leihefeng-CSDN博客

原创 PX06-对比两个 Excel 文件的差异：从逐单元格到生产级实现

本文分享了基于xlwings的Excel差异对比方案演进：从逐格对比的低效实现，到批量读取数组的性能优化，最终构建生产级工具。通过一次性读取数据、统一处理空值与浮点精度、强制二维数组结构、异常防护及跨平台兼容性设计，实现高效精准的版本比对，显著提升处理速度并避免常见陷阱，适用于数据核对、合同修订等场景。

2026-09-28 17:33:08 552

原创 PX05-用 Python 实现 Excel 的 VLOOKUP：多表关联匹配的三种方案

本文介绍用Python替代Excel VLOOKUP的三种高效方案：基于pandas.merge()的左连接（推荐）、map()轻量映射及直接写入Excel公式。重点强调how="left"避免数据丢失，提醒注意validate校验一对多问题、电话号码应以字符串读取以防精度损失，并通过完整案例演示从读取多Sheet到回填数据的全流程，实现快速、准确、可复用的数据匹配。

2026-09-23 11:54:45 568

原创 PX04-用 Python 读 Excel 画折线图，还能直接插回 Excel 文件

本文介绍了一套基于Python的自动化报表绘图方案：使用xlwings读取Excel数据，pandas处理，matplotlib绘制高质量图表，并将图片精准插入原Excel工作表。通过配置中文字体、合理设置索引与定位，可实现数据更新后一键重跑生成新图，避免手动操作。重点提醒6个常见坑点，如中文乱码、图片重复叠加、内存泄漏等，确保脚本稳定高效运行。

2026-09-20 09:56:10 509

原创 PX03-用 Python 给学生随机分配考号：不重复、可复现、一键写回 Excel

本文介绍如何使用 numpy 与 xlwings 实现教育考试中考号的随机分配。通过固定种子确保结果可复现，利用 np.random.permutation() 生成不重复的 1~n 全排列，并一键写入 Excel E 列。强调正式抽签时应移除种子以保证公平性，同时提供常用随机函数速查表，助力高效、可审计的自动化考号分配。

2026-09-19 10:46:45 648

原创 PX02-pandas 透视表完全指南：从长表到宽表，一篇讲透

本文详解 pandas 中 pivot() 与 pivot_table() 的区别与使用场景，通过股票数据透视实例演示如何将长表转为宽表。强调 pivot_table() 在处理重复键时的聚合能力（如 aggfunc="sum"、"mean"），并解析关键参数：values 支持多列透视，aggfunc 可传列表实现多统计量输出。建议初学者统一使用 pivot_table() 以避免报错，提升代码鲁棒性。

2026-09-18 09:37:27 622

原创 Python 批量操作 Excel：10 个高频场景，看完就能上手

本文介绍使用Python批量处理Excel的10个高频场景，涵盖合并、拆分、格式保留等需求。推荐优先用pandas处理纯数据，xlwings保留格式与公式。强调使用pathlib统一路径管理，结合with语句确保资源释放，避免进程残留。提供合并多文件、按字段拆分、列拆分等实用代码，附踩坑提醒：注意sheet名限制、避免自循环读取、正确处理日期与混合类型数据。适合数据、运营、财务人员高效自动化办公。

2026-09-17 09:23:09 467

原创 PE10-Python 正则、文件遍历与网络请求:系统级编程三件套

本文系统介绍Python三大实用库：re（正则表达式）用于文本匹配与提取，os/shutil实现文件系统操作与分类，requests完成HTTP请求及数据下载。涵盖手机号屏蔽、目录遍历、文件归档、压缩打包、网页爬取等实战场景，结合反向引用、非贪婪匹配、二进制处理等技巧，助力高效自动化任务。

2026-09-16 09:03:03 293

原创 PE09-Python 文件读写进阶：同时多文件与数据计算

本文详解文件处理核心技巧：使用 with 语句安全打开多文件，结合逐行读取与格式化写入，实现数据转换、清洗与自动化报表。涵盖读写模式、编码处理、二进制操作、指针控制及 ETL 流程实战，适用于数据清洗、批处理等场景，强调内存效率与异常安全，配套练习强化实践能力。

2026-09-15 10:05:31 384

原创 PE08-Python datetime 与密码生成：时间运算与字符校验实战

A：会覆盖 Python 内置函数，后续用到时出错。：需要做时间计算、用户输入校验、随机生成的开发者。：把所有不通过项收集，一次性反馈，用户体验更好。：解析用户输入日期、数据库时间字段处理。：死循环 + 输入 + 校验 +更底层，主要做时间戳和暂停（面向日期对象（推荐）；

2026-09-14 09:19:38 492

原创 PE07-Python JSON与while循环：数据持久化与控制流

本文系统讲解JSON序列化与while循环的核心用法，涵盖数据读写、格式化输出、循环控制及异常处理。通过实战案例展示如何结合JSON文件操作与while循环实现配置管理、用户输入验证和定时任务，适用于处理API数据、配置文件及循环逻辑的开发者。重点强调ensure_ascii=False、indent参数、break/continue/else机制及try-except安全编程，附带练习建议与常见问题解答，助力高效掌握基础开发技能。

2026-09-11 09:08:30 587

原创 PE06-Python文件批量处理:glob、os、shutil 三件套实战

本文介绍Python文件批处理核心三件套：glob（通配符找文件）、os（路径与目录操作）、shutil（复制移动压缩）。通过实战案例演示批量重命名、按扩展名分类、目录打包为ZIP等操作，结合pprint美化输出，适用于开发者高效处理大量文件。配套练习强化技能应用。

2026-09-10 09:48:03 477

原创 PE05-Python函数进阶:参数、作用域与文件操作

文件操作 + 异常处理 + 统计函数，这是日常工作的 80%。上下文管理器自动管理资源（打开/关闭），即使异常也保证关闭。A：函数定义时只执行一次默认值，所有调用共享同一对象。默认参数在函数定义时只创建一次，所有调用共享。声明外层嵌套函数变量（不能到 global）。声明时，赋值操作会创建局部变量而非修改全局。每次打开都会清空原内容！默认参数为什么不能用可变对象？关闭文件句柄，避免资源泄露。Windows 路径用。即使内部抛异常也会调用。

2026-09-09 09:55:24 308

原创 PE04-Python 循环与函数：for/while/控制流关键字精要

<think>我们根据要求生成≤150字的文章摘要。需要概括内容: for/while, break/continue/else, 函数基础, math模块, 适用对象, 核心句等。简洁。</think>本文面向初学Python流程控制的开发者，系统讲解for与while循环、break/continue控制、Python特色的for-else语法，并涉及函数基础与math模块。核心要点：for处理已知次数，while处理未知条件；break终止循环，continue跳过本轮；循环正常结束才执行else。附

2026-09-08 09:04:42 543

原创 PE03-Python字典与集合:键值对操作与美化输出

适用对象：需要处理结构化数据（配置、JSON、用户信息）的开发者阅读时长：约 9 分钟pe021-030环境要求：Python 3.14+、Jupyter 1.1+、Notebook 7.5+、nbconvert 7.17+

2026-09-07 08:56:12 552

原创 PE02-Python 序列操作：切片、range 与列表推导式实战指南

适用对象：掌握基础语法后想进阶 Pythonic 写法的开发者阅读时长：约 10 分钟pe011-020。

2026-09-06 11:55:32 596

原创 PE01-Python基础入门:变量、类型与运算符核心知识

A：C/Java 是“变量绑定类型”，Python 是“变量绑定对象”；Python 变量更像标签，贴在不同对象上。Python 变量是对象的引用（标签），无需声明类型，赋值即创建。A：这是 IEEE 754 浮点精度问题，金融场景请用。的结果不能直接做数学运算，必须。判断是否为同一对象（常用。

2026-09-04 09:06:45 751

原创邮件文本分类：CountVectorizer / TF-IDF + 朴素贝叶斯

邮件分类是文本分类的经典场景，

2026-09-03 08:54:26 923

原创手写数字识别：KNN vs 逻辑回归实战

手写数字是分类任务的「Hello World」，KNN 在 8×8 灰度图上可达 99% 准确率，是「局部结构敏感」任务的王者基线。

2026-09-01 10:19:53 623

原创异常值检测：LOF 与孤立森林实战

LOF 基于「局部密度」识别异常，孤立森林基于「路径长度」识别异常，后者更适合大数据和高维场景。

2026-08-27 08:30:00 752

原创关联规则（购物篮分析）：支持度 / 置信度 / 提升度

顾客买了面包，多大可能会买牛奶？买了啤酒的人，会不会买尿布？电商推荐、零售促销、货架摆放、捆绑销售。关联规则挖掘"经常一起买"的商品组合，核心是支持度 + 置信度 + 提升度三大指标，提升度 > 1 才算真关联。

2026-08-26 08:30:00 440

原创 PCA 数据降维：原理、Sklearn 实战与自动选 K

标准化先行：执行 PCA 前，必须使用进行标准化。智能选 K：使用让模型自动保留 95% 方差，是实践中的好习惯。正确使用转换：训练用，预测/测试用transform，这与的使用逻辑一致。理解线性局限：PCA 是线性方法，对于复杂的非线性数据结构，应考虑 t-SNE、UMAP 或 Kernel PCA。主成分的含义中的向量定义了新的坐标系，它们是最佳投影方向，但通常不再对应某个原始特征，解释性较差。

2026-08-25 08:00:00 503

原创数据聚类实战：K-Means、层次聚类与DBSCAN算法详解

K-Means作为默认基线：速度快、效果好，工业首选肘部法则选K值：WCSS拐点 + 业务可解释性共同决定DBSCAN适合异常检测：噪声点天然可识别层次聚类适合小数据：输出树状图便于探索random_state必设：K-Means初始质心影响结果，确保可复现。

2026-08-24 10:25:20 599

原创文本向量化实战：从词频到 TF-IDF，解锁中文文本处理

例如，“object” 和 “oriented” 单独出现与 “object oriented” 作为一个整体出现，含义完全不同。只考虑词频，但有些词（如 “the”、“是”、“的”）在所有文档中都高频出现，对区分文档类别没有帮助。默认按空格进行分词。这对于英文很有效，但对于中文来说，句子中没有空格，会导致整句话被当作一个“词”来处理，特征提取完全失效。表示只保留在至少两篇文档中都出现的词，这可以有效过滤掉一些只出现一次的噪声词（如人名、错别字）。来抑制这些“停用词”，提升有区分度的关键词的权重。

2026-08-21 16:44:18 287

原创随机森林：Bagging集成的威力与实战调参指南

默认参数已很强：随机森林开箱即用，无需复杂调参Bagging 抗过拟合：多棵树平均，天然降低方差n_jobs=-1 慎用：Windows 上 joblib 可能有路径编码问题n_estimators 越大越好：但边际收益递减，100-500 性价比最高特征重要性免费送是特征选择利器。

2026-08-20 09:08:33 608

原创决策树：从原理到 GridSearchCV 调参实战

决策树是一种基础的机器学习模型，通过特征阈值分裂数据，具有可解释性强、无需特征标准化等优势，但容易过拟合。本文介绍了决策树的核心机制、基础训练流程和关键超参数（如max_depth和min_samples_leaf），强调了剪枝的必要性。通过GridSearchCV网格搜索实现参数调优，对比了决策树与随机森林的差异，并提供了调参流程和常见陷阱。核心要点是必须通过双重参数限制防止过拟合，合理使用网格搜索提升模型性能。

2026-08-17 11:42:14 484

原创数据指标计算完全指南：回归与分类评估核心指标详解

机器学习评估指标速查指南核心要点：回归任务：MAE（鲁棒）和MSE（敏感）分别适用于不同场景分类任务：准确率、精确率、召回率构成评估三角，需结合混淆矩阵分析概率转换：Sigmoid函数实现实数到概率的映射特征选择：信息熵衡量概率分布不确定性业务适配：垃圾邮件检测重精确率，疾病筛查重召回率典型场景指标选择：房价预测：MAE/RMSE 广告点击：AUC-ROC 异常检测：召回率+FPR 实现提示： # 常用指标计算 from sklearn.metrics import ( mean_absol

2026-08-13 09:28:36 502

原创数值标准化：Sklearn StandardScaler 实战指南

机器学习中的标准化（Standardization）是消除特征量纲差异的关键步骤，尤其适用于基于距离、梯度或方差的算法（如KNN、SVM、神经网络、PCA等）。标准化的核心原理是将数据转换为均值为0、标准差为1的分布，公式为 ( z = \frac{x - \mu}{\sigma} )。在实战中，可使用Sklearn的StandardScaler，但需注意防止数据泄露：仅在训练集上拟合（fit），然后统一转换训练集和测试集（transform）。生产环境中，标准化器应与模型一起保存和加载，确保新数据使用相

2026-08-12 09:44:07 458

原创多项式特征（PolynomialFeatures）：用线性模型拟合非线性关系的利器

本文系统介绍了Scikit-learn中的PolynomialFeatures工具，它通过多项式变换使线性模型能拟合非线性数据。核心内容包括：数学原理（如二次项x²和交叉项xy的生成）、代码实现、单变量/多变量转换示例（特征数量随degree指数增长），以及完整的建模流程（推荐使用Pipeline）。文章重点分析了双变量三次多项式转换的10个特征项，并强调交叉项对特征交互的重要性。最后提供了过拟合防护策略（正则化、特征选择等）和与其他非线性方案的对比表（样条、核方法等）。关键建议是：从小degree开始，结

2026-08-11 09:27:09 459

原创线性回归：从公式推导到 Sklearn 实战

本文介绍了线性回归的原理与实现。线性回归通过直线拟合数据，核心是求解y = b + w*x中的系数w和截距b。文章对比了正规方程手算（需构造设计矩阵）和Sklearn实现（自动处理截距）两种方法，后者更推荐在实际项目中使用。关键要点包括：Sklearn要求特征矩阵为2D格式，R²分数用于评估模型拟合程度，以及不同场景下的模型选择建议（如小样本用岭回归、大数据用SGD）。文章还指出了数据标准化、异常值处理和共线性等常见陷阱，并提供了多项式回归等扩展应用场景。

2026-08-10 09:15:16 567

原创 Scikit-learn 实战：乳腺癌数据集建模与 stratify 分层拆分详解

本文以乳腺癌数据集为例，展示了从数据探索到模型训练准备的全流程。首先介绍了乳腺癌数据集的基本情况，包括569个样本、30个数值特征和二分类标签。随后演示了如何将特征数据和标签合并为numpy数组，并转换为pandas DataFrame以提高可读性。重点讲解了使用train_test_split进行数据拆分时保持类别比例一致的方法，通过stratify参数实现分层抽样，确保训练集和测试集的类别分布与原始数据相同。文章还对比了随机拆分和分层拆分的结果差异，并讨论了分层拆分的适用场景，最后提供了完整的代码模板。

2026-08-09 09:43:52 710

原创 Scikit-learn 类别编码：LabelEncoder 与 OneHotEncoder 完全指南

摘要速查表核心区别 LabelEncoder → 单列整数编码（目标变量y） OneHotEncoder → 多列二元矩阵（特征变量X）代码模板 # LabelEncoder（y） from sklearn.preprocessing import LabelEncoder le = LabelEncoder() df['y'] = le.fit_transform(df['y']) # OneHotEncoder（X） from sklearn.preprocessing import OneHotE

2026-08-07 09:15:21 487

leihefeng的博客