- 博客(5)
- 收藏
- 关注
RSS订阅原创 蓝桥杯-单片机01-基础外设
LED、继电器、蜂鸣器、数码管等基础外设 蓝桥杯单片机赛题指定用板上LED、继电器、蜂鸣器、数码管均受M74HC573M1R锁存器控制，信号端与P0端口相连，锁存器控制端为LE，与YxC引脚相连，而YxC引脚又与或非门器件74H02相连，直接受Yx引脚的控制，Yx引脚的电平受三八译码器74HC138的控制，从而使这些器件受P25、P26、P27三个引脚的控制。 开发板原理图↓↓ 因此控制这些器件就需要搭配使用P0端口和P25、P26、P27三个引脚。 utils.c #include "utils.h"
2022-03-21 14:45:39
361
原创 Datawhale数据分析教程笔记04
数据可视化 tips:在jupyter notebook上使用matplotlib绘图，可以加上一行%matplotlib inline生成无交互的可视化图表 或 使用%matplotlib notebook形成交互式的图表 最基本的可视化图案有哪些？分别适用于那些场景？ 折线图折线图折线图 适合可视化某个属性值随时间变化的走势 散点图散点图散点图 适合可视化因变量随自变量而变化的大致趋势 柱状图柱状图柱状图 适合可视化不同状态下某一属性的数量大小 直方图直方图直方图 适合可视化数据的出现频率分布 扇形图扇
2022-03-21 14:16:45
1678
原创 Datawhale数据分析教程笔记03
数据重构 数据合并 ①使用concat()函数 部分参数如下 参数 说明 obj DataFrame对象/Series对象 axis 0为纵向，1为横向 join 如何处理其他轴上的索引。outer为联合；inner为交集，即只合并有相同列/行的部分 ignore_index boolean，为True则重新设置合并后的index，False则直接拼接，不修改原有索引 result_up = pd.concat([dflu,dfru],axis=1) result_down
2022-03-19 12:04:33
2304
原创 Datawhale数据分析教程笔记02
数据清洗及特征处理 缺失值查看 查看所有特征的缺失值 ①可以使用df.info()，查看数据基本信息，包含非缺失值的个数 ②df.isnull().sum()，求所有特征的确实值 查询特定特征的确实值时只需要调出特定特征值即可 例如 df[['Age','Cabin','Embarked']].isnull().sum() 或 df.loc[:,['Age','Cabin','Embarked']].info() 缺失值处理 ...
2022-03-18 00:15:55
146
原创 Datawhale数据分析教程笔记01
数据读取 载入数据 read_csv()和read_table()的区别 read_csv()和read_table()两个方法均能从文件、URL、文件型对象中读取数据，区别是read_csv()默认分隔符为英文逗号，相应的文件就是.csv文件，read_table()默认分隔符为制表符\t，相应的文件就是.tsv文件，read_table()的sep参数设置为’,'时，二者没有差别，返回值均是DataFrame对象。 pandas逐块读取 由于DataFrame对象占用内存很大，当数据样本较大时，直接读取
2022-03-15 21:21:14
405
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