snow丶情调-CSDN博客

原创 datawhale11月LeetCode刷题打卡task05

反转字符串class Solution: def reverseString(self, s: List[str]) -> None: """ Do not return anything, modify s in-place instead. """ left,right = 0,len(s)-1 while left < right: s[left],s[right] = s.

2021-11-28 00:48:52 117

原创 datawhale11月LeetCode刷题打卡task04

二分查找class Solution: def search(self, nums: List[int], target: int) -> int: low, high = 0, len(nums) - 1 while low <= high: mid = (high - low) // 2 + low num = nums[mid] if num == target: .

2021-11-24 23:08:53 226

原创 datawhale11月LeetCode刷题打卡task03

JZ45 把数组排成最小的数class Solution: def PrintMinNumber(self, numbers): if not numbers: return "" numbers = sorted(numbers) # 这一行不加也能过，但是最好加上 max_number = max(numbers) len_max = len(str(max_number)) new_nu

2021-11-21 21:39:58 243

原创 datawhale11月LeetCode刷题打卡task02

加一class Solution: def plusOne(self, digits: List[int]) -> List[int]: n = len(digits) for i in range(n-1, -1, -1): if digits[i] != 9: digits[i] += 1 for j in range(i+1, n): .

2021-11-16 21:48:16 255

原创 datawhale11月LeetCode刷题打卡task01

0001、两数之和class Solution: def twoSum(self, nums, target): dict = {} for i in range(len(nums)): if target - nums[i] in dict: return [dict[target - nums[i]], i] else: dict[nums[i]] =

2021-11-15 21:16:49 220

原创 python——父类与子类的一些说明

python——父类与子类的一些说明Python中类的初始化方法是__init__()，因此父类、子类的初始化方法都是这个，如果子类不实现__init__()这个函数，初始化时调用父类的初始化函数，如果子类实现了这个函数，则要在这个函数里显式调用一下父类的__init__()，这跟C++,jAVA不一样，他们是自动调用父类构造函数的。#初始化中调用父类初始化方法示例#B是A的子类class B(A): def __init__(self): super().

2021-08-21 18:57:15 593

原创 yolo算法总结

真实框是图像的人工标注bounding box预测框是模型预测的锚框是自己设想出来的候选区域，有了这个候选区域就不需要使用滑动窗口对整个图像每个部分挨个检测了，可以在FP的点基础上只检测某些候选区域，对别的区域可以忽视，加快检测速度。yolov3对训练数据使用了k-means聚类的算法来获得anchor boxes大小在这个候选区域上使用模型进行预测得到预测框，并训练向真实框bounding box靠拢。具体计算过程：第一步：首先我们要知道我们需要聚类的是bounding box，所以我们无需考虑

2021-08-21 00:01:04 797

原创 2021-06-23动手学数据分析task5

完成数据本身的处理，即本身的增删差补清洗工作后，我们准备使用前面处理好的数据搭建模型1处理完前面的数据我们就得到建模数据，下一步是选择合适模型2在进行模型选择之前我们需要先知道数据集最终是进行监督学习还是无监督学习3模型的选择一方面是通过我们的任务来决定的。4除了根据我们任务来选择模型外，还可以根据数据样本量以及特征的稀疏性来决定5刚开始我们总是先尝试使用一个基本的模型来作为其baseline，进而再训练其他模型做对比，最终选择泛化能力或性能比较好的模型切割训练集和数据集from sklea

2021-06-23 20:06:28 95

原创 2021-06-21动手学数据分析task4

数据可视化可视化泰坦尼克号数据集中生存人数分布情况（柱状图）sex = text.groupby('Sex')['Survived'].sum()sex.plot.bar()可视化展示泰坦尼克号数据集中男女中生存人与死亡人数的比例图（柱状图）text.groupby(['Sex','Survived'])['Survived'].count().unstack().plot(kind='bar',stacked='True')可视化展示泰坦尼克号数据集中不同票价的人生存和死亡人数分布情况。（

2021-06-21 23:16:21 60

原创 2021-06-19动手学数据分析task3

数据重构数据的合并将表分成左上左下右上右下四个部分进行合并1.concat方法：默认上下堆叠，如果需要左右堆叠，需要添加参数axis=1左上和右上横向合并list_up = [text_left_up, text_right_up]result_up = pd.concat(list_up,axis=1)左下和右下横向合并list_down=[text_left_down,text_right_down]result_down = pd.concat(list_down,axis=1)

2021-06-19 23:50:23 95

原创 2021-06-16动手学数据分析task2

数据清洗和特征处理观察缺失值方法一：df.info()方法二：df.isnull().sum()对缺失的值进行处理方法一：df[df['Age']==None]=0方法二：df[df['Age'].isnull()] = 0方法三：df[df['Age'] == np.nan] = 0对比三种缺失值处理方法，一般用第三种方法好。因为读取列数据之后空缺值的数据类型为float64，所以第一种方法None一般索引不到，最好用np.nan两个处理缺失值的函数dropna()

2021-06-16 23:23:51 106 2

原创 2021-06-13动手学数据分析task1

首先确定pandas和numpy的版本问题载入数据pd.read_xxx() table/csv注意，read_csv和read_table都是是加载带分隔符的数据，每一个分隔符作为一个数据的标志，但二者读出来的数据格式还是不一样的，read_table是以制表符 \t 作为数据的标志，也就是以行为单位进行存储。可以看出，读完后每个字符串之间有逗号相隔，这其实表明每一行作为一个维度进行了存储，所以最后它是一个5行1列的数组，每一行字符串为一列而不是每一个字符串。而 read_csv读完后是

2021-06-13 18:40:57 361

weixin_45083710的博客