- 博客(123)
- 收藏
- 关注
RSS订阅原创 软考-网络工程师听课笔记
访问F2的绝对路径： /:D1/W2/F2当前在D1访问F2的相对路径: W2/F2当前在W1访问F2的相对路径: : /W2/F2。
2023-04-07 15:49:16
1542
1
原创 言语理解与表达
1.中心理解题1.1中心理解题概述及表达方式1.2中心理解题主题词以及行文脉络2.总-分-总3.分-总（重要）4.分-总-分5.分-分2.标题填入题1.议论性文段2.说明性文段
2021-09-12 11:17:25
249
原创 python基础
12.1python开发环境1.计算机组成2.编程语言3.开发环境12.2python基础语法1.注释2.变量2.1作用和定义2.2变量的类型2.3不同类型之间的运算规则2.4变量的输入和输出2.4.1print函数使用2.4.2格式化输出3.分支语句3.1if分支语法3.1.1两数加减法3.1.2用户输入用户名密码是否正确3.2多个条件之间的关系3.2.1根据分数显示档位-
2021-09-08 09:19:54
147
原创 判断推理-定义判断
1.快速识别有效主题关键词-主体、客体条件＋结果 引导关键句包含定义的句子优先看多定义2.同构选项排除（意思、结构相似的选项）
2021-09-02 21:11:03
193
原创 十五、性能测试
15.1性能测试基础1.性能测试本质2.性能测试分类性能测试（狭义）负载测试压力测试并发测试配置测试可靠性测试3.性能测试指标响应时间tps资源利用率用户数
2021-08-28 08:47:19
66
原创 十四、接口测试
14.1接口（重点）1.是什么？2.为什么？3.怎么用？14.2接口测试（重点）1.是什么？测试后端实现是否符合接口规范2.为什么？程序安全、效率3.怎么用？（实现流程）模拟客户向服务器发送数据，然后查看响应要素1：定位服务器资源要素2：模拟用户提交数据要素3：查看响应的结果是否符合预期4.接口测试分类（记住）14.3环境搭建1.是什么？搭建接口测试的测试环境，运行程序2.为什么？必须的3.怎么用？14.4插件1.是什么？2.为什么？3.怎么用？
2021-08-28 08:46:33
67
原创 数据结构与算法基础
0.前言基本内容（讲什么）重要性1.绪论1.1数据结构的研究内容小结1.2基本概念和术语1.2.1数据、数据元素、数据项、数据对象1.数据2.数据元素3.数据项4.数据对象1.2.2数据结构1.数据结构的两个层次2.逻辑结构的种类3.存储结构的种类1.2.3数据类型和抽象数据类型1.数据类型2.抽象数据类型1.2.4小结1.3抽象数据类型的表示与实现1.4算法和算法分析1.4.1算法的定义
2021-08-05 22:32:04
143
2
原创 判断推理-图形推理
1.判断推理简介2.图形推理命题形式两组图的，前面找规律后面验证规律九宫格的，横着找或竖着找或米字型找规律（横占多数）3.图形推理学习的重点4.位置规律（元素组成相同）平移...
2021-07-21 21:42:56
1105
原创 Pandas plot
import pandas as pdimport numpy as npimport matplotlib.pylot as pltdata = pd.Series(np.random.randint(1000), index=np.arange(1000))data = data.cumsum()data.plot()plt.show()data = pd.Series(np.random.randint(1000), index=np.arange(1000), columns =['A
2021-07-13 21:21:09
94
原创 Pandas合并_merge
import pandas as pdimport numpy as npleft = pd.DataFrame({'key': ['K0', 'K1', 'K2', 'K3'], 'A': ['A0', 'A1', 'A2', 'A3'], 'B': ['B0', 'B1', 'B2', 'B3']})right = pd.DataFrame({'key': ['K0', 'K1', 'K2', 'K3'],
2021-07-13 17:43:10
67
原创 Pandas的合并
import pandas as pdimport numpy as npdf1 = pd.DataFrame(np.arange(12).reshape(3, 4), columns=['A', 'B', 'C', 'D'])df2 = pd.DataFrame(np.arange(12, 24).reshape(3, 4), columns=['A', 'B', 'C', 'D'])df3 = pd.DataFrame(np.arange(24, 36).reshape(3, 4), colum
2021-07-13 16:22:58
64
原创 Pandas文件读取与写入
import pandas as pdfile = pd.read_csv('pepole.csv', encoding='gbk')print(file)file.iloc[2, 0] = '深圳'print(file)file.to_csv('pepole2.csv')
2021-07-13 10:48:34
95
原创 Pandas处理丢失数据
import pandas as pdimport numpy as npdates = np.arange(20210712, 20210716)df1 = pd.DataFrame(np.arange(12).reshape(4, 3), index=[dates], columns=['A', 'B', 'C'])print(df1)df2 = pd.DataFrame(df1, index=[dates], columns=['A', 'B', 'C', 'D', 'E'])print(
2021-07-12 21:42:54
69
原创 Padans赋值及操作
import pandas as pdimport numpy as npdates = np.arange(20210712, 20210718)df1 = pd.DataFrame(np.arange(24).reshape(6, 4), index=[dates], columns=['A', 'B', 'C', 'D'])print(df1)print()print(df1.iloc[2, 2]) # 位置的方式print()df1.iloc[2, 2]=100print(df1
2021-07-12 16:52:46
152
原创 Pandas选择数据
import pandas as pdimport numpy as npdates = pd.date_range('20210712', periods=6)df1 = pd.DataFrame(np.arange(24).reshape(6, 4), index=[dates], columns=['A', 'B', 'C', 'D'])print(df1)print()print(df1['A']) # 将DataFrame的一个列获取为一个Seriesprint(df1.A) #
2021-07-12 11:29:05
66
原创 pandas基础,Series(一维序列),Dataframe（二维表结构）
import pandas as pdimport numpy as np# Seriess1 = pd.Series([4, 7, -5, 3]) # 创建一个series，索引为默认值print(s1)print()print(s1.values) # Series的值print(s1.index) # Series的索引print()s2 = pd.Series([4.0, 6.5, -0.5, 4.2], index=['d', 'b', 'a', 'c'])print(s
2021-07-12 10:44:55
503
原创 numpy的浅拷贝与深拷贝
import numpy as nparr1 = np.array([1, 2, 3])arr2 = arr1 # arr1和arr2共享同一块内存，浅拷贝arr2[0] = 5print(arr1)print(arr2)print()arr3 = arr1.copy() # 深拷贝arr3[0]=10print(arr1)print(arr3)[5 2 3][5 2 3][5 2 3][10 2 3]
2021-07-11 22:09:35
70
原创 array的分割
import numpy as nparr1 = np.arange(12).reshape(3, 4)print(arr1)arr2, arr3 = np.split(arr1, 2, axis=1) # 切分成两个部分，按水平方向print()print(arr2)print()print(arr3)arr4, arr5, arr6 = np.split(arr1, 3, axis=0) # 切分成3个部分，按垂直方向print(arr4)print(arr5)print(ar
2021-07-11 22:02:28
737
原创 array的合并
import numpy as nparr1 = np.array([1, 2, 3])arr2 = np.array([4, 5, 6])arr3 = np.vstack((arr1, arr2)) # 垂直合并print(arr3)print(arr3.shape)print()arr4 = np.hstack((arr1, arr2)) # 水平合并print(arr4)print(arr4.shape)print()arr5 = np.vstack((arr1, arr2,
2021-07-11 21:33:44
2681
原创 numpy的索引
import numpy as nparr1 = np.arange(2, 14)print(arr1)print()print(arr1[2]) # 第二个位置的数据print()print(arr1[1: 4]) # 第一到第四个位置的数据print()print(arr1[: 5]) # 前五个数据print()print(arr1[2: -1]) # 第二到倒数第一个位置的数据print()print(arr1[-2:]) # 倒数两个数据arr2 = arr1.
2021-07-11 16:22:06
79
原创 随机数生成以及矩阵运算
import numpy as npsample1 = np.random.random((3, 2)) # 生成3行2列的从0到1的随机数print(sample1)sample2 = np.random.normal(size=(3, 2)) # 生成3行2列符合标准正态分布的随机数print(sample2)print()sample3 = np.random.randint(0, 10, (3, 2)) # 生成3行2列的从0到10的随机数整数print(sample3)pri
2021-07-10 21:40:05
975
原创 numpy的运算
import numpy as nparr1 = np.array([[1, 2, 3], [4, 5, 6]])arr2 = np.array([[1, 1, 2], [4, 3, 2]])print(arr1+arr2)print(arr1-arr2)print(arr1*arr2)print(arr1**arr2) # 幂print(arr1/arr2)print(arr1 % arr2) # 取余print(a
2021-07-10 20:45:06
62
原创 创建arrary
import numpy as npa = np.array([1, 2, 3], dtype=np.int32)print(a.dtype)b = np.array([1, 2, 3], dtype=np.float)print(b.dtype)c = np.array([1, 2, 3]) # 一维数据print(c)d = np.array([[1, 2, 3], # 二维数据，三维在加一对方括号 [4, 5, 6]])print(d)zero = n
2021-07-10 20:12:08
142
原创 numpy的属性
import numpy as nparray=np.array([[1, 2, 3], [4, 5, 6], [7, 8, 9]])print(array)print(array.ndim) # 维度print(array.shape) # 形状print(array.size) # 大小print(array.dtype) # 元素类型
2021-07-10 17:52:25
46
原创 第一节统计术语
资料分析不是单纯考计算24-28min大纲四大问题1.基期和现期2.增长量3.增长率4.基期和现期、增长量、增长率的关系例3最多5.高频易错考点6.年均增长量7.年均增长率8.同比、环比（非常重要）9.比重（重要）10.倍数、平均数、百分数、百分点11.成数（古语）、翻番12.顺差、逆差（对外贸易）13.国内生产总值（GDP）14.了解15.五年计划...
2021-07-05 20:57:40
120
原创 模型的保存与载入
MNIST数据集分类的模型import numpy as npfrom keras.datasets import mnistfrom keras.utils import np_utilsfrom keras.models import Sequentialfrom keras.layers import Densefrom keras.optimizers import Adamfrom keras.models import load_model# 载入数据(x_train, y_t
2021-07-03 20:56:57
74
原创 RNN应用手写数字识别
import numpy as npfrom keras.datasets import mnistfrom keras.utils import np_utilsfrom keras.models import Sequentialfrom keras.layers import Densefrom keras.optimizers import Adam# SimpleRNN是最简单的，还有 LSTM, GRUfrom keras.layers.recurrent import Simpl
2021-07-03 17:57:26
335
原创 CNN应用于手写数字识别
import numpy as npfrom keras.datasets import mnistfrom keras.utils import np_utilsfrom keras.models import Sequential# Convolution2D 2维的卷积，MaxPooling2D 2维的最大池化， Flatten 把数据扁平化，# 把2维的数据扁平化为1维的数据from keras.layers import Dense, Dropout, Convolution2D, M
2021-07-03 17:56:46
102
原创 优化器optimizer
交叉熵的代码改的模型太简单，用了优化器效果也不明显一般来说adam比SGD要好，模型优化速度比较快import numpy as npfrom keras.datasets import mnist # 导入数据集from keras.utils import np_utils # Keras里面提供的一个numpy的工具包from keras.models import Sequentialfrom keras.layers import Densefrom keras.optimiz
2021-07-03 16:42:50
189
原创 正则化应用
需不需要正则化看具体的模型，本例中加了不好。和Dropout一样import numpy as npfrom keras.datasets import mnist # 导入数据集from keras.utils import np_utils # Keras里面提供的一个numpy的工具包from keras.models import Sequentialfrom keras.layers import Densefrom keras.optimizers import SGDfrom
2021-07-03 16:33:04
112
原创 Dropout应用
import numpy as npfrom keras.datasets import mnist # 导入数据集from keras.utils import np_utils # Keras里面提供的一个numpy的工具包from keras.models import Sequentialfrom keras.layers import Dense, Dropoutfrom keras.optimizers import SGD# 载入数据，从网上下载(x_train, y_tr
2021-07-03 16:15:52
131
原创 keras交叉熵
import numpy as npfrom keras.datasets import mnist # 导入数据集from keras.utils import np_utils # Keras里面提供的一个numpy的工具包from keras.models import Sequentialfrom keras.layers import Densefrom keras.optimizers import SGD# 载入数据，从网上下载(x_train, y_train), (x_t
2021-07-03 15:53:09
539
原创 MNIST数据集分类
import numpy as npfrom keras.datasets import mnist # 导入数据集from keras.utils import np_utils # Keras里面提供的一个numpy的工具包from keras.models import Sequentialfrom keras.layers import Densefrom keras.optimizers import SGD# 载入数据，从网上下载(x_train, y_train), (x_t
2021-07-03 11:47:40
402
原创 非线性回归
import kerasimport numpy as npimport matplotlib.pyplot as plt# Sequential按顺序构成的模型from keras.models import Sequential# Dense全连接层from keras.layers import Dense,Activation#优化器里面导入SGDfrom keras.optimizers import SGD# 使用numpy生成200个随机点x_data = np.linsp
2021-07-03 11:09:59
102
原创 keras线性回归
keras是深度学习的一种框架，底层是TensorFlow，用起来比tf简单：程序搭建比较快，缺点：运行速度慢（大概两倍）import kerasimport numpy as npimport matplotlib.pyplot as plt# Sequential按顺序构成的模型from keras.models import Sequential# Dense全连接层from keras.layers import Dense# 使用numpy生成100个随机点x_data = np
2021-07-03 10:20:40
132
空空如也
空空如也
TA创建的收藏夹 TA关注的收藏夹
TA关注的人