后端_Python
日常Python开发知识点及踩坑总结
梦境工程师-335
啥都会一点的六边形战士,我常在一个神秘的网络里接各种稀奇古怪的订单
展开
-
Python引入自定义文件(一分钟)
文章目录Python引入自定义文件1、一分钟了解- 文件目录结构- 文件目录解释- 操作图解2、文件全部代码(附注释)3、运行结果Python引入自定义文件1、一分钟了解- 文件目录结构- 文件目录解释在主Python文件 ( 我这里是main.py ) 的同级目录下建立文件夹( 这里随便起个名字叫wanbian_word )作为需要引入的包,然后在里面建立两个文件,分别是初始化文件_init_.py(必须建立改名字的文件),需要引入的文件wanbian_word.py(可以随便起名)。原创 2021-03-18 21:56:12 · 1039 阅读 · 2 评论 -
Python绘制分形树
Python绘制分形树任务要求1.树干初始长度为50。2.每次绘制完成树枝时,画笔右转20度。3.绘制下一段树枝时,长度减少15,。重复2-3操作直至终止。4.终止条件:树枝长度小于5,此时为顶端树枝。5.达到终止条件后,画笔左转40度,以当前长度减少15,继续绘制树枝。6.右转20度,回到原方向,退回上一个节点,直到操作完成。7.判断如果是树枝末端,将画笔颜色改变为绿色,绘制出树叶的效果。import turtledef draw_tree(branch_length, t):原创 2021-03-09 22:36:42 · 3434 阅读 · 1 评论 -
Python大数据分析(三):大数据统计分析技术
文章目录(一)概率论数理统计中的概念(1)随机分布(2)统计分布(二)统计分析的常见指标(1)均值,方差,标准差,中位数,众数(2)总量指标(3)相对指标(4)平均指标(5)变异指标(三)统计分析的特点(四)数据统计分析pandas工具使用13分钟入门pandas(一):对象创建13分钟入门pandas(二):查看数据13分钟入门pandas(四):对象创建13分钟入门pandas(五):对象创建3分钟入门pandas(六):对象创建13分钟入门pandas(七):对象创建13分钟入门pandas(八):对原创 2020-06-21 04:52:41 · 3215 阅读 · 0 评论 -
pandas学习笔记(十二):数据的输入与输出(Getting data in/out)
(1)CSV写到一个CSV文件中要将数据存进csv文件的方式很简单,执行下面这段代码就行 df.to_csv('programming.csv')使用pandas进行对csv文件的数据读取pd.read_csv('programming.csv')分别对头部和尾部进行读取pd.read_csv('programming.csv').head()pd.read_csv('programming.csv').tail()(2)HDF5读和写到HDFStores..原创 2020-06-21 04:43:22 · 481 阅读 · 0 评论 -
pandas学习笔记(十一):绘图(Plotting)
(1)我们使用标准的matplotlib API参考来绘制数据图表import matplotlib.pyplot as pltplt.close('all')ts = pd.Series(np.random.randn(10),index=pd.date_range('21/6/2020',periods=10))ts = ts.cumsum()ts.plot()ts = pd.Series(np.random.randn(1000),index=pd.date_range('21/.原创 2020-06-21 04:18:01 · 1921 阅读 · 0 评论 -
pandas学习笔记(十):分类(Categoricals)
(1)pandas包含了分类数据在DataFrame里df = pd.DataFrame({"id":[1,2,3,4],"name":['张珊','李时','网二','马志']})df(2)转换原生数据到分类数据类型df["grade"]=df["name"].astype("category")df["grade"]df["grade"].cat.categories = ["kok", "galarxy", "L","poa"]df["grade"] = df["..原创 2020-06-21 03:55:35 · 639 阅读 · 0 评论 -
pandas学习笔记(九):时间序列(Time series)
pandas在频率转化期间有简单,秒级的数据转换为 5 分钟为频率的数据,强大和高效地进行采样操作,常见使用于金融应用,但是不限于rs = pd.date_range('21/6/2020',periods=100,freq='S')ts = pd.Series(np.random.randint(0,500,len(rs)),index=rs)ts.resample('20Min').sum()时区的表示rs = pd.date_range('21/6/2020 00:00',per.原创 2020-06-21 02:40:41 · 716 阅读 · 0 评论 -
pandas学习笔记(八):重塑(Reshaping)
(1)stack,使用stack方法可以把标签压进所在的列中(2)unstack , 逆操作将标签从列中取出来使用unstack()(3)数据透视表原创 2020-06-20 23:37:53 · 319 阅读 · 0 评论 -
pandas学习笔记(七):分组(Grouping)
使用groupby()进行分组的选取,用sum()列举出所有结果原创 2020-06-20 22:23:34 · 308 阅读 · 0 评论 -
pandas学习笔记(六):合并(Operations)
(1)串联,把pandas的实体对象串联起来使用 concat()df6 = pd.DataFrame(np.random.randn(10, 4))df6q = [df6[:3], df6[3:7], df6[8:]]qpd.concat(q)最终串联后的得到的结果(2)Join原创 2020-06-20 22:08:09 · 208 阅读 · 0 评论 -
pandas学习笔记(五):操作(Operations)
(1)统计操作 mean() 用来排除缺失的数据df.mean()(2)在其他轴的同样操作df.mean(1)(3)带有对象的操作会有不同的维度要去对齐,除此之外,pandas会自动沿着指定维度广播s = pd.Series([1, 3, 5, np.nan, 6, 8], index=dates).shift(2)sdf.sub(s, axis='index')df(4)应用函数到数据(4)直方图化s = pd.Series(np.ran.原创 2020-06-20 19:45:11 · 303 阅读 · 0 评论 -
pandas学习笔记(四):数据缺失(Missing data)
重建索引允许你进行 改变/添加/删除 在指定轴上的指数,结果返回数据的拷贝体,操作不当会造成数据缺失,表现为NaN值丢弃掉数据缺失的行,因为…每一行都有缺失,所以显示为空,没有一行数据是完整无缺失的填充缺失的值使用 fillna( value=需要填充的值 )...原创 2020-06-20 17:39:07 · 1125 阅读 · 0 评论 -
pandas学习笔记(三):选择(Selection)
(1)选择数据(2)选择框 [ ] 可以切割数据组,如果选择[1:3]那下标为3的不会被选中,值选择[1],[2]这两个数(3)使用标签进行选择df.loc['标签名'](4)多标签选择df.loc[:, ['A', 'B']](5)通过切片和标签进行选择 df.loc['2000-01-01':'2000-01-03', ['A', 'B']](6)依据位置进行选择df.iloc[3:5,0:5](7)比较数值大小筛选(8)使.原创 2020-06-20 17:14:44 · 777 阅读 · 0 评论 -
pandas学习笔记(二):查看数据(Viewing data)
查看基础部分(1)这儿讲述了如何去查看frame的顶部和底部df.head()df.tail()(2)显示指数,列df2.indexdf2.columns(3)原创 2020-06-20 15:47:05 · 415 阅读 · 0 评论 -
pandas学习笔记(一):对象创建(Object creation)
我们全程使用Jupyter进行程序的编写第一步引入numpy和pandas库import numpy as npimport pandas as pd第二步开始使用对象创建(1)通过一列表的值创造一个序列,让pandas创造一个默认整型指数s = pd.Series([1,3,5,np.nan,6,7])s(2)基于NumPy数组创建一个带有日期指数和标签列的DataFramedates = pd.date_range('20200620',periods=6)原创 2020-06-20 01:20:21 · 650 阅读 · 0 评论 -
Python大数据分析(二):大数据技术基础
文章目录(一)Linux系统和大数据(二)Hadoop(1)Hadoop包含哪些模块?(2)Hadoop的生态成员(3)哪些人在使用Hadoop?(三)Spark(1)Scala(2)RDD(3)主件(四)云计算(1)虚拟化技术(2)云计算特点(3)云计算应用(五)Python数据分析工具(1)Pandas(2)matplotlib(3)scikit-learn附:参考资料(一)Linux系统和大数据大数据分析需要可扩展,易用,灵活的计算分析,大量的数据需要通过一个硬件的集群制造一个计算资源之外的可扩原创 2020-06-19 17:34:14 · 3181 阅读 · 0 评论 -
Python大数据分析(一):认识大数据
文章目录(一)大数据的定义(二)大数据的4V特征(1)大量(Volume)(2)(三)大数据思维变革(四)大数据处理过程(五)大数据的应用(一)大数据的定义大数据(Big data),又称为巨量资料,指的是在传统数据处理应用软件不足以处理的大或复杂的数据集的术语(二)大数据的4V特征(1)大量(Volume)(2)(三)大数据思维变革(四)大数据处理过程(五)大数据的应用...原创 2020-06-19 01:34:13 · 3676 阅读 · 0 评论 -
模拟退火算法
文章目录(一)维基百科解释(二)通俗解释演算步骤(1)公式(2)初始化(3)迭代过程(三)伪代码(四)实战(一)维基百科解释模拟退火来自冶金学的专有名词退火。退火是将材料加热后再经特定速率冷却,目的是增大晶粒的体积,并且减少晶格中的缺陷。材料中的原子原来会停留在使内能有局部最小值的位置,加热使能量变大,原子会离开原来位置,而随机在其他位置中移动。退火冷却时速度较慢,使得原子有较多可能可以找到内能比原先更低的位置。模拟退火的原理也和金属退火的原理近似:我们将热力学的理论套用到统计学上,将搜寻空间内每一原创 2020-06-02 02:32:28 · 801 阅读 · 1 评论 -
用matplotlib绘制饼图(学习规划——时间馅饼)
文章目录一,绘制单个饼图1,引入库2,显示中文标签3,是否显示负号4,线的粗细5,图例大小6,图大小7,定义饼状图的标签,标签是列表8,每个标签占百分比9,添加图标题10,(1)绘制饼图10,(2)全部代码二,绘制多个饼图1,关键代码2,(1)绘制饼图2,(2)全部代码用python绘制饼图做数据展示的原因是因为心理课要求做一个时间馅饼的规划图,想着手绘太麻烦,还可能画得太丑,就用python的matplotlib库来绘制了,下图是老师要求绘制的,Python的matplotlib最终效果图在文章底部原创 2020-05-22 01:38:13 · 10424 阅读 · 0 评论 -
用PyInstaller打包一个exe执行文件
Pyinstaller是什么?Pyinstaller在Windows、GNU/Linux、Mac OS X、FreeBSD、Solaris和AIX下将Python应用程序f封装为独立的可执行文件。快速上手的两行命令:如果没有按照pyinstaller , 就先使用pip进行安装pip install pyinstaller安装完成后使用pyinstaller执行,去封装你的程序py...原创 2020-04-14 10:28:48 · 1460 阅读 · 0 评论