学习笔记
文章平均质量分 85
�翘阿翘
这个作者很懒,什么都没留下…
展开
-
SQL学习打卡4—集合运算
SQL学习打卡4—集合运算union与unionallunion与unionall二者都是能够使记录的行增加union 是上下连接两个表或者查询结果,需要字段名、数据类型匹配,自动去重union all 不去重连接上下两表原创 2022-03-23 20:36:27 · 395 阅读 · 0 评论 -
SQL学习打卡2—基础查询与排序
SQL学习打卡1—基础查询与排序数据库查询SELECT语句的操作符聚合类函数SQL查询HAVINGNULLORDER BY中列名可使用别名多表查询关于别名和字段重名多表连接的条件数据库查询SELECT语句的操作符聚合类函数针对一组数求汇总值的函数,以下常用的五种聚合函数和Excel中的功能一致常用法则COUNT函数的结果根据参数的不同而不同。COUNT()会得到包含NULL的数据行数,而COUNT(<列名>)会得到NULL之外的数据行数。聚合函数会将NULL排除在外。但COUN原创 2021-09-16 21:30:43 · 176 阅读 · 0 评论 -
十月学习打卡-numpy-5
十月学习打卡-numpy-51.排序,搜索和计数排序numpy.sort(a[, axis=-1, kind=‘quicksort’, order=None]) Return a sorted copy of an array.axis:排序沿数组的(轴)方向,0表示按行,1表示按列,None表示展开来排序,默认为-1,表示沿最后的轴排序。kind:排序的算法,提供了快排’quicksort’、混排’mergesort’、堆排’heapsort’, 默认为‘quicksort’。order:排序原创 2020-10-31 20:10:55 · 81 阅读 · 0 评论 -
十月学习打卡-numpy-4
十月学习打卡-numpy-41.向量化和广播向量化和广播这两个概念是 numpy 内部实现的基础。有了向量化,编写代码时无需使用显式循环。这些循环实际上不能省略,只不过是在内部实现,被代码中的其他结构代替。向量化的应用使得代码更简洁,可读性更强,也可以说使用了向量化方法的代码看上去更“Pythonic”。广播(Broadcasting)机制描述了 numpy 如何在算术运算期间处理具有不同形状的数组,让较小的数组在较大的数组上“广播”,以便它们具有兼容的形状。并不是所有的维度都要彼此兼容才符合广播机制原创 2020-10-28 11:00:37 · 89 阅读 · 0 评论 -
十月学习打卡-numpy-3
十月学习打卡-numpy-3import numpy as npimport matplotlib.pyplot as plt1.关于numpy中轴的问题0轴代表最高维度的方向,维度降低,则axis数值加1a = np.array([[1,2,3],[4,5,6]])print(a)print(np.sum(a,axis=0)) # [5 7 9]print(np.sum(a,axis = 1)) # [ 6 15][[1 2 3] [4 5 6]][5 7 9][ 6 15原创 2020-10-25 22:43:21 · 87 阅读 · 0 评论 -
十月学习打卡-numpy-2
十月学习打卡-numpy-2import numpy as npimport random1.调整数组的形状four = np.array([[1,2,3],[4,5,6]])# 修改的是原有的four.shape = (3,2)print(four)[[1 2] [3 4] [5 6]]# 返回一个新的数组four_other = np.array([[1,2,3],[4,5,6]])four_other_new = four.reshape(3,2)print(four原创 2020-10-22 21:35:04 · 168 阅读 · 0 评论 -
十月学习打卡-numpy-1
十月学习打卡-numpy-1import numpy as np1.通过array()函数进行创建a = np.array([0, 1, 2, 3, 4])b = np.array((0, 1, 2, 3, 4))print(a, type(a))print(b, type(b))[0 1 2 3 4] <class 'numpy.ndarray'>[0 1 2 3 4] <class 'numpy.ndarray'>2.用list直接转为ndarray格式原创 2020-10-20 15:14:38 · 134 阅读 · 0 评论