- 博客(8)
- 收藏
- 关注
RSS订阅原创 计数排序——python
以下以[ 1，3，5，8，2，5，4 ]这组数字来演示。首先，我们找到这组数字中最大的数，也就是 bucketLen = 8，创建一个最大下标为 8 的空数组 bucket 。遍历数据，将数据的出现次数填入bucket中对应的下标位置中。遍历 bucket ，将数据依次取出即可。def countingSort(arr, maxValue): bucketLen = maxValue+1 bucket = [0]*bucketLen sortedIndex =0
2021-03-17 15:49:32
83
原创 堆排序--python
通常堆是通过一维数组来实现的。在阵列起始位置为0的情况中(1)父节点i的左子节点在位置(2i+1);(2)父节点i的右子节点在位置(2i+2);# (1)最大堆调整(heapify):将堆的末端子节点作调整，使得子节点永远小于父节点。# (2)建立最大堆(buildMaxHeap):将堆所有数据重新排序。建堆的过程其实就是不断做最大堆调整的过程，从len/2出开始调整，一直比到第一个节点。# (3) 堆排序(HeapSort):移除位在第一个数据的根节点，并做最大堆调整的递归运算。堆排序是利用建堆
2021-03-17 15:20:16
86
原创 快速排序——python
def quick_sort(list, i, j): if i >= j: return list piovt = list[i] low = i high = j while i < j: # 从后往前找小于pivot的数，如果没找到， j--，如果找到，交换list[i] = list[j] while i < j and list[j] >= piovt: j -= 1 list[i] = list[j] # 从前往后找大于pivot的数，
2021-03-17 14:51:36
99
转载 归并排序——python实现
归并排序（MERGE-SORT）是建立在归并操作上的一种有效的排序算法,该算法是采用分治法（Divide and Conquer）的一个非常典型的应用。归并排序适用于子序列有序的数据排序。1、原理 归并排序是分治法的典型应用。分治法（Divide-and-Conquer）：将原问题划分成 n 个规模较小而结构与原问题相似的子问题；递归地解决这些问题，然后再合并其结果，就得到原问题的解。从上图看分解后的数列很像一个二叉树。归并排序采用分而治之的原理：将一个序列从中间位置分成两个序列；在将这两个子序
2021-03-05 15:04:17
224
原创 得到skleran中PLSRegression的x_scores_、x_weights_、coef_等属性
要获得如下这些属性，只需plsda = PLSRegression(n_components=8)plsda.fit(x_train, y_train)print(plsda.x_scores_)
2020-06-04 17:06:55
1424
1
原创 数值型和标称型数据、数据离散化
标称型：一般在有限的数据中取，而且只存在‘是’和‘否’两种不同的结果（一般用于分类）数值型：可以在无限的数据中取，而且数值比较具体化，例如4.02,6.23这种值（一般用于回归分析）使用数值型数据做标称型数据的工作时，必须将数值型数据离散化。关于离散化，可参考https://www.cnblogs.com/jiaxin359/p/8574510.html...
2020-05-22 09:59:25
552
原创 用matplotlib画边缘直方图
import numpy as npimport pandas as pdimport matplotlib.pyplot as pltimport warnings; warnings.filterwarnings(action='once')df = pd.read_csv("https://raw.githubusercontent.com/selva86/datasets/master/mpg_ggplot2.csv")# Create Fig and gridspecfig = pl
2020-05-22 09:37:56
729
原创 寻峰、寻谷算法
`在这里插入代from scipy.signal import find_peaksfrom scipy.signal import argrelextremaimport pandas as pdimport numpy as npimport matplotlib.pyplot as pltdata = pd.read_csv(r’…/data2/data_dl_cs_msc.csv’, header=None).iloc[:60, :]for m in range(data.shape[0
2020-05-21 17:46:41
2748
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