BIT_mk的博客

解决虚拟机克隆后IP和命名冲突问题

主要简要介绍了一下CP分解与Tucker分解的基本概念。

介绍一下命令行参数的基本使用方法。

七夕前爱心代码！

总结一下conda的基本用法！

通过使用正则表达式，可以在文本处理、数据清洗、模式匹配等方面发挥重要作用，提供强大的文本处理能力。正则表达式由各种字符和特殊符号组成，这些字符和符号形成了一个模式，用于定义字符串的匹配规则。例如，对于字符串 "Smith, John Mr."，该模式将匹配 "Mr." 这个称号部分。其中，"Mr" 是由字母组成的单词，并且后面跟着一个点号。它是一种特定语法规则的文本字符串，用于匹配、搜索和操作符合特定模式的文本数据。：表示匹配一个点号（.）。：表示一个正则表达式子组，用于匹配由字母组成的连续字符串。

方法会根据指定的模式在每个字符串中查找匹配的子字符串，并将其提取出来。提取的结果可以是单个字符串或多个字符串（如果有多个命名分组）。是 Pandas 中字符串处理功能的一部分，用于从字符串中提取匹配的子字符串。

是 Pandas 库中的一个函数，用于将多个 Pandas 对象（如 Series、DataFrame）沿指定轴进行连接操作。函数将根据指定的轴和连接方式，将多个对象进行连接，并返回一个新的 Pandas 对象。

是 Pandas 库中的一个函数，用于进行One-hot编码，将分类变量转换为虚拟变量。函数将返回一个新的 DataFrame 对象，其中包含转换后的虚拟变量。

例如，假设有一个分类特征"颜色"，包含三个类别："红色"、"绿色"和"蓝色"。使用One-hot编码将该特征转换为三个二进制特征："颜色_红色"、"颜色_绿色"和"颜色_蓝色"。在One-hot编码中，对于具有n个不同取值的分类特征，将其转换为n个二进制特征，每个特征表示一个类别。对于原始特征中的每个样本，只有一个二进制特征为1，表示该样本属于对应的类别，其他特征均为0。在这个例子中，原始的"颜色"特征被转换为了三个二进制特征，每个特征代表一个类别。对于每个样本，只有对应类别的特征为1，其他特征为0。

方法，我们可以将分类特征转换为数值编码，以便机器学习算法能够处理这些特征。这种数值编码常用于将离散的类别数据转换为数值表示，从而为模型提供可解释和可计算的输入。类中的一个方法，用于对数据进行拟合（fit）和转换（transform）的组合操作。它常用于将分类特征转换为数值编码。方法会在内部拟合数据并对其进行转换，将原始数据转换为数值编码。它会为每个唯一值分配一个整数标签，并返回转换后的结果。输出结果是对原始数据进行数值编码后的结果。在上述示例中，我们首先创建一个。

是 Pandas 中的一个方法，用于将 Series 或 DataFrame 中的数据转换为指定的数据类型。方法将返回一个新的 Series 或 DataFrame 对象，其中数据类型已经被转换为指定的类型。

三个列表中对应位置的元素打包成元组，并返回一个zip对象。通过遍历zip对象，我们可以逐个获取打包后的元组并进行进一步的操作。函数会逐个从每个可迭代对象中取出对应位置的元素，并将这些元素打包成元组。如果可迭代对象的长度不一致，则以。对象，可以获取打包后的元组，用于进一步处理数据或进行迭代操作。是Python内置函数之一，用于将。，并返回一个可迭代的zip对象。，超出部分的元素将被忽略。

是Python内置函数之一，用于创建一个新的字典对象。它可以从不同类型的可迭代对象或关键字参数中生成字典。

方法常用于对Series对象的每个元素进行转换或映射操作，例如将某个范围的数值映射到离散的类别，或者对字符串进行清洗和标准化。是Pandas Series对象的一个方法，用于对Series中的每个元素应用一个映射函数，并返回一个新的Series对象。中的每个元素转换为首字母大写的格式，并返回一个新的Series对象。输出结果将是首字母大写的水果名称列表。：可以是一个字典、函数或可迭代对象。用于指定映射关系或转换规则。：可选参数，用于指定处理缺失值（NaN）的方式。方法使用一个lambda函数将列表。

是Pandas中的一个函数，用于获取Series或DataFrame中的唯一值。它返回一个包含Series或DataFrame中唯一值的数组，按照它们在原始数据中的出现顺序排列。中的唯一值，并返回一个包含这些唯一值的数组。输出结果将是一个按照唯一值在原始数据中的出现顺序排列的数组。函数常用于获取离散变量的唯一值列表，或从某列中提取唯一的类别或标签。

是Pandas中的一个函数，用于计算一个Series中每个唯一值的频数。它返回一个新的Series对象，其中索引是唯一值，而值是对应的频数。函数常用于对离散变量的统计分析，如计算每个类别的频数、查找最常出现的类别或进行数据的初步探索。中每个唯一值的频数，并返回一个新的Series对象。，则排除缺失值（NaN）并计算非缺失值的频数。参数，则将数值数据分箱，并计算每个箱子的频数。，则返回频数的相对频率，而不是绝对频数。，则包括缺失值并计算缺失值的频数。，则按频数进行排序。，则按频数升序排序。

指定分箱区间的闭合方式。默认为True，表示右闭合（包含右边界），False表示左闭合（不包含右边界）。：指定分箱后每个箱子的标签。可以是一个列表或数组，用于标识每个分箱区间的名称或类别。：指定是否将最小值包含在第一个箱子中。默认为False，表示不包含最小值。：要进行分箱操作的数据。可以是一维的Series对象或NumPy数组。可以传递整数、序列或标量。：指定分箱边界的精度。默认为0，表示保留整数精度。