破解idea,了解numpy

Window如何向虚拟机中拷贝文件

1. 安装vmtools后可直接共享内存,这样就可以直接粘贴

2. 通过xftp一类工具共享文件

 

编辑文件:

vi

Gendit

 

承载数据 item

请求对象 request

响应对象 response

 

引擎   engine

蜘蛛   spider

管道   pipeline

中间件 middleware

调度器 scheduler

 

破解idea18版):

通过网址获得http://idea.lanyus.com/注册码有效期为2018年5月5日至2019年5月4日

通过vi /etc/hosts

访问文件

再末尾添加“0.0.0.0 account.jetbrains.com”添加到hosts文件中

:wq退出(使用root用户登录保存)

 

爬虫根据url

Tcp  http  ftp  udp  smtp  rtsp

我们的爬虫主要根据http协议(网站爬虫)

 

And 并且   (两个数有一个为0就是false

Or 或者    (两个数有一个不为0就是true

Xor 疑惑   (两个数相同boolean意义时就为false

Not 取反   

 

np.xxx

ndarray.xxx

区别:np.xxx函数使用方式,是有返回值,

 

打开丘比特笔记:

打开jupyter-notebook --ip 地址

 

Window系统下访问丘比特笔记需要关闭防火墙:

打开终端,然后切换root用户:

然后执行关闭防火墙命令:systemctl stop firewalld

 

 

Numpy : 一个多维数组处理工具类库

Plot    :数据绘图工具类库

          定义数据 numpy数据)

          定义子图 subplots

          画图      plot      :数据变化   线

                    Scatter  : 数据变化   点

                    bar    数据变化              条

                    pie    数据中每个分类占比     饼形图

                    boxplot  分析数据分布  (箱型图)

hist    数据变化    柱状图

显示     

 

 

 

Pandas : 是一个数据分析的类库(前面两个总和)

Python  data analysis library 官网 (可以到向导中才看图表样式代码Tutorials

import pandas as pd

 

       Dataframe 数据读入

                  Read_json

                  Html

                  Sql                  Csv

                  Excel

 

               数据写出

                   

        数据结构:

              第一个:series      是一个 一维的ndarray,带有标签,可以使用标签作为索引,

                                 尺度不能改变,里面数据可以改变

                      

              第二个:dataframe  是一个二维的ndarray,带有标签,可以通过列标签索引,

                                 尺度可变,数据可变

       数据访问和变换,统计:

              

       数据展示

 

 

数组ndarray

NumPy最重要的一个特点就是其N维数组对象(即ndarray),该对象是一个快速而灵活的大数据集容器,该对象由两部分组成:

· 实际的数据;

· 描述这些数据的元数据;

大部分的数组操作仅仅是修改元数据部分,而不改变其底层的实际数据。数组的维数称为秩,简单来说就是如果你需要获取数组中一个特定元素所需的坐标数,如a是一个2×3×4的矩阵,你索引其中的一个元素必须给定三个坐标a[x,y,z],故它的维数就是3。而轴可以理解为一种对数组空间的分割,以数组a为例,如果我们以0为轴,那么a可以看成是一个由两个元素构成的数组,其中每个元素都是一个3×4的数组。

我们可以直接将数组看作一种新的数据类型,就像list、tuple、dict一样,但数组中所有元素的类型必须是一致的Python支持的数据类型有整型、浮点型以及复数型,但这些类型不足以满足科学计算的需求,因此NumPy中添加了许多其他的数据类型,如bool、inti、int64、float32、complex64等。同时,它也有许多其特有的属性和方法。

常用ndarray属性:

· dtype        描述数组元素的类型

· shape       以tuple表示的数组形状

· ndim         数组的维度

· size           数组中元素的个数

· itemsize    数组中的元素在内存所占字节数

· T               数组的转置

· flat            返回一个数组的迭代器,对flat赋值将导致整个数组的元素被覆盖

· real/imag  给出复数数组的实部/虚部

· nbytes      数组占用的存储空间

常用ndarray方法

· reshape(…)                                 返回一个给定shape的数组的副本

· resize(…)                                    返回给定shape的数组,原数组shape发生改变

· flatten()/ravel()                            返回展平数组,原数组不改变

· astype(dtype)                              返回指定元素类型的数组副本

· fill()                                              将数组元素全部设定为一个标量值

· sum/Prod()                                  计算所有数组元素的和/积

· mean()/var()/std()                        返回数组元素的均值/方差/标准差

· max()/min()/ptp()/median()          返回数组元素的最大值/最小值/取值范围/中位数

· argmax()/argmin()                       返回最大值/最小值的索引

· sort()                                           对数组进行排序,axis指定排序的轴;kind指定排序算法,默认是快速排序

· view()/copy()                               view创造一个新的数组对象指向同一数据;copy是深复制

· tolist()                                          将数组完全转为列表,注意与直接使用list(array)的区别

· compress()                                  返回满足条件的元素构成的数组

 

 

 

 

 

没有更多推荐了,返回首页