自定义博客皮肤VIP专享

*博客头图:

格式为PNG、JPG,宽度*高度大于1920*100像素,不超过2MB,主视觉建议放在右侧,请参照线上博客头图

请上传大于1920*100像素的图片!

博客底图:

图片格式为PNG、JPG,不超过1MB,可上下左右平铺至整个背景

栏目图:

图片格式为PNG、JPG,图片宽度*高度为300*38像素,不超过0.5MB

主标题颜色:

RGB颜色,例如:#AFAFAF

Hover:

RGB颜色,例如:#AFAFAF

副标题颜色:

RGB颜色,例如:#AFAFAF

自定义博客皮肤

-+
  • 博客(24)
  • 资源 (1)
  • 收藏
  • 关注

原创 数据规整:连接、联合与重塑

目录数据规整:连接、联合与重塑1.分层索引1.1 重排序和层级排序1.2 按层级进行汇总统计1.3 使用DataFrame的列进行索引2 联合与合并数据集2.1数据库风格的DataFrame连接2.2根据索引合并2.3沿轴向连接2.4 联合重叠数据3 重塑3.1 使用多层索引进行重塑3.2 将长透视为宽3.3 将宽透视为长数据规整:连接、联合与重塑1.分层索引 一个轴向上有多个索引层级 每个轴都可以有分层索引 分层的层

2021-09-02 10:05:08 247

原创 Pandas的索引操作

Pandas的索引操作索引对象Index1. Series和DataFrame中的索引都是Index对象示例代码:print(type(ser_obj.index))print(type(df_obj2.index))​print(df_obj2.index)运行结果:<class 'pandas.indexes.range.RangeIndex'><class 'pandas.indexes.numeric.Int64Index'>Int64.

2021-08-30 21:32:50 668

原创 Numpy通用函数

通用函数一元函数:函数 描述 np.abs 绝对值 np.sqrt 开根 np.square 平方 np.exp 计算指数(e^x) np.log,np.log10,np.log2,np.log1p 求以e为底,以10为低,以2为低,以(1+x)为底的对数 np.sign 将数组中的值标签化,大于0的变成1,等于0的变成0,小于0的变成-1 np.ceil 朝着无穷大的方向取整,比如5.1会变成6,-6.3会变成-6 n

2021-08-30 15:25:56 680

原创 NumPy数组基本用法

目录NumPy数组基本用法numpy中的数组:创建数组(np.ndarray对象):ndarray常用属性:ndarray.dtype:ndarray.size:ndarray.ndim:ndarray.shape:ndarray.itemsize:NumPy数组基本用法 Numpy是Python科学计算库,用于快速处理任意维度的数组。 NumPy提供一个N维数组类型ndarray,它描述了相同类型的“items”的集合。 numpy.nda

2021-08-30 15:23:33 277

原创 np.random模块

目录np.random模块np.random.seed:np.random.rand:np.random.randn:np.random.randint:np.random.choice:np.random.shuffle:np.random模块np.random为我们提供了许多获取随机数的函数。这里统一来学习一下。np.random.seed:用于指定随机数生成时所用算法开始的整数值,如果使用相同的seed()值,则每次生成的随即数都相同,如果不设置这个值,则系

2021-08-30 15:21:35 367

原创 Numpy-Axis理解

Axis理解之前的课程中,为了方便大家理解,我们说axis=0代表的是行,axis=1代表的是列。但其实不是这么简单理解的。这里我们专门用一节来解释一下这个axis轴的概念。简单来说, 最外面的括号代表着 axis=0,依次往里的括号对应的 axis 的计数就依次加 1。什么意思呢?下面再来解释一下。 最外面的括号就是axis=0,里面两个子括号axis=1。 操作方式:如果指定轴进行相关的操作,那么他会使用轴下的每个直接子元素的第0个,第1个,第2个...分别进行相关的操作。现在我们用刚刚理解

2021-08-30 09:13:04 175

原创 NAN和INF值处理

目录NAN和INF值处理NAN一些特点:删除缺失值:用其他值进行替代:NAN和INF值处理首先我们要知道这两个英文单词代表的什么意思: NAN:Not A number,不是一个数字的意思,但是他是属于浮点类型的,所以想要进行数据操作的时候需要注意他的类型。 INF:Infinity,代表的是无穷大的意思,也是属于浮点类型。np.inf表示正无穷大,-np.inf表示负无穷大,一般在出现除数为0的时候为无穷大。比如2/0。 NAN一些特点: NAN和NAN不

2021-08-29 18:58:54 1636

原创 Numpy文件操作

目录文件操作操作CSV文件:文件保存:读取文件:np独有的存储解决方案:CSV文件操作:读取csv文件:写入数据到csv文件:文件操作操作CSV文件:文件保存:有时候我们有了一个数组,需要保存到文件中,那么可以使用np.savetxt来实现。相关的函数描述如下:np.savetxt(frame, array, fmt='%.18e', delimiter=None)* frame : 文件、字符串或产生器,可以是.gz或.bz2的压缩文件* arra

2021-08-29 18:51:05 118

原创 NumPy数组基本用法

目录NumPy数组基本用法numpy中的数组:创建数组(np.ndarray对象):ndarray常用属性:ndarray.dtype:ndarray.size:ndarray.ndim:ndarray.shape:ndarray.itemsize:NumPy数组基本用法 Numpy是Python科学计算库,用于快速处理任意维度的数组。 NumPy提供一个N维数组类型ndarray,它描述了相同类型的“items”的集合。 numpy.nda

2021-08-29 14:38:39 197

原创 Numpy数组操作

目录Numpy数组操作索引和切片:布尔索引:值的替换:数组广播机制:数组与数的计算:数组与数组的计算:广播原则:数组形状的操作:reshape和resize方法:flatten和ravel方法:不同数组的组合:数组的切割:数组(矩阵)转置和轴对换:Numpy数组操作索引和切片: 获取某行的数据: # 1. 如果是一维数组 a1 = np.arange(0,29) print(a1[1]) #获取下标为1的元素​ a1 =

2021-08-29 14:36:23 859

原创 SQL之高级特性

--SQL 事务管理事务开始语句;(BEGIN TRANSACTION) DML语句1;(INSERT/UPDATE/DELETE) DML语句2; DML语句3;...事务结束语句;(COMMIT/ROLLBACK)注意:1.COMMIT:提交:将SQL语句的执行结果写入数据表中2.ROLLBACK:回滚:撤销SQL语句的执行结果,CREATE/DROP不可以回滚3.保留点:时间点的备份,可以对其发布回退,即ROLLBACK TO <回退点>--S...

2021-08-27 11:04:38 211

原创 SQL之视图

--虚拟的表 视图视图(VIEW):一面镜像,本身不包含数据,源数据改变,镜像也跟着改变CREATE VIEW 视图名 AS 目标二维表;注意:1.视图可以嵌套2.ORDER BY无意义,部分DBMS禁止3.所有SELECT操作4.有限制的更新数据,但是不建议5.视图名唯一6.字段名唯一删除视图:DROP VIEW--固化SQL语句 存储过程存储过程:将多条语句存为集合,即自己编写的函数CREATE DEFINER = CURRENT_USER PROCEDURE `T..

2021-08-27 09:49:49 107

原创 SQL之表操作

--表操作 创建表CREATE TABLE <表名> { <列名> <数据类型> <该列所需的约束>, <列名> <数据类型> <该列所需的约束>, <列名> <数据类型> <该列所需的约束>, };注意:1.该列所需的约束即为该列的属性,...

2021-08-27 09:33:34 284

原创 SQL之数据插入、更新、删除

--数据插入 INSERT INTOINSERT INTO <表名> (列1, 列2, 列3...) VALUES (值1, 值2, 值3...);注意:1.对表进行全列INSERT时,表名后的列清单可以省略。2.插入的值允许NULL(前提:该列不能设置NULL的约束)或缺省(有默认值设置为默认值否则为NULL)或默认值DEFAULT3.可以调整列名的顺序,可以只给部分列名,表结构也不会发生变化。插入检索数据:将SELECT语句查询的结果直接插入表中INSERT INTO &lt

2021-08-27 09:05:54 379

原创 SQL之多表查询

--标量子查询子查询:嵌套在其它查询中的查询标量子查询:只返回一行一列(即一个单元格数据)的子查询。相当于是一个数SELECT ... ---查询的内容不做限制 FROM ... WHERE ( ---表示大小关系的>/=/< SELECT... ---目标值:一行一列一个值,当做常数处理 FROM... WHERE...);--关联子查询嵌套在其他.

2021-08-26 19:16:02 1148

原创 SQL之关联子查询

数据:SELECT * FROM milk_tea AS M1 WHERE sale_price > ( SELECT AVG(sale_price) FROM milk_tea AS M2 WHERE M1.prod_name = M2.prod_name );这段代码的作用是:先计算6类商品的平均售价,然后选取每类商品中高于平均售价的商品。解释一下这句话的过程:WHERE ...

2021-08-26 18:51:08 247 1

原创 SQL之聚合与分组

--数据分析之聚合函数函数表达式 = 聚合函数名 + (参数)注意:1.输入的是列2.输出的是一行3.汇总该列,不实际检索数据,而是汇总处理数据4.聚合函数会将NULL排除在外,但COUNT(*)例外。只要有列名作为参数,NULL就会被排除在外。--计数函数 COUNT唯一一个可以用*的聚合函数1.COUNT(*)/COUNT(1) 确定表中行的数目(包含NULL的数据行数)或符合条件的行的数目2.COUNT(col) 只作用于非NULL行(NULL的数据行不计数) 不可重复计数多列(c

2021-08-26 12:35:15 2014

原创 SQL之数据处理

数据处理--数据类型--数值型1.INTEGER定义:整数型,整型。只能储存整数用法:INTEGER, INTEGER(10)其中10为显示的宽度2.DECIMAL定义:定点型。储存固定位数的小数用法:DECIMAL(2, 2), DECIMAL(4, 2)注意:用于精度计算,比如说金额;多出的位数四舍五入;默认参数值为DECIMAL(10, 0)3.FLOAT/DOUBLE/REAL定义:浮点型;储存不固定位数的小数用法:FLOAT/DOUBLE/REAL, FLOAT(5,

2021-08-26 10:32:48 781

原创 SQL之SELECT查询

--对列名设置别名SELECT [列名1],[列名2] AS [别名],[列名3],...FROM [表名];--对表名设置别名SELECT [别名].[列名1],[别名].[列名2],[别名].[列名3],...FROM [表名] AS [别名];--字符拼接 CONTACT应用场景:组合多信息为一列,对列的信息进行补充SELECT CONTACT([列名1],[列名2]...)FROM [表名];--...

2021-08-26 09:10:38 1620

原创 docker: error pulling image configuration:timeout

docker: error pulling image configuration:timeout报错:docker: error pulling image configuration:dial tcp 104.18.121.25:443: i/o timeout.解决:vim /etc/docker/daemon.json{ "registry-mirrors": ["https://registry.docker-cn.com","https://nrbewqda.mi..

2020-09-26 19:55:30 3983

原创 强化学习入门

base component强化学习当中基础的三个组成部分就是actor, environment, reward。举一个例子来说明这三个组成部分。假设机器玩游戏,actor就是机器操作游戏的摇杆控制向左向右还是开火,env就是游戏的主机,提供游戏的画面。reward就是机器在看到游戏画面采取行动之后得到的分数。再举个例子alphago下围棋,actor就是go,evn就是对手,reward ...

2020-03-02 20:34:12 223

原创 Meta-Transfer Learning:A Meta-Learning Approach for Custom Model Training

这篇paper,感觉有点牛哎~只有两页为了克服之前提出来的两个问题,我们提供一个新的训练算法,这个算法继承了元学习和遗传学习的优势。这个联合训练方法使用了两个损失函数:1)task-specific(遗传学习): 定义在整个基础模型的训练集上2)task-agnostic(元学习): 定义在任务分布的元学习损失(例如:5个分类的分类任务)从这两个 损失函数 中...

2019-10-17 09:09:54 590 2

原创 斯坦福大学 2014 机器学习-监督学习和无监督学习

监督学习:我们给学习算法一个数据集,这些数据集由正确答案组成。(我们已经知道训练集对应的正确答案)例子1:预测房价:属于回归问题:数据集:房子的面积及实际房价。 目标:想要知道80平的房子可以卖多少钱。 机器学习算法: 用一条直线拟合这些数据,根据这条线推测出80平房子的房价 用二元方程拟合这些数据 什么是回归问题?可以推测出连续值的结果。房价实际上是离散的,因为房价一般...

2019-04-22 10:28:41 142

原创 Markdown语法基于Typora软件的使用学习

Markdown语法基于Typora软件的使用学习选择Typora的原因:方便下载,功能够用,免费。Markdown语法基于Typora软件的使用学习第一步:了解Typora编辑界面第二步:语法学习1.字体设置2.分级标题3.超链接3.1行内式(添加链接)3.2参考式(学术论文参考文献)3.3自动链接4.列表4.1无序列表5.2有序列表5.引用5.1多层嵌套5.2引用其它要素6.插入图片7.表格第...

2018-02-19 19:35:05 529

numpy知识点总结.7z

numpy知识点总结.7z

2021-08-30

空空如也

TA创建的收藏夹 TA关注的收藏夹

TA关注的人

提示
确定要删除当前文章?
取消 删除