捡垃圾的朵

为什么正交矩阵的特征值一定为1或者-1？

1、什么叫自动化采集脚本：自动去采集网站上我们需要的数据。2、批量采集数据：谷歌浏览器—百度—东方财富网。①安装（pip install）和导入模块（import）；②本次操作需要的模块requests、pandas、re；re不用安装，是python自带的。③模块说明：requests—用来请求网站的数据；pandas—用来操作表格；re—用来筛选数据的。3、爬虫：请求某一个网站的数据。①确定目标：请求哪一个网址；②以什么样的身份去请求？③请求。

3、会得到两个路径，复制第一个路径：C:\Users\jenny\AppData\Local\Programs\Python\Python37\python.exe。4、回到pycharm的界面：文件—设置—项目—python解释器—添加解释器—添加本地解释器。5、选择现有—点击后面的三个点，将复制好的路径粘贴进去，然后一直点确定。可以看出，经过以上的操作，模块已经成功导入，并可以利用其相应的功能等。2、在pycharm中import的时候，发现会报错。1、打开终端：组合键windows+R，输入cmd。

1、打开控制面板的卸载程序，将python3.7.8和python launcher进行卸载（不同人的版本可能不一样，有的人可能是python3.8或3.9，不用管），反正将这两个卸载了就是。2、重新安装python的解释器，解释器的下载地址我放百度网盘了：链接：https://pan.baidu.com/s/1rGqWkzcLsT7tEatpm0dJ8A。2、弹出 “编辑环境变量” 窗口，点击 “新建”，将 Scripts 的绝对路径粘贴进去，点击确定即可。3、在安装的时候，画红线的地方一定要勾选。

Python实现一元线性回归

属性具有多种类型，包括效益型、成本型、区间型、中间型等。这四种属性，效益型属性越大越好，成本型属性越小越好，区间型属性是在某个区间最佳，中间型是越接近某个数越好。（3）归一化：属性值表中不同指标的属性值的数值大小差别很大，为了直观，需要把属性值表中的数值归一化，即把表中数值均变换到[0,1]区间上。（1）指标正向化处理：属性值有多种类型，为了便于处理，可以进行极大化处理，使得表中任一属性下性能越优的方案变换后的属性值越大。（2）无量纲化：每一列数值具有不同的单位（量纲），可以对每个指标进行无量纲化。

关联度：关联度是因素（指标）之间关联性大小的度量，它定量地描述了因素之间相对变化的情况。从思路上看，关联度分析属于几何处理范畴。基本思想是根据序列曲线集合形状的相似程度来判断其联系是否紧密，即认为几何形状越接近，关联程度越大。因此，利用灰色关联度可对评价对象的优劣进行比较分析。理解关联度的例子：在以上的例子中，如果把总收入看作参考序列，把招商引资和农业收入就是被比较的对象。①招商引资和总收入（参考序列）变化趋势很相似；②农业收入和总收入（参考序列）变化趋势不太相似；

【代码】线性规划问题——基于Python。

【代码】线性代数相关知识（矩阵）——基于Python。

@爱学习的朵目录1 顺序结构2 对象的布尔值3 选择结构（if）3.1 单分支结构（if）3.2 双分支结构（if...else...）（2选1执行）3.3 多分支结构（多选1执行）3.4 分支的嵌套4 循环结构（while、for in）1 顺序结构2 对象的布尔值Python一切皆对象，所有对象都有一个布尔值。以下对象的布尔值为False。（1）False（2）数值0（3）None（4）空字符串（5）空列表（6）空元组（7）空字典（8）空集合其他对象的布尔值均为True。

@爱学习的朵目录1 input函数2 运算符2.1 算数运算符2.1.1 标准算数运算符2.1.2 取余运算符2.1.3 幂运算符2.2 赋值运算符（顺序：从右到左）2.2.2 链式赋值2.2.2 参数赋值2.2.3 系列解包赋值2.3 比较运算符（结果为布尔类型）2.3.1 > 和<和 >= 和<= 和!=2.3.2 对象value的比较2.3.4 对象id的比较2.4 布尔运算符2.4.1 and2.4.2 or2.4.3 not（对布尔类型取反）2.4.4 in和not i

@ 爱学习的DUO目录1 print()函数1.1 输出到控制台1.1.1 输出数字1.1.2 输出字符串1.1.3 输出表达式1.2 输出到文件中2 转义字符2.1 换行字符
2.2 tab字符 \t3 查看python的key words4 常见数据类型4.1 整数型 int4.2 浮点型 float4.3 布尔型（True、False）4.4 字符串型 str1 print()函数1.1 输出到控制台1.1.1 输出数字print(520) #5201.1.2 输出字符串prin

@ 爱学习的阿朵1 数据说明import pandas as pdtest = pd.read_excel('D:/pp/test_null.xlsx','Sheet1');testnote:① NaN：not a number② NaT：not a time2 筛选【有空值】的行2.1 任意列有空值的行test[test.isnull().T.any()] #无论哪列，有空值的被选出来2.2 指定列有空值的行例1：只筛选【生日】列存在空值的行。test[test[['生日

@爱学习的DUO目录1 数据说明2 纵向拼接（默认）3 横向拼接4 总结语法：result = pd.concat([df1, df2], axis= ‘ ')①axis=0，纵向拼接（默认）②axis=1，横向拼接1 数据说明import pandas as pddf1 = pd.DataFrame({'Name':['张三','李四','王五'], 'Age':[25,26,27]})df2 = pd.DataFrame({'Name':['大六'],'Age':[30]})df

@爱学习的DUO目录1 数据读取（A、B表）2 当右表无重复项3 当右表有重复项3.1 数据读取（C表）3.2 不对右表去重3.3 对右表去重处理3.4 总结merge（）表示将【左表】和【右表】，按某个均有的字段，进行横向匹配。1 数据读取（A、B表）import pandas as pdA = pd.read_excel('D:/pp/test.xlsx','Sheet1');AB = pd.read_excel('D:/pp/test.xlsx','Sheet2');BA表(左)

@爱学习的阿朵目录1、trunc（）截断函数1.1 trunc（）截断数字1.2 trunc（）截断日期2、to_char()函数3、to_date1、trunc（）截断函数含义：① trunc（number）表示截断数字② trunc（date）表示截断日期1.1 trunc（）截断数字select TRUNC(15.79,1) from dual; --15.7,保留小数点后一位select TRUNC(15.123456789,2) from dual; --15.12,保留小数点

@爱学习的阿朵目录1、数据说明1.1 websites表（5行）1.2 access_log表（9行）2、join...on 的用法3、left join的用法3.1 当左表为websites(5行)，右表为access_log（9行）3.2 当左表为access_log（9行)，右表为websites(5行)4、group by回顾1、数据说明用到了菜鸟教程里的2个表：websites和access_log。两表信息如下图所示。表的创建：drop table websitescreate

@爱学习的DUO目录第三章 查询语言3.3 排序查询3.3.1 排序查询案例3.3.2 排序查询总结3.4 常见函数3.4.1 单行函数3.4.1.1 字符函数3.4.1.2 数学函数3.4.1.3 日期函数3.4.1.4 流程控制函数3.4.2 聚合函数/分组函数3.4.2.1 sum函数3.4.2.2 avg函数3.4.2.3 count函数3.4.3 分组函数和distinct使用3.5 分组查询（group by）3.5.1 分组前查询（单个字段）3.5.2 分组后查询3.5.3 按表达式或函数

@爱学习的DUO目录第一章：数据库查看第二章 ：常用的命令第三章：查询语言3.1 基础查询3.1.1 查询表中的单个字段3.1.2 查询表中的多个字段3.1.3 查询表中的所有字段3.1.4 查询常量值3.1.5 查询表达式3.1.6 查询函数3.1.7 起别名3.1.8 去重3.1.9 CONCAT()连接符3.1.10 ifnull()3.2 条件查询3.2.1 按条件表达式3.2.2 按逻辑表达式筛选（连接条件表达式）3.2.3 模糊查询总结第一章：数据库查看note：采用myemployee库