- 博客(32)
- 收藏
- 关注
RSS订阅原创 Python_AI库 Pandas DataFrame的索引方式
每种索引方式都有其适用的场景和优缺点，因此在实际应用中，应根据具体需求和数据结构选择最合适的索引方式。
2024-05-09 20:09:44
283
原创 Python_GUI框架 Pyside6的信号与槽应用
在Pyside6框架中，信号与槽（Signals and Slots）机制是连接用户界面元素与响应功能的核心机制。我们可以把信号想象成一根电线，而槽就是电线的另一端连接的灯泡。当电线（信号）被触发时，灯泡（槽）就会亮起（执行相应的操作）。对象，并显示了我们的自定义窗口部件。下面是一个简单的例子，演示如何在PySide6中使用信号与槽机制来响应按钮的点击事件。当信号被发射时，与之关联的槽就会被调用。比如，一个按钮被点击时，它会发出一个。来组织窗口的布局，并将按钮添加到布局中。的初始化方法中，我们创建了一个。
2024-05-02 20:44:47
225
2
原创 Python_GUI框架 Pyside6的常用部件介绍
以上PySide6中众多部件的一部分，但它们是构建桌面应用程序时最常用的部件，几乎所有的图形化应用都需要它们的组合。我们可以设置滑块的范围、步长、方向等属性，并处理滑块值改变的信号。可以通过添加行和列来定义表格的结构，并通过设置单元格的内容、字体、颜色等来自定义其外观。是一个用于显示文本或图像的部件。我们可以将文本、HTML内容或图像设置为标签的内容，并控制其显示方式（如对齐方式、字体、颜色等）。它是许多桌面应用程序的基础，因为它提供了一个标准的应用程序界面，用户可以通过这个界面与应用程序进行交互。
2024-05-02 18:06:28
298
2
原创 Python_GUI框架 Pyside6的简介与基础操作
Python_GUI工具包 Pyside6的简介与基础操作本文默认读者具备以下技能：一、Pyside6简介首先需要在这里先说明一下,我之前写的文章大多是ai相关的内容，此时在这里引入PythonGUI的介绍主要是为以后的文章中引用更多的实例做准备,我们在做实际项目时为了提升用户的体验，往往需要给用户提供一个图形化的操作界面,而不是一个命令行式的代码，因此，请大家耐心看一下本系列的文章。Pyside6是Qt的Python绑定版本之一，它允许Python开发者使用Qt库的功能来构建跨平台的桌面应用程序。Pysi
2024-04-30 18:23:04
1018
1
原创 Python_GUI框架 PyQt 与 Pyside6的介绍
PySide6是Qt的另一个Python绑定，与PyQt类似，但使用了更宽松的许可证（LGPL）。PySide6的优点在于它基于Qt 6，具有高性能、丰富的组件库和强大的设计工具。PyQt提供了许多GUI组件，如窗口、按钮、文本框、菜单等，以及一些常用的工具，如数据库连接和网络编程。PyQt的优点在于它提供了丰富的组件、布局和主题选项，以及强大的功能和灵活性。在学习成本上，只要了解了其中的一种，另外一种几乎没有什么学习难度，所以开发者也可以根据自己的需求和项目特点来选择适合的GUI工具包。
2024-04-30 17:58:32
673
原创 Python AI库pandas读写数据库的应用操作——以sqlite3为例
在这个例子中，我们使用了’replace’选项来替换任何已经存在的同名表，并设置index=False来避免将DataFrame的索引作为一列写入数据库。pandas提供了强大的数据处理和分析功能，而sqlite3则提供了一个轻量级且易于使用的数据库管理系统。通过本文的介绍和示例代码，读者应该掌握如何使用pandas来读写sqlite3数据库，并在实际项目中应用这些技术。pandas是一个强大的数据分析工具，提供了快速、灵活且富有表现力的数据结构，旨在使“关系”或“标记”数据的“工作”既简单又直观。
2024-04-29 18:30:18
1056
原创 Python_AI库 Pandas的时间序列操作详解
以上的示例，演示了关于时间序列的常见操作。实际上我们可以根据需要对时间序列数据进行更复杂的可视化操作，如绘制多个时间序列的对比图、添加趋势线等，根据具体需求灵活运用这些功能，以实现更好的数据分析和预测效果。时间序列数据指的是按照时间顺序排列的一系列数据点，这些数据点直接反映了某种现象或指标随时间的变化情况。Python的Pandas库内置时间序列操作功能，使得我们可以非常方便地对时间序列数据进行处理和分析。创建好时间序列后，我们可以将其设置为DataFrame的索引，以便进行后续的时间序列分析。
2024-04-29 17:33:43
868
原创 Python_AI库 Pandas在商业环境中的实际用途
Pandas提供了丰富的数据分析功能，如分组聚合、透视表、排序等，可以帮助我们深入挖掘数据中的有价值信息。例如，我们可以使用Pandas的read_csv()函数读取CSV文件，然后使用dropna()函数删除缺失值，使用drop_duplicates()函数删除重复行，使用replace()函数替换错误值等。在前文中我们介绍了Pandas的各种常见操作，由于Pandas提供了高效、灵活且易于使用的数据结构，使得数据处理、清洗、分析和可视化变得更为简单，因此它广泛应用于各种商业应用中。
2024-04-28 19:03:44
151
原创 Python AI库 Pandas的常见操作的扩展知识
读取数据后，可以通过简单的函数查看数据的整体情况。前文中对Pandas的数据结构以及基础操作做了介绍,本文中会在前文的基础上,对常见的操作进行拓展,并举例说明。Pandas提供了groupby功能，可以对数据进行分组，并对每个组执行聚合操作。Pandas提供了灵活的条件筛选功能，可以根据条件过滤出满足特定条件的数据行。Pandas提供了处理缺失数据（NaN）的功能，包括检测、填充和删除等操作。函数默认显示前5行，但可以通过传递参数来指定显示的行数。函数还支持指定轴（行或列）进行删除操作。
2024-04-28 18:06:06
834
1
原创 Python_AI库 Pandas的数据结构及基本操作
以上的例子是Series数据结构的基本操作，包括创建、访问与切片、索引操作、数据操作、缺失数据处理、排序以及唯一值与频率统计等。同时，Pandas还提供了大量的函数和方法，使得数据处理和分析变得更加简单和直观，这在后面的文章中会陆续介绍。Pandas提供了两种主要的数据结构，它们分别是Series、DataFrame，它们都是建立在Numpy数组之上，因此运行速度很快。请注意，这些排序操作不会改变原始DataFrame，而是返回一个新的排序后的DataFrame。方法则用于对行或列的索引进行排序。
2024-04-27 20:49:53
575
1
原创 Python_AI库 Pandas库介绍
无论我们的程序是否属于AI程序，pandas都是在工作中最常用到的库之一，在日常应用环境中扮演十分重要的角色，也是这个系列文章的一个重点。事实上，至少在我的工作中，pandas的使用频率要高于numpy，Pandas也确实能够胜任numpy的大部分工作，只是在处理纯数值类型且对效率要求较高的情况下会优选Numpy。Pandas的DataFrame和Series数据结构底层是基于NumPy的ndarray实现的，因此Pandas能够继承NumPy的高效性能。在机器学习的项目中，特征工程是一个关键步骤。
2024-04-27 18:15:21
648
1
原创 Python_AI库 Numpy常用的统计函数介绍
这些函数在处理多维数组时非常有用，因为它们允许你按照不同维度来聚合数据并获取有关数据的统计信息。参数，函数会计算整个数组的统计量。在这个例子中，我展示了如何沿着。Python_AI库 Numpy常用的统计函数介绍。参数来指定沿着哪个轴（行或列）计算统计量。（即沿着行）来计算各种统计量。在二维数组的情况下，使用。默认情况下，如果不指定。
2024-04-26 20:31:01
202
原创 python_AI库 实例通解NumPy基础操作
例如，如果我们有一个包含学生成绩的数据集，每个学生有多门课程的成绩，我们可以将这些数据存储在一个二维数组中。在NumPy中，二维数组通常被用来表示具有行和列的数据集，例如电子表格中的数据。然后，我们按照之前的例子展示了NumPy的基础操作，包括切片与索引、赋值、布尔索引、三元运算符、裁剪、转置和拼接数组。本例采用的二维数组（或称为矩阵）的形式来解释NumPy的基础操作。本文通过一个实例，概述了一系列NumPy基础操作，所涉及的操作均为常见操作，更多的知识点参见官方文档。在这个脚本中，我们首先使用。
2024-04-26 18:18:04
410
1
原创 python_AI库 numpy的介绍
在Python中，基本的数据结构包括列表、元组、字典等，它们能够处理一维的数据。numpy的数组（ndarray）概念正是对Python基本数据结构的扩展，它提供了多维数组对象、各种派生对象（如掩码数组和矩阵）以及用于快速操作数组的大量函数，数组形似列表但与列表又完全不同，是numpy为python扩展出来的一种全新的数据结构。numpy，全称Numerical Python，是Python语言的一个扩展程序库，支持大量的维度数组与矩阵运算，此外也针对数组运算提供大量的数学函数库。轴代表了数组的某个维度。
2024-04-25 18:59:52
1671
2
原创 python_AI库 matplotlib在AI程序中的应用介绍
前文对matplotlib在日常生活的基础应用作了介绍，那么matplotlib与我们的AI又有什么联系呢？在 AI 程序中，matplotlib通常用于数据可视化，帮助用户更直观地理解数据的分布、模型的性能以及训练过程等。下面是一些matplotlib。
2024-04-25 18:08:42
140
原创 Python_AI库 matplotlib扩展知识
总之，matplotlib作为Python中最为强大的数据可视化工具之一，具有广泛的应用前景和巨大的发展潜力，特别是在AI领域有着重要的地位，也是我们把matplotlib列入AI专栏介绍的主要原因。相比之下，matplotlib则结合了Python编程的灵活性和强大的数据处理能力，使得用户可以在分析数据的同时轻松实现数据的可视化。而matplotlib，作为Python中最为流行的数据可视化库之一，以其强大的功能和灵活性，受到了广大数据分析师和科研工作者的青睐。
2024-04-24 20:55:11
883
原创 Python_AI库: Matplotlib绘制条形图应用实例
通过简单的代码，我们可以轻松地生成美观且易于理解的条形图，从而更好地展示和分析数据。条形图作为一种直观展示分类数据的方式，在现实应用环境中也是十分常见的,在数据分析中扮演着重要的角色。本实例将展示如何使用Matplotlib库绘制条形图，以XX门店4月份每日销售额及利润为例，详细解释条形图的绘制过程。为了将销量和利润分成两列显示，我们设置了条形图的宽度，并为利润条形图的X轴位置进行了调整。具体来说，利润条形图的X轴位置等于销量条形图的位置加上条形图的宽度。最后，我们展示了绘制的条形图，并保存为图片文件。
2024-04-24 19:59:02
275
原创 python_AI库 使用Matplotlib绘制多门店销售数据折线图
通过上述步骤，我们成功地绘制了一个包含多个连锁门店销售数据的折线图，并添加了网格和图例来增强图表的可读性和美观性。这样的图表不仅能够帮助我们直观地了解每个门店的销售情况，还能够比较不同门店之间的差异和趋势，为决策提供有力的数据支持。本文将通过扩展之前的单门店销售数据图形，展示如何使用Matplotlib库绘制包含多个连锁门店销售数据的折线图，并添加网格和图例来增强图表的可读性和美观性。在实际应用中，我们可以根据具体需求调整图表的样式和布局，比如改变颜色、线型、字体等，以更好地满足展示和交流的需要。
2024-04-23 21:43:17
612
原创 Python_AI库 Matplotlib的应用简例：绘制与保存折线图
通过font_manager.FontProperties函数，我们指定了字体文件的路径（这里使用的是Windows系统下的宋体字体文件），并将其保存在my_font变量中。在这个例子中，我们导入了Matplotlib的pyplot模块，并为其设置了别名plt，以便后续调用。最后，我们还导入了random模块，用于生成随机数据，方便我们进行演示。然后，通过plt.xlabel、plt.ylabel和plt.title函数，我们分别添加了X轴、Y轴的描述信息和图形的标题，并指定了字体属性和字体大小。
2024-04-23 18:18:26
504
原创 Python Pandas库在AI领域的应用及实例
假设我们有一个包含用户购买记录的数据集（purchases.csv），其中包含以下字段：用户ID（user_id）、商品ID（item_id）、购买时间（purchase_time）、购买数量（quantity）和购买金额（amount）。Pandas提供了丰富的数据清洗和转换功能，如缺失值处理、异常值检测、数据类型转换等，帮助AI工程师将数据预处理成模型所需的格式和质量。以下是一个简单的Pandas在AI领域应用的实例，展示如何使用Pandas进行数据预处理和特征工程，以支持后续的机器学习任务。
2024-04-22 18:12:31
398
原创 Python AI库之Pandas介绍及应用实例
在经济学中，Panel Data是一个关于多维数据集的术语，而Pandas正是为了处理这种类型的数据而设计的。Pandas是一个开源的第三方Python库，从Numpy和Matplotlib的基础上构建而来，已经成为Python数据分析的必备高级工具。因此，将库命名为“Pandas”既体现了其处理面板数据的能力，也凸显了其在数据分析领域的重要地位。以下是一个简单的Pandas应用实例，展示如何使用Pandas进行数据读取、处理和分析。：Pandas支持多种数据格式的读写，如CSV、Excel、SQL等。
2024-04-22 18:11:20
304
原创 python生态中与AI相关的库简介
这是一个由Google开发的开源机器学习库，它提供了一个强大的计算图模型，支持广泛的机器学习算法，包括深度学习。前文提到Python与AI息息相关，python是扩展性极强的一门语言，其中与AI相关的库就有很多，每个库都各具特色，在人工智能领域发挥着重要作用。：Matplotlib是一个用于数据可视化的库，它可以生成各种类型的图表，如线图、散点图、条形图等。：Pandas是一个强大的数据分析工具库，它提供了快速、灵活和表达力强的数据结构，使数据操作和分析变得简单。后面的文章我会对每个库进行介绍。
2024-04-21 15:47:06
349
1
原创 python与AI
python语言是一门面向对象（有时也会用于面对过程）的高级语言，以语法简单，丰富的扩展性著称，是从事AI领域必然掌握的语言。此外，Python有着丰富的库和框架，如NumPy、Pandas、Matplotlib、TensorFlow和PyTorch等，这些工具为数据分析和人工智能应用提供了强大的支持。例如，NLTK、spaCy和Transformers等库为文本分析、词嵌入、命名实体识别和机器翻译等任务提供了强大的支持。此外，社区还不断为Python添加新的库和工具，以满足人工智能领域的不断发展需求。
2024-04-21 15:35:11
300
1
原创 python爬虫基础之chromedriver的介绍及应用
它不含自动更新功能，已集成到 Chrome 的发布流程中，适用于所有 Chrome 版本。是一个独立的服务器，它实现了 WebDriver 的线协议，用于与运行 Chrome 或 Chromium 的浏览器实例进行通信。当您使用 Selenium 来自动化网页任务时，如填写表单、点击按钮、滚动页面等，您需要一个能与浏览器交互的“桥梁”。是 Selenium WebDriver 在与 Chrome 浏览器交互时的关键组件，它使得自动化网页任务和浏览器测试变得可能。在这段代码中，虽然创建了一个。
2024-04-19 18:19:32
216
原创 python爬虫基础之法律风险与管控
爬虫爬的好，牢饭吃的早”这句话虽然带有一定的夸张成分，但确实反映了爬虫技术使用不当可能带来的法律风险。合法的爬虫行为应当遵守目标网站的robots.txt协议，尊重网站的版权和隐私政策，不进行恶意攻击或破坏网站正常运行。在享受爬虫技术带来的便利的同时，我们也应当承担起相应的责任和义务，遵守法律法规和道德准则，共同维护一个安全、和谐的网络环境。：在进行爬虫操作时，要检查并遵守目标网站的robots.txt文件，该文件明确了哪些内容可以被爬虫访问，哪些内容需要避免。
2024-04-19 17:57:25
260
原创 简单Python爬取网页模型
这个示例非常基础，它仅仅爬取了一个网页的所有段落文本。在实际应用中，需要处理更复杂的HTML结构。首先，安装必要的库：pip install requests beautifulsoup4。本文仅给入门小白提供一个最基础的模型，仅供参考，以后的文章里会加入更多的实例。简单的Python爬虫示例。库来发送HTTP请求，以及。库来解析HTML文档。
2024-04-18 10:34:09
156
1
原创 python的商业应用价值
python本身也是一种解释型语言,执行效率偏低,打包后程序包偏大，平台兼容性，内存管理都存在一定的缺陷，不具备很强的竞争力。Python在众多商业领域都具有重要的作用,但作为一种脚本语言,建议把python的使用范围尽可能的应用在人工智能与机器学习,数据分析与科学计算方面,也就是常说的AI与爬虫领域,这是python最具特色的应用。以上Python目前商业应用的主要部分，实际上，Python的应用领域还在不断扩大，其强大的功能和易用性使得它在商业世界中越来越受欢迎。自动化、数据处理、分析和机器学习。
2024-04-18 10:09:33
228
1
原创 python图表用户界面（gui）的选择
在常用的GUI库，PyQt和Pyside无疑是最专业的，两者就如同双胞胎一样，语法，学习曲线都基本一致。而PySide则采用了LGPL许可证，允许在商业和开源项目中免费使用，没有许可证费用，因此日常应用或商业应用中，列建议使用pyside，目前已更新到6.7版本。另外，需要注意的是pyside6在使用过程中，不同的操作系统版本对版本有所要求，例如含6.2在内的以上版本不再支持win7，使用时需要注意版本的选择。
2024-04-17 14:23:48
770
原创 PC版微信多开工具解决方案
朋友办公用的电脑需要多开微信,但百度搜索一番,这类工具大多开始收费或者自带各种捆绑,求助于我,闲暇之余做了一个简单的工具,给他使用,在这里分享一下。
2024-04-17 10:15:38
565
1
原创 python打包程序在win7（x64）平台运行时报DLL缺失的处理方案
例如：常见的pyside6GUI环境，6.2版本及以后的版本均不再支持win7系统，可以安装6.1版本即可解决。总结：以上原因及解决方案仅适用于win7（x64）平台，32位系统及XP平台由于市场需求极少，不再提供解决方案。近期在QQ交流群里有些刚入门的小伙伴在win7(x64)平台运行python打包程序时会收到下图报错。事实上解决这个问题并不复杂，现对这个问题出现的原因及解决方案作一下整理。2.win7平台缺失C++ 2015-2022可再发行程序包。1.python版本或依赖库不支持win7平台。
2024-04-16 15:56:39
249
原创 约瑟夫生死游戏新解（pyhton版）
3、输出ls1的最后一个数字，然后删除，把新的ls1附加到ls2之后，形成新的ls列表。ls1为前9个数字，ls2为后面的数字。网上搜到的教程多为字典法，这里是使用列表的方法提供一种思路，以供参考。如此循环，直到船上仅剩 15 人为止，问都有哪些编号的人下船了呢？利用以上代码定义一个函数，使其更具有普适性，具体如下。1、生成1-30的列表ls，用来表示30个人的序号。30 个人在一条船上，超载，需要 15 人下船。于是人们排成一队，排队的位置即为他们的编号。报数，从 1 开始，数到 9 的人下船。
2023-08-06 19:08:35
414
标签设计工具Bartender
2024-04-18
适配win7的Python版本
2024-04-16
windows平台最好用的文件搜索工具
2024-04-16
空空如也
TA创建的收藏夹 TA关注的收藏夹
TA关注的人