qq_37663658的博客

原创 Docker安装，配置

--------------重启docker-----sudo systemctl daemon-reloadsudo systemctl restart dockerservice docker start---------etc/docker/daemon.json------{ "runtimes": { "nvidia": { "path": "nvidia-container-runtime", "runtimeA

原创 2021-03-18

https://www.jianshu.com/p/f672de30d436

原创 关于pandas表格连接问题

首先构建下列表格a=['A','B','C','D','A','B','D','C']b=['a','b','c','d','a','a','d','c']c=[10,20,30,40,50,60,70,80]d=pd.DataFrame({ 'A':a, 'B':b, 'MM':c})a=d.groupby(['A','B']).agg({'MM':['max']})dA B MM0 A a 101 B b 202 C c 303 D d 40

原创 this

程序执行流程：1.创建main栈帧2.初始化u1,age=0…并分配一个地址假设为0x13.创建user栈帧，执行构造方法，其中有一个隐式参数this 标识了第二步的地址,进行赋值,age=3

原创 。。。。

抱歉借个地方存云图片 哈哈哈哈

原创 transpose

原创 python 可变对象 不可变对象的拷贝

可变对象 .copy()之后原对象改变后，本对象不会发生改变 直接=本对象会发生改变不可变对象没有以上情况

原创 关于WordEmbedding的一些总结

在用深度学习的方法进行自然语言训练中一直有一些疑惑，其中这个wordembedding让我想了好久，今个终于搞明白了。话不多说，直接上图：

原创 Docker练习记录

很早之前就想了解docker这个东西了，这次通过阿里云的一个新人练习体会到了docker的作用，收获很大，虽然只是很简单的一个入门= =！练习地址：https://tianchi.aliyun.com/competition/entrance/231759/information非常感谢讨论区的大佬的详细解析，在此仅做一个一个记录方便后续回忆！一、安装Docker环境sudo apt install docker.io（验证安装是否成功：docker info）二、开通阿里云容器镜像服务按照官方步

原创 Day4_最接近三数之和的数

class Solution: def threeSumClosest(self, nums: List[int], target: int) -> int: #-1 2 1 -4 #i l r #-4 -1 1 2 min_=10000 res=0 for i in range(len(nums)): l=i+1 r=len(nums)-1

原创 Day3盛水最多的容器

本人想法， 当然是暴力啦，超时警告：class Solution: def maxArea(self, height: List[int]) -> int: max=0 for i in range(len(height)): for j in range(len(height)): t=min(height[j],height[i])*abs(i-j) if

原创 python按引用赋值和深、浅拷贝

https://www.cnblogs.com/f-ck-need-u/p/10123145.html

原创 Day2_三数之和

首先暴力解法不用说了，看了评论的双指针提示，尝试写了如下代码：class Solution: def threeSum(self, nums: List[int]) -> List[List[int]]: nums.sort() result=[] for i in range(len(nums)): l=i+1 r=len(nums)-1 while(l<r):

原创 关于‘ ‘.join()的作用

使用join可以将列表的索引字符串全部串在一起，在nlp中这样可以快速形成一个语料库。a=['s','fas','ss']###a['s', 'fas', 'ss']###alen(a)3###' '.join(a)'s fas ss'#全部传在一起了###len(' '.join(a))8

原创 Day1__leetcode之两数之和浅析

这个题很早以前做过了，思路有的但是python的字典的一些操作记得不清：class Solution: def twoSum(self, nums: List[int], target: int) -> List[int]: dict1={} list1=[] for j in range(0,len(nums)): if target-nums[j] in dict1: list1=[d

原创 思考十分钟

刷题开始了

原创 Jupyter快捷键（自用）

Jupyter Notebook 快捷键Jupyter Notebook 有两种键盘输入模式。编辑模式，允许你往单元中键入代码或文本；这时的单元框线是绿色的。命令模式，键盘输入运行程序命令；这时的单元框线是灰色。命令模式 (按键 Esc 开启)Enter : 转入编辑模式Shift-Enter : 运行本单元，选中下个单元Ctrl-Enter : 运行本单元Alt-Enter : 运行本单元，在其下插入新单元Y : 单元转入代码状态M :单元转入markdown状态R : 单元转入raw状

原创 predict与predict_pro小记

简单的逻辑回归二分类问题from sklearn.linear_model import LogisticRegression import numpy as np x_train = np.array([[1,2,3], [1,3,4], [2,1,2], [4,5,6], [3,5,3],

原创 pandas中groupby取出某一组的方法

今天碰上了个需求，就是我要怎么才能取出label为1并且type为0的行呢？一直在用loc的bool判断，但是不太好实现。于是想到了groupby的方法。先给出总的数据：train_test[['label','type','opscope']]接下来就是查找需求了：group=train_test.groupby(['label','type'])group.get_group((1,0))[['label','type','opscope']]很简单的一个操作，get_group中

原创 TensorFlow安装超时

https://www.cnblogs.com/jtzhang163/p/11299962.html

原创 pandas里的reshape[-1,1]和reshape[1,-1]

reshape[-1,1]将数据生成一列reshape[1,-1]将数据生成一行这个-1就是随便咋样 只有你设置的行或者列 那么相对应的行和列就会对应生成比如说 你现在有一个33的数据的 你reshape(-1,1) 也就是说你想得到只有一列的数据 其他不管很显然 行数就会自动变成33/1=9行...

原创 组合特征怎么加呢

原创 装饰器

https://www.zhihu.com/question/26930016/answer/1047233982

原创 from sklearn.preprocessing import PolynomialFeatures

https://www.cnblogs.com/liweiwei1419/p/9715702.html

原创 pandas___rolling

直接上代码演示：import pandas as pds = [1,2,3,5,6,10,12,14,12,30]print(pd.Series(s))print(pd.Series(s).rolling(window=3).mean())print(pd.Series(s).rolling(window=3).count())运行结果：0 11 22 33 54 65 106 127 148 129 3

原创 set([x.rstrip(‘.?‘) for x in ‘ ‘.join(corpus).split(‘ ‘)])

.lower() .upper()不会改变原字符串.strip()返回移除字符串头尾指定的字符生成的新字符串.rstrip()删除 string 字符串末尾的指定字符（默认为空格）.

原创 pandas中merge、join、concat

初始数据：import numpy as npimport pandas as pddf1=pd.DataFrame({ 'key':['a','b','c','d','e','f','g'], 'D2':np.arange(7)})df2=pd.DataFrame({ 'key':['a','b','c','d','e'], 'D2':np.arange(5)})print(df1)print(df2) key D2 key D2

原创 数据处理之pandas.reset_index()

数据清洗时，会将带空值的行删除，此时DataFrame或Series类型的数据不再是连续的索引，可以使用reset_index()重置索引。import pandas as pdimport numpy as npdf = pd.DataFrame(np.arange(20).reshape(5,4),index=[1,3,4,6,8])print(df)output: 0 1 2 31 0 1 2 33 4 5 6 74 8 9

原创 python .tolist()

python tolist()方法:将数组或者矩阵转换成列表，如下：>>> from numpy import *>>> a1 = [[1,2,3],[4,5,6]] #列表>>> a2 = array(a1) #数组>>> a2array([[1, 2, 3], [4, 5, 6]])>>> a3 = mat(a1) #矩阵>>> a3matrix([[1, 2, 3

原创 map函数的使用xcxzczx

map()函数map()是 Python 内置的高阶函数，它接收一个函数 f 和一个 list，并通过把函数 f 依次作用在 list 的每个元素上，得到一个新的 list 并返回。例如，对于list [1, 2, 3, 4, 5, 6, 7, 8, 9]如果希望把list的每个元素都作平方，就可以用map()函数：因此，我们只需要传入函数f(x)=x*x，就可以利用map()函数完成这个计算：>>>def square(x) : # 计算平方数...

原创 独热编码传送门

关于独热编码：https://www.cnblogs.com/zongfa/p/9305657.html

原创 词袋模型的简单理解

什么是词袋模型：Bag-of-words模型是信息检索领域常用的文档表示方法。在信息检索中，BOW模型假定对于一个文档，忽略它的单词顺序和语法、句法等要素，将其仅仅看作是若干个词汇的集合，文档中每个单词的出现都是独立的，不依赖于其它单词是否出现。也就是说，文档中任意一个位置出现的任何单词，都不受该文档语意影响而独立选择的看着有点懵？直接上例子吧：给出两个英文句子：Jane wants to go to Shenzhen.Bob wants to go to Shanghai.我们统计一下这两

转载 字典特征提取器DictVectorizer

字典特征提取器DictVectorizerDictVectorizer的作用：利用0 1矩阵将字典数据结构向量化#定义一组字典列表，用来表示多个数据样本（每个字典代表一个数据样本）measurements = [{'city':'Beijing','temperature':33.},{'city':'London','temperature':12.},{'city':'San Fransisco','temperature':18.}]''' city temper

原创 sklearn分类模型的评估(classification_report)

scikit-learn -分类模型的评估(classification_report)参数sklearn.metrics.classification_report(y_true, y_pred, labels=None, target_names=None, sample_weight=None, digits=2, output_dict=False)y_true：1 维数组，真实数据的分类标签y_pred：1 维数组，模型预测的分类标签target_names：列表，指定标签名称sam

原创 python中reduce方法的使用

reduce就是将一个只能接收两个参数的函数所得的结果继续和序列中下一个元素做迭代计算reduce(f,[x1,x2,x3,x4])=f(f(f(x1,x2),x3,),x4))例如我们可以用在这一场景，将列表中的每个数字组成一个整体的数from functools import reducedef f(x,y) return x*10+yprint(reduce(f,[1,3,5,7]))输出结果为1357...