I-（r+Rg+R0）2.四线电阻测量 传统的电阻测量在导线自身电阻比较大时测量误差比较大，因此引
2022-05-28 22:54:45
1205
原创 python第二阶段（26）numpy入门基础-可视化之向轴添加文本
numpy入门基础-可视化之向轴添加文本1、向轴添加文本text函数2、示例1）简单的文字2）数学表达式TeX1、向轴添加文本text函数matplotlib.pyplot.text（x，y，s，fontdict = None，** kwargs）x，y:浮点数。放置文本的位置。默认情况下，这是在数据坐标中。可以使用变换参数来更改坐标系 。s：str。文本内容。fontdict：dict, 默认: None。用于覆盖默认文本属性的字典。如果fontdict为None，则默认值由确定rc
2020-10-08 23:33:05
258
原创 python第二阶段（25）numpy入门基础-可视化之坐标轴箭头注释
numpy入门基础-可视化之坐标轴箭头注释坐标轴注释annotate函数2、示例演示：可参考的网址：链接: https://matplotlib.org/api/pyplot_summary.html.坐标轴注释annotate函数函数：matplotlib.pyplot.annotate(text, xy, *args, **kwargs)参数：text：str。注释的文本。s是此参数的不赞成使用的同义词。xy：(浮点数，浮点数）。要注释的点（x，y）。坐标系由xycoords确定
2020-10-08 20:14:36
538
原创 python第二阶段（24）numpy入门基础-可视化之双坐标轴
numpy入门基础-可视化之双坐标轴1、添加双坐标轴2、示例演示：1、添加双坐标轴matplotlib.pyplot.twinx(ax=None)#制作并返回共享x轴的第二个轴。matplotlib.pyplot.twiny(ax=None)#制作并返回共享y轴的第二个轴。2、示例in:x=np.arange(2,20,1)y1=x*xy2=np.log(x)fig=plt.figure()ax1=fig.add_subplot(111)ax1.plot(x,y1,'y',la
2020-10-08 20:11:30
359
原创 python第二阶段（23）numpy入门基础-可视化之改变刻度密度
numpy入门基础-可视化之改变刻度1、该变刻度locator_params函数2、示例演示：1、该变刻度locator_params函数matplotlib.pyplot.locator_params(axis='both', tight=None, **kwargs)axis：{‘both’，‘x’，‘y’}，默认值：‘both’。改变刻度的轴。tight：布尔或无，可选。参数传递给autoscale_view。默认为无，不做任何更改。**kwargs：其余的关键字参数将直接传
2020-10-08 20:10:39
344
原创 python第二阶段（22）numpy入门基础-可视化之图例
numpy入门基础-可视化之图例1、图例显示legend函数2、示例演示：1、图例显示legend函数在轴上放置图例matplotlib.pyplot.legend(*args, **kwargs)三种形式：（用到再自行百度吧）legend()#讲这个legend(labels)legend(handles, labels)2、示例in：import numpy as np #导入 numpyasimport matplotlib.pyplot as plt #导入 matplo
2020-10-06 17:35:56
321
原创 python第二阶段（21）numpy入门基础-可视化之网格
numpy入门基础-可视化之网格1、调出网格2、示例1、调出网格Axes.grid(self, b=None, which='major', axis='both', **kwargs)b：bool，默认：无，可选。就是是否显示网格线。是否显示网格线。如果提供了任何kwarg，则假定您要打开网格并将b设置为True。如果b为None并且没有kwargs，则将切换线的可见性。which：默认：major，{‘major’，‘minor’，‘both’}（可选）。要应用更改的网格线。
2020-10-06 16:24:34
272
原创 python第二阶段（20）numpy入门基础-可视化之子图和多图
numpy入门基础-可视化之子图和多图1、子图1）子图subplot的概念2）面向对象的子图实例化的步骤3）示例2、多图演示：1、子图在一个界面生成多个图1）子图subplot的概念●Matplotlib对象简介●FigureCanvas●Figure●Axes作用：可以用在做数据图形对比，一目了然2）面向对象的子图实例化的步骤第一步：生成一个画像●fig=plt, figure()第二步：对Figure进行实例，添加Axes实例●ax1=fig. add. subplot
2020-10-06 15:33:58
311
原创 python第二阶段（19）numpy入门基础-可视化之颜色和样式
numpy入门基础-可视化之颜色和样式1、颜色1）内置颜色2）灰度阴影3）十六进制表示颜色4）RGB元组表示颜色2、点和线的样式1）点样式2）线样式3）点和线的混用样式3、作业演示：1、颜色1）内置颜色八种内建默认颜色缩写b: blueg: greenr: redc: cyanm: magentay: yellowk: blackw: whitein：import numpy as np #导入 numpyasimport matplotlib.pyplot as plt #导
2020-10-05 16:10:04
971
原创 python第二阶段（18）numpy入门基础-可视化之箱形图
numpy入门基础-可视化之箱形图1、numpy的箱形图boxplot函数2、示例1）单个箱形图2）显示多个箱形图1、numpy的箱形图boxplot函数箱形图：●箱形图(Box-plot) 又称为盒须图、盘式图或箱线图，体现数据的分散情况●是一种用作显示一组数据分散情况资料的统计图。●上边缘，上四分位数，中位数，下四分位数，下边缘，异常值。matplotlib.pyplot.boxplot(x, notch=None, sym=None, vert=None, whis=None, pos
2020-10-05 15:03:54
1166
原创 python第二阶段（17）numpy入门基础-可视化之饼状图
numpy入门基础-可视化之饼状图1、numpy的饼状图函数2、 示例演示：1、numpy的饼状图函数直方图：●饼状图显示一-个数据系列中各项的大小与各项总和的比例。●饼状图中的数据点显示为整个饼状图的百分比。●如前十大品牌占市场份额图。matplotlib.pyplot.pie(x, explode=None, labels=None, colors=None, autopct=None, pctdistance=0.6, shadow=False,labeldistance=1.1,
2020-10-05 14:24:37
724
1
原创 python第二阶段（16）numpy入门基础-可视化之直方图
numpy入门基础-可视化之直方图1、numpy的直方图hist函数2、示例1）标准化输出直方图2）非标准化输出直方图3）双变量直方分布演示：1、numpy的直方图hist函数直方图：matplotlib.pyplot.hist(x, bins=None, range=None, density=False, weights=None, cumulative=False, bottom=None, histtype='bar', align='mid', orientation='vertic
2020-10-05 01:08:28
2224
原创 python第二阶段（15）numpy入门基础-可视化之条形图
numpy入门基础-可视化之条形图1、numpy的条形图bar函数2、示例1）简单的例子2）水平条形图3）显示多条并行条形图4）显示多条重叠条形图演示：1、numpy的条形图bar函数条形图：●以长方形的长度为变量的统计图表●用来比较多个项目分类的数据大小●通常利用于较小的数据集分析●例如不同季度的销量，不同国家的人口等函数：pyplot.bar(x, height, width=0.8, bottom=None, *, align='center', data=None, **kwar
2020-10-04 19:09:21
1604
1
原创 python第二阶段（14）numpy入门基础-可视化之折线图
numpy入门基础-可视化之折线图1、numpy的折线图plot_date函数2、示例1）简单的示例2）股票时间序列图演示：1、numpy的折线图plot_date函数折线图：●折线图是用直线段将各数据连接起来组成的图形。●常用来观察数据随时间变化的趋势。●例如股票价格、温度变化、等等。2、示例1）简单的示例在此之前学一个函数：np.linspace(start, stop, num=50, endpoint=True, retstep=False, dtype=None) #在规定
2020-10-04 17:35:06
2935
2
原创 python第二阶段（13）numpy入门基础-可视化之散点图
numpy入门基础-可视化1、numpy的散点图scatter函数2、scatter函数示例1）身高体重散点图2）相关的散点图3）不相关的散点图4)股票示例，昨天和今天的股票关系演示：1、numpy的散点图scatter函数什么是散点图：●散点图显示两组数据的值，每个点的坐标位置由变量的值决定。●由一组不连接的点完成，用于观察两种变量的相关性。●例如身高-体重、温度-纬度、等等。●正相关、负相关、不相关。matplotlib.pyplot.scatter(x, y, s=None, c=No
2020-10-04 13:05:54
3357
1
原创 python第二阶段（12）pandas入门基础-可视化
pandas入门基础-可视化1 基本绘图：plot2 条形图3 箱线图4 面积图5 散点图演示：1 基本绘图：plotin：import matplotlib.pyplot as plt#导入可视化的模块import pandas as pdimport numpy as npts = pd.Series(np.random.randn(1000),index=pd.date_range('1/1/2000', periods=1000))#从20001月1日开始，间隔1000天ts = t
2020-09-16 23:34:35
179
原创 python第二阶段（11）pandas入门基础-时间序列
时间序列1、pandas.date_range2、pandas.period_range3、Period.asfreq()演示：1、pandas.date_rangepandas.date_range(start=None, end=None, periods=None, freq=None, tz=None, normalize=False, name=None, closed=None, **kwargs)2、pan
2020-09-15 22:39:36
205
原创 python第二阶段（10）pandas入门基础-数据IO
pandas入门基础-数据IO1 pandas.read_csv2 pandas.read_table1 pandas.read_csv将逗号分隔值（csv）文件读取到DataFrame中1、filepath_or_buffer:读取的文件路径，URL（包含http,ftp,s3）链接等2、2、sep : str , default’,’ 指定分隔符。如果不指定参数，则会尝试使用逗号分隔。分隔符长于一个字符并且不是‘\s+’,将使用python的语法分析器。并且忽略数据中的逗号。正则表达式例子：’
2020-09-15 21:58:39
260
原创 python第二阶段（9）pandas入门基础-聚合统计
pandas入门基础-聚合统计1 内置的聚合函数2 自定义聚合函数agg3 不同列进行不同的聚合函数1 内置的聚合函数演示用：python第二阶段（8）中用到的以下几个.mean()#计算平均值.sum()#求和.size()#统计大小.count()#计算个数这里再介绍一个.describe()描述函数in：新建一个二维数组import pandas as pdimport numpy as npdf= pd.DataFrame({'key1':['a','a','b','b',
2020-09-14 23:25:23
447
原创 python第二阶段（8）pandas入门基础-分组运算
pandas入门基础-分组运算DataFrame新建1.按列分组后计算平均值2.按自定义列进行分组后计算平均值3.按列分组后求和4.按列分组后统计出现的次数5.默认分组6. 变成列表（不堆叠）7.for循环分组，按列8.分组转换成字典9. 按df.dtypes对列进行分组后求和10. 通过字典进行分组11.其他分组演示用：DataFrame新建in：新建一个二维数组DataFrameimport pandas as pdimport numpy as npdf= pd.DataFrame({'k
2020-09-10 07:20:21
461
原创 python第二阶段（7）pandas入门基础-sort_values
pandas入门基础-DataFrame.sort_values排序-DataFrame.sort_values1按某行排序2 将NA放在首位排序-Series.sort_values排序-DataFrame.sort_valuesDataFrame.sort_values(by, axis=0, ascending=True, inplace=False, kind='quicksort', na_position='last', ignore_index=False, key=None)by：
2020-08-30 21:31:37
336
原创 python第二阶段（6）pandas入门基础-DataFrame.apply和.applymap
pandas入门基础-DataFrame.applyDataFrame.apply函数定义函数举例DataFrame.applyDataFrame.apply函数定义DataFrame.apply(func, axis=0, raw=False, result_type=None, args=(), **kwds)传递给函数的对象是Series对象，其索引是DataFrame的索引（axis=0）或DataFrame的列（axis=1）。默认情况下（result_type=None），根据应用函数的
2020-08-29 23:56:24
253
原创 python第二阶段（5）pandas入门基础-Series和DataFrame.reindex
pandas入门基础-Series和DataFrame.reindexSeries的索引1 Series的索引index2 Series的重新索引reindexDataFrame的索引1 DataFrame的索引index2 DataFrame的重新索引reindex演示：jupyterSeries的索引1 Series的索引index先建立一个Series对象in:import pandas as pdimport numpy as nps = pd.Series([1,2,3,6,7],
2020-08-29 23:03:51
221
原创 python第二阶段（4）pandas入门核心基础结构
pandas入门核心基础结构SeriesSeries特性1 类ndarray对象2 类dict对象DataFrame特性1 利用字典创建2 利用列表创建Series和DataFrame演示：jupyterSeriesSeries是一维标记的数组，能够保存任何数据类型（整数，字符串，浮点数，Python对象等），轴标签统称为index。创建系列的基本方法是调用：s = pd.Series(data, index=index)其中index是一个列表，用来作为数据的标签。data 可以是不同的数据类
2020-08-27 23:42:14
204
原创 python第二阶段（3）入门pandas-数据整形-可视化等
入门pandas-数据整形-可视化等数据整形1 MultiIndex.from_tuples（）2 df.stack()数据透视df.pivot_table()时间序列数据可视化数据的载入与保存数据整形1 MultiIndex.from_tuples（）classmethod.MultiIndex.from_tuples（tuples,sortorder = None，names = None）tuples：列表/ 类似元组的序列。每个元组是一个行/列的索引。sortorder： int或无。
2020-08-26 23:45:18
293
原创 python第二阶段（2）入门-数据科学包 pandas
数据科学包 pandas导入pandas创建对象1 系列2 日期序列（1）3 日期序列（2）4 Series的操作（1）5 Series的操作（2）合并，新增，连接和比较1 连接2 append()增加3 merge()4 join()Pandas库是处理时间序列的利器，pandas有着强大的日期数据处理功能，可以按日期筛选数据、按日期显示数据、按日期统计数据导入pandaspandas常与numpy库一起使用，所以通常会一起引用，所以也要导入import numpy as npimport num
2020-08-26 22:27:49
217
原创 python第二阶段（1）入门---数据科学包numpy
机器学习---数据科学包numpy-1numpy的简介numpy和pythonnumpy的属性1 numpy的导入2 numpy的属性numpy的创建1 第一种数组的创建2 用arange()创建数组3 用linspace() 创建数组4 用特殊数组生成numpy的运算numpy的索引numpy的分割和合并1合并分割numpy的简介NumPy（Numerical Python）是Python的一种开源的数值计算扩展。这种工具可用来存储和处理大型矩阵，比Python自身的嵌套列表（nested list
2020-08-25 00:53:27
353
原创 python学习之路（18）Python-初识模块
Python-初识模块模块化(module)程序设计理念1 模块和包概念2 标准库模块(standard library)3 为什么需要模块化编程4 模块化编程的流程5 模块的 API 和功能描述要点模块的导入1 import 语句导入2 from…import 导入3 import 语句和 from...import 语句的区别4 __import__()动态导入5 模块的加载问题包 package 的使用1包(package)的概念和结构2 pycharm 中创建包3 导入包操作和本质4 用*导入包5
2020-08-23 22:33:07
204
原创 python学习之路（17）Python-初识文件操作(IO 技术)
初识文件操作-IO 技术文本文件和二进制文件1 文本文件2 二进制文件文件操作相关模块概述1 创建文件对象 open()2 文本文件的写入3 常用编码介绍建议使用的编码规则中文乱码的问题4 write()/writelines()写入数据5 close()关闭文件流6 文本文件的读取read([size])readline()readlines()7 二进制文件的读取和写入文件对象的常用属性和方法使用 pickle 序列化CSV 文件的操作1 csv.reader 对象和 csv 文件读取2 csv.wri
2020-08-23 21:47:03
448
原创 python学习之路（16）Python-初始异常结构
这里写目录标题异常1 什么是异常2 异常的解决顺序异常处理的结构1 try...except 结构2 try...多个 except 结构3 try...except...else 结构4 try...except...finally 结构5 return 语句和异常处理问题6 with 上下文管理7 trackback 模块常见异常汇总1 SyntaxError： 语法错误2 NameError： 尝试访问一个没有申明的变量3 ZeroDivisionError： 除数为 0 错误（零除错误）4 Valu
2020-08-23 14:47:22
264
原创 python学习之路（15）Python-再次识面向对象（核心知识）
面向对象进阶面向对象三大特征1 封装（隐藏）2 继承3 多态继承1 子类继承语法格式2 类成员的继承和重写3 查看类的继承层次结构4 查看类的继承属性和方法5 重写__str__()方法6 多重继承7 MRO()8 super()获得父类定义多态特殊方法和运算符重载特殊属性深拷贝和浅拷贝组合设计模式（先有个概念）1 工厂模式实现2 单例模式面向对象三大特征Python 是面向对象的语言，也支持面向对象编程的三大特性：继承、封装（隐藏）、多态。1 封装（隐藏）隐藏对象的属性和实现细节，只对外提供必要的
2020-08-23 00:33:32
198
原创 python学习之路（14）Python-初识面向对象（核心知识）(2）
初识面向对象（核心知识）(2）类的方法1 私有属性(实现封装)2 私有方法3 @property 装饰器类的方法方法的动态性：Python 是动态语言，我们可以动态的为类添加新的方法，或者动态的修改类的已有的方法。例子：对比class Person:#这是一个Person类 def work(self): # 这是一个Person类的一个方法 print("努力上班！")p = Person() #正常情况下新建一个p类p.work() #调用这个类的方法执行结果：
2020-08-21 23:55:58
166
原创 python学习之路（14）Python-初识面向对象（核心知识）（1）
面向对象（核心知识对象（模具对象）1 面向对象的思想2 对象的进化类1 类的定义2 类的语法格式3 类的构造方法1） __init__构造方法 和__new__方法2）实例属性3）实例方法4）函数和方法的区别4 其他操作类对象（模具类）1 类属性2 类方法3 静态方法4 __del__方法(析构函数)和垃圾回收机制5 __call__方法和可调用对象注意事项对象（模具对象）1 面向对象的思想Python 完全采用了面向对象的思想，是真正面向对象的编程语言，完全支持面向对象的基本功能，例如：继承、多态
2020-08-20 22:13:22
276
原创 python学习之路（13）Python-浅谈lambda、eval、递归等函数用法
这里写目录标题1 lambda 表达式和匿名函数2 eval()函数3 递归函数4 嵌套函数(内部函数)5 nonlocal 关键字6 LEGB 规则1 lambda 表达式和匿名函数lambda 表达式可以用来声明匿名函数。lambda 函数是一种简单的、在同一行中定义函数的方法。lambda 函数实际生成了一个函数对象。lambda 表达式只允许包含一个表达式，不能包含复杂语句，该表达式的计算结果就是函数的返回值。arg1/arg2/arg3 为函数的参数。<表达式>相当于函数体。
2020-08-19 22:39:00
309
原创 python学习之路（12）Python-函数用法和底层分析
函数用法和底层分析函数用法和底层分析1 函数的基本概念2 Python 函数的分类3 函数的定义和调用4 形参和实参5 文档字符串(函数的注释)6 函数返回值函数用法和底层分析 函数是可重用的程序代码块。函数的作用，不仅可以实现代码的复用，更能实现代码的一致性。一致性指的是，只要修改函数的代码，则所有调用该函数的地方都能得到体现。在编写函数时，函数体中的代码写法和我们前面讲述的基本一致，只是对代码实现了封装，
2020-08-16 21:09:26
397
原创 python学习之路（11）Python集合、列表、字典阶段小总结（推导式创建序列）
这里写目录标题推导式创建序列列表推导式1 列表复习2 列表推导式学习字典推导式1 字典复习2 字典推导式学习集合推导式1 集合复习2 集合推导式学习生成器推导式（生成元组）1 元组复习2 生成器推导式（生成元组）学习综合练习推导式创建序列推导式是从一个或者多个迭代器快速创建序列的一种方法。它可以将循环和条件判断结合，从而避免冗长的代码。推导式是典型的 Python 风格，会使用它代表你已经超过 Python 初学者的水平。列表推导式1 列表复习链接: https://blog.csdn.net/D
2020-08-16 20:09:56
318
原创 python学习之路（10）Python浅谈控制语句
Python控制语句选择语句1 单分支结构双分支结构三元条件运算符while循环结构三级目录选择语句PS：程序演示用PyCharm选择结构通过判断条件是否成立,来决定执行哪个分支。选择结构有多种形式,分为: 单分支、双分支、多分支。流程图如下:1 单分支结构单分支选择结构if语句单分支结构的语法形式如下:if条件表达式:悟句/语句块其中:①.条件表达式:可以是逻辑表达式、关系表达式、算术表达式等等.②.语句/语句块:可以是一条语句.也可以是多条语句。多条语句,缩进必须对齐一致。[
2020-08-15 00:04:39
223
原创 python学习之路（9）Python浅谈集合
Python浅谈集合集合1 集合创建和删除2 集合相关操作集合PS:程序演示用IDLE集合是无序可变,元素不能重复。实际上.集合底层是字典实现,集合的所有元素都是字典中的"键对象" >,因此是不能重复的且唯一-的。1 集合创建和删除1.使用{}创建集合对象，并使用add()方法添加元素>>> a = {3,5,7}>>> a{3, 5, 7}>>> a.add(9)>>> a{9,3, 5, 7}2.使
2020-08-12 22:41:18
111
原创 python学习之路（8）Python浅谈字典
Python浅谈字典字典的4种创建方式第一第二种：通过{}、dict0来创建第三种 通过zip()创建第四种 通过fromkeys创建值为空的字典字典元素的访问1 通过[键] 获得"值”。2 通过get()方法获得“值"3 列出所有的键值对4 列出所有的键,列出所有的值5. len() 键值对的个数6.检测一个”键”是否在字典中字典元素的添加\修改\删除1 a[]=' '添加2 update()添加3 字典中元素的删除4 popitem() 随机删除和返回该键值对字典序列解包1 多变量赋值2 多种操作字典
2020-08-12 22:25:28
186
python第二阶段（13）numpy入门基础-可视化之散点图
2020-10-04
空空如也
TA创建的收藏夹 TA关注的收藏夹
TA关注的人