数据分析(口罩亏损)-数据展现与报告撰写

读取练习数据,使用 Matplotlib 库画出各类明细商品的总销售额的柱状图。

# 导入 pandas 库并将其简化为 pd
import pandas as pd
# 导入matplotlib库的pyplot模块
from matplotlib import pyplot as plt

# 读取练习数据,文件路径为 './工作/exercise_clean.csv',文件编码为 'utf-8'
exercise = pd.read_csv('./工作/exercise_clean.csv', encoding = 'utf-8')
# 求出不同明细商品的总销售额
sales_sum = exercise.groupby('明细')['订单金额'].sum()
# 设置中文字体
plt.rcParams['font.family'] = ['Source Han Sans CN']
# 生成画布,并设置画布的大小
plt.figure(figsize=(6, 6))
# 设置 x/y 坐标值
x = sales_sum.index
y = sales_sum.values
# 绘制柱状图,并调整柱子的样式
plt.bar(x, height=y, width=0.6, alpha=0.6
  • 0
    点赞
  • 0
    收藏
    觉得还不错? 一键收藏
  • 打赏
    打赏
  • 0
    评论
PaddlePaddle是一个深度学习框架,可以帮助开发者构建、训练和部署各种机器学习模型。其中的PaddleDetection是PaddlePaddle中一个功能强大的目标检测库,可以用于物体检测、实例分割、关键点检测等任务。这里,我们可以基于PaddleDetection来进行口罩识别。 首先,我们需要准备训练数据集,包括带有口罩和不带口罩的图像样本。可以通过数据采集或从现有的公开数据集中获得。然后,我们需要标注这些样本,标注出每个样本中口罩的位置与类别。标注数据的格式可以采用常见的COCO格式。 接下来,在PaddleDetection中选择合适的预训练模型,如Faster-RCNN、YOLOv3等,这些模型已经在大规模数据上进行了训练,拥有较强的目标检测能力。然后,我们可以使用PaddlePaddle提供的工具将数据集转换为模型可读取的格式。 在模型训练过程中,可以选择使用多个GPU进行并行训练,提高训练速度。我们可以根据实际需求调整超参数,如学习率、迭代次数等。 训练完成后,我们可以使用PaddleDetection提供的API对新的图像进行口罩识别。API会返回每个检测到的口罩的边界框位置、置信度和类别。我们可以根据需要对这些结果进行后处理,如非极大值抑制(NMS)来去除冗余框。 最后,我们可以将口罩识别系统部署到实际应用中,如拍照APP、视频监控系统等。可以使用PaddlePaddle提供的模型导出和部署工具,将模型转换为适用于移动设备或嵌入式设备的格式,并进行部署。 总而言之,使用PaddlePaddle的PaddleDetection库可以非常方便地开发口罩识别系统。通过准备数据集、选择合适的模型、训练并调优模型,最后将模型部署到实际应用中,我们可以实现一个高效准确的口罩识别系统。
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

打赏作者

Hello world !

你的鼓励将是我创作的最大动力

¥1 ¥2 ¥4 ¥6 ¥10 ¥20
扫码支付:¥1
获取中
扫码支付

您的余额不足,请更换扫码支付或充值

打赏作者

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