Python 教程
文章平均质量分 75
Python适用于Web开发、网络爬虫、计算与数据分析、人工智能、自动化运维、云计算、网络编程、游戏开发等。
神仙别闹
一无所成,一无是处!
展开
-
基于Python实现中美地区经济发展对比与预测分析(商业大数据分析)【500010072】
目标1:对比分析 2022 年美国各州与中国主要城市的经济 目标2:分析中国 1997-2018 年县域社会经济主要指标的变化趋势,探索经济发展的地域差异目标3:对比分析中国主要城市与美国各州在不同产业(如第一产业、第二产业、第三产业)的GDP增加值,揭示两国产业结构的差异目标4:基于历史数据,预测未来五年中美两国的经济发展趋势目标5:探索影响中美两国经济发展的主要因素(产业结构) 目标6:再探中美两国经济发展下的产业结构原创 2024-02-21 08:58:54 · 1644 阅读 · 0 评论 -
基于K-Means聚类与RFM模型分析顾客消费情况【500010102】
实现基于Python K-Means聚类与RFM模型分析顾客消费情况1、数据处理1.1、Python库导入1.2、数据导入1.3、数据预览1.4、数据逻辑性检查1.5、数据处理2、数据分析2.1、订单数据趋势分析2.2、订单特征分析2.3、消费者反馈分析2.4、时间序列分析2.4.1、销售额时序图2.4.2、时间序列分解结果2.4.3、建立SARIMA模型2.4.4、预测未来七天的销售额2.5、基于聚类分析构建用户画像2.5.1、数据处理2.5.2、确定聚类数2.5.3原创 2024-01-16 16:28:49 · 1096 阅读 · 3 评论 -
基于K-Means聚类算法与随机森林模型评估信贷风险客户【500010101】
实现基于Python K-Means聚类算法与随机森林模型评估信贷风险客户1、数据处理1.1、Python库导入1.2、数据导入1.3、数据预览1.4、数据处理2、数据分析2.1、客户基本情况分析2.2、客户经济情况分析2.3、客户贷款情况分析2.4、客户贷款风险评估分析2.4.1、划分高风险客户和低风险客户2.4.2、基本情况对比2.4.3、经济情况对比2.4.4、贷款情况对比2.5、用户画像分析2.5.1、确定聚类数2.5.2、建立k均值聚类模型2.5.3、四类客户之原创 2024-01-12 15:02:20 · 1791 阅读 · 1 评论 -
基于Python实现二手房整体情况可视化分析+房价预测【500010099】
1、数据处理1.1、导入模块1.2、获取数据1.3、数据分析处理1.4、数据清洗2、数据可视化2.1、箱线图分析2.2、单价、数量、总价和行政区域之间的关系2.3、面积和总价的关系2.4、朝向和总价的关系2.5、装修和总价的关系2.6、楼层和总价的关系2.7、电梯和总价的关系2.8、学区房和总价的关系2.9、建筑年代情况分析以及和总价的关系2.10、产权性质、住宅类别、建筑结构、建筑类别与总价的关系2.11、户型和总价的关系3、模型建立及预测3.1、删除所有缺失值原创 2024-01-04 16:38:02 · 1007 阅读 · 2 评论 -
基于Python实现汽车销售数据可视化+预测【500010086.1】
1、获取数据2、数据分析处理3、数据可视化及预测3.1、销量分析3.1.1、波动性分析(汽车月销量时间序列图、计算月销量的标准差、滚动标准差图)3.1.2、同比增长分析(汽车销量同比增长率图)3.1.3、时间序列分析3.1.4、预测未来销量(汽车销量时间序列图、ACF、PACF、SARIMA预测)3.2、厂商分析3.2.1、厂商销量分析(计算各厂商的总销量和平均月销量、Top 5 厂商的年度销量趋势图)3.2.2、市场份额分析(市场份额排名前10的厂商、Top 5 厂商的市场份额趋势图)原创 2023-11-23 11:33:26 · 3942 阅读 · 1 评论 -
基于Python(Pandas+Pyecharts)实现全国热门旅游景点数据可视化【500010037】
实现基于Python(Pandas+Pyecharts)实现全国热门旅游景点数据可视化1、数据处理1.1、读取数据1.2、查看索引、数据类型和内存信息1.3、查看数值型列汇总统计1.4、去除销量为0的行数据1.5、将缺失值用‘未知’填充1.6、按销量排序2、数据可视化2.1、销量前20热门景点数据2.2、假期出行数据全国地图分布2.3、各省市4A-5A景区数量柱状图2.4、各省市4A-5A景区数量玫瑰图2.5、各省市4A-5A景区数量阴影散点图2.6、各省市4A-5A景区地图分布原创 2023-11-21 16:17:53 · 1826 阅读 · 1 评论 -
基于Python实现大型家用电器和电子产品在线商店购买数据分析【500010098】
1、进行用户消费趋势分析(按月)1.1、每月的消费总金额 1.2、每月的消费人数 2、进行品牌消费情况分析2.1、各品牌产品消费总金额2.2、各品牌用户数量3、用户个体消费分析3.1、用户消费金额、消费次数的描述性统计3.2、用户消费次数、消费金额散点图3.3、用户消费金额分布图3.4、用户消费次数分布图3.5、用户累计消费金额占比4、用户消费行为4.1、用户第一次消费4.2、用户最后一次消费4.3、新老客消费占比4.4、用户分层(RFM)5、用户生命周期(第一次和最后原创 2023-11-18 13:44:22 · 386 阅读 · 3 评论 -
基于Python实现连锁咖啡店经营情况EDA分析【500010097】
从统计数据可以看到,销售额和利润前三的城市是:南京,徐州和苏州;平均销售额和平均利润最高的是上海。该连锁咖啡店目前共有100家店铺,716万的销售额,利润总额为383万,员工总数为1084人。普洱市的门店均价是最高的,为159.333元/平方米。平均利润率排名前三城市为:哈尔滨市,大庆市,广州市。原创 2023-11-15 15:44:03 · 464 阅读 · 0 评论 -
基于Python实现汽车销售数据可视化【500010086】
实现基于Python实现汽车销售数据可视化1、计算销量同比数据2、汽车年销售量图3、2023年与2022年同时期汽车销量数据对比图4、各厂商汽车销量(年)5、各车型汽车销量(年)原创 2023-11-14 16:22:29 · 1532 阅读 · 0 评论 -
OpenCV+特征检测
SURF.detect(),SURF.compute()等来查找关键点和描述符。# 创建SURF对象。你可以在此处或以后指定参数# 这里设置海森矩阵的阈值为400,在实际情况下,最好将值设为300-500# 直接查找关键点和描述符。原创 2023-11-14 14:54:28 · 477 阅读 · 0 评论 -
OpenCV+相机校准和3D重建
相机校准至少需要10个测试图案,所需的重要输入数据是3D现实世界点集以及图像中这些点的相应2D坐标。3D点称为对象点,而2D图像点称为图像点。原创 2023-11-13 16:31:49 · 1273 阅读 · 0 评论 -
OpenCV+计算摄影
在此阶段,我们将曝光序列合并为一张HDR图像,显示了OpenCV中的两种可能性。请注意,HDR图像的类型为float32,而不是uint8,因为它包含所有曝光图像的完整动态范围。在这里,我们展示了一种替代算法,用于合并曝光图像,而我们不需要曝光时间。我们也不需要使用任何色调映射算法,因为Mertens算法已经为我们提供了[0…实际上,在某些情况下,该值可以大于1或小于0,因此请注意,我们稍后将必须裁剪数据以避免溢出。我们需要创建一个与输入图像大小相同的掩码,其中非零像素对应于要修复的区域。原创 2023-11-13 16:31:16 · 585 阅读 · 0 评论 -
基于 python 实现 n的n次方 的后三位数(末位三位计算)
整数的后三位,实质上就是模运算,相当于 mod 1000,所以这是一个快速幂的模运算的算法问题,只需要模运算结果,并不需要完整的中间结果。模运算与基本四则运算有些相似,但是除法例外。原创 2023-09-02 10:19:20 · 575 阅读 · 0 评论 -
基于Python实现TXT文件自适应转换图片【400010001】
通过Python将读取到的TXT文件内容,根据文件内容自动换算图片分辨率(长*宽)后,生成任意格式图片。(如文件内容过多,导致超出最大图片分辨率时会报错)原创 2023-08-12 10:53:41 · 538 阅读 · 0 评论 -
基于Python实现txt文件转换WORD、PDF、图片【400010002】
通过Python将读取到的TXT文件内容转换为Word文件后,将Word文件转换为PDF文件(此处需要基于Kwps.Application,安装WPS),再将PDF文件转换为任意图片格式文件。转换后的图片文件,按每个文件独立文件夹存放图片。原创 2023-08-12 10:24:59 · 433 阅读 · 0 评论 -
Python 操作 mysql 数据库,并使用连接池
PyMySQL:纯Python实现的一个驱动。因为是纯Python编写的,因此执行效率不如MySQL-python。并且也因为是纯Python编写的,因此可以和Python代码无缝衔接。MySQL Connector/Python:MySQL官方推出的使用纯Python连接MySQL的驱动。因为是纯Python开发的,效率不高。MySQL-python:也就是MySQLdb。是对C语言操作MySQL数据库的一个简单封装。遵循了Python DB API v2。原创 2022-11-25 09:01:14 · 3012 阅读 · 1 评论 -
Python 导入数据(Pandas)
读取 Excel 文件时,首先 .xls 与 .xlsx 的格式不同,其次要考虑数据表带不带标题行,有时文件中还有多个工作表。读取文件时还会遇到数据缺失,非法字符。此外,对于大数据类的问题,所需处理的数据量可能非常大,必要时需对文件进行拆分或合并,也可以用 pandas 进行处理。常见的数据文件格式有文本文件(.txt)、Excel 文件(.xls, .xlsx)和 csv 文件(.csv)。对于文本文件 .txt 和 .dat,可以使用 pandas.read_table() 函数读取。原创 2022-11-22 09:39:28 · 3963 阅读 · 0 评论 -
Python线性规划实例,用PuLP 库求解线性规划的建模与编程
某厂生产甲乙两种饮料,每百箱甲饮料需用原料6千克、工人10名,获利10万元;每百箱乙饮料需用原料5千克、工人20名,获利9万元。今工厂共有原料60千克、工人150名,又由于其他条件所限甲饮料产量不超过8百箱。原创 2022-11-21 08:52:09 · 1955 阅读 · 0 评论 -
Python 模拟退火算法
对于问题 1(Schwefel函数),通过对当前解的一个自变量施加正态分布的随机扰动产生新解。模拟退火算法基于优化问题求解过程与金属退火过程的相似性,以优化目标为能量函数,以解空间为状态空间,以随机扰动模拟粒子的热运动来求解优化问题。模拟退火算法借鉴了统计物理学的思想,是一种简单、通用的启发式优化算法,并在理论上具有概率性全局优化性能,因而在科研和工程中得到了广泛的应用。模拟退火算法结构简单,由温度更新函数、状态产生函数、状态接受函数和内循环、外循环终止准则构成。外循环是由冷却进度表控制的温度循环;原创 2022-11-11 10:29:26 · 2710 阅读 · 1 评论 -
Python 实现希尔排序(缩小增量排序)算法
希尔排序目的为了加快速度改进了插入排序,交换不相邻的元素对数组的局部进行排序,并最终用插入排序将局部有序的数组排序。它通过比较相距一定间隔的元素来进行,各趟比较所用的距离随着算法的进行而减小,直到只比较相邻元素的最后一趟排序为止。的快速排序算法快 ,因此对中等大小规模表现良好,但对规模非常大的数据排序不是最优选择,总之比一般。希尔排序(Shell Sort)是插入排序的一种,它是针对直接插入排序算法的改进。希尔排序又称缩小增量排序,因 DL.Shell 于 1959 年提出而得名。复杂度的算法快得多。原创 2022-09-08 11:04:58 · 458 阅读 · 0 评论 -
Python 实现插入排序算法
插入排序(InsertionSort),一般也被称为直接插入排序。对于少量元素的排序,它是一个有效的算法。插入排序是一种最简单的排序方法,它的基本思想是将一个记录插入到已经排好序的有序表中,从而一个新的、记录数增 1 的有序表。在其实现过程使用双层循环,外层循环对除了第一个元素之外的所有元素,内层循环对当前元素前面有序表进行待插入位置查找,并进行移动。原创 2022-09-07 15:29:14 · 6571 阅读 · 1 评论 -
vscode 配置使用 pip 标准库管理器
错误提示:pip : 无法将“pip”项识别为 cmdlet、函数、脚本文件或可运行程序的名称。请检查名称的拼写,如果包括路径,请确保路径正确,然后再试一次。原创 2022-05-09 10:26:33 · 5789 阅读 · 0 评论