肖永威的专栏

python元组取极值与排序技术，用于筛选设备及其组合案例。

使用夜神模拟器环境，实践爬虫利器Frida RPC入门。Frida是一款轻量级HOOK框架，可用于多平台上，例如android、windows、ios等。frida分为两部分，服务端运行在目标机上，通过注入进程的方式来实现劫持应用函数，另一部分运行在系统机器上。

文中代码和主体文字内容是由”文言一心“辅助完成，在此表示感谢AI提高工作效率。我的三句问话如下，供参考：问一：dict中，如何判断关键字存不在？问二：如果my_dict = {'a': 1, 'b': 2, 'c': {’d‘:66}} ，如何判断关键字’d'是否存在？问三：如果是3层，或者，更多层嵌套呢？问四：如果要求有级联嵌套顺序的关键字怎么处理？问五：如何快速查询嵌套字典中的值？

对于配电网，如果给定24小时负荷曲线，以及变压器规格列表，则从中选出适合的变压器容量，我们将使用Python来实现这个计算。

美国国家再生能源实验室（NREL）关于LCOS的说明指出，LCOS，即平准化储能成本（Levelized Cost of Storage），是用于评估储能技术全生命周期成本的一个重要经济指标。它类似于用于电力项目的LCOE（平准化电力成本）。LCOS的核心在于评估一项储能技术在其整个生命周期内的经济效益。这个指标将储能系统的初始投资成本、运营和维护成本以及系统的使用寿命等分摊到每单位能量上，从而得到每单位能量的平均成本。

在pandas中，DataFrame的数据是时间索引，要求按时间（12点）为条件修改数据，使用apply和lambda。

Windpowerlib 是一个提供了一系列函数和类的库，用于计算风力涡轮机的功率输出。它最初是 [feedinlib](https://github.com/oemof/feedinlib)（风能和光伏）的一部分，但后来被分离出来，以建立一个专注于风能模型的社区。

生成凹形曲线算法技术实践，研究了求解二次方程，样条插值方法，随机生成散点等三种算法，并对比结果。

空间数据分析可以使用更为专业的莫兰指数，入门POI与莫兰指数基础知识笔记。

当涉及空间数据分析和空间统计时，PySAL（Python Spatial Analysis Library）是一个常用的 Python 库，它提供了丰富的空间数据分析工具和统计方法。以Guerry 数据集为例，使用PySAL开始空间数据分析入门探索之旅。

有一个美国电视游戏节目叫做“Let's Make a Deal”，游戏中参赛者将面对3扇关闭的门，其中一扇门背后有一辆汽车，另外两扇门后是山羊，参赛者如果能猜中哪一扇门后是汽车，就可以得到它。通常，当参赛者选定了一扇门时，节目的主持人蒙特霍尔会打开剩余两扇门中的一扇，让你看到门后的山羊，此时会询问参赛者是否换门，大部分参赛者认为这时关闭的两扇门中奖的概率是一样的，即都是1/2，通常他们不会改变他们第一次的选择。您是否觉得两个问题几乎一样呢？

本文介绍Pandas基本结构、Pandas数据类型、常用函数内容。

SALib敏感性分析与AHP结合使用，主要体现在决策可靠性评估、权重调整与优化、风险管理、决策方案比较、决策过程透明度，可以提高决策模型的鲁棒性，增强决策的科学性和可操作性，对于复杂的决策问题具有重要的应用价值。

在缺乏大量历史数据的新兴技术和产业中，商业分析可能会面临一些挑战。然而，有一些技术和方法可以帮助分析者在数据不充分的情况下进行科学化商业分析，并为决策提供支持。

本文为最近年来使用Pandas进行数据分析的实践笔记集锦，为了便于博主与爱好者查找相关内容，以及学习、应用过程，进行了初步简单梳理。内容包括：数据分析处理、可视化分析、数据库相关（ClickHouse、MongoDB、CSV、MySQL、HDF5）、基础入门（数据分析快速入门、时序数据实践）、应用、问题、其他等等。

1. 根据预测出结果发出指令的秒级时间，使用时间戳，也就是设定时间（字符串）转为数字时间戳。2. 时间计算转换过程中，出现单个整数（例如8点），按字符串格式补齐两位“08”。3. 字符串去空格，替换特殊字符（例如空格，数据中的逗号“1,024.00”），特别是输入数据不规范的时候，读入到pandas中时，把数据变成了object问题。4. sql语句参数传递。5. 读取JSON格式日志文件。6. 生成正态分布随机数。

在MySQL上实现间隔5分钟汇总取数及相关字符串、时间处理方法实践

在查询mysql数据库获取数据时，有这样一个需求：按每30分钟分组获取电量数据，形成1天48个数据点。涉及到时间计算、字符串拼接、分支逻辑判断等。

在新型综合能源站光储充环境，基于峰谷套利+新能源并网消纳（能量时移）盈利原理，采用1充1放+按需充放+光伏优先不上网的优化方案，收益最大。

如果我们想知道我们生活的区域周边有多少车辆，可否使用这样方案：我们在纵向的街道上，通过随机录像、拍照记录1000辆车牌号，下周大致相同时间，再随机记录1000辆车牌号；同样方法在横向街道，再进行一次，这样估算反映了什么呢？反映出这个街道上，周边能到此街道的车辆规模，是这样吗？

虽然大数据说一切皆可量化，从某种意义上说，人类的偏好是量化的唯一来源。如果意味着量化是主观的，只能说明这种量化的性质就是主观的。它不是物体的物理特性，而是人对事物的权衡和看法。我们唯一要关注的问题就是：该如何量化人们的选择。

rule-engine做为一种轻量级规则引擎，在数据分析中做为条件规则使用，基本够用了。

在python技术栈中使用树结构包treelib，应用于权重得分计算，采用递归方案，计算所有节点的得分，以及局部区域子树得分计算。

本文整理了NumPy 中的数组（常见OpenCV、Pandas）、 数学计算（矩阵乘法和点乘）、统计等方法、以及其他常用的删除空值、类型转换、沿轴向连接数组、计算欧式距离、窗口移动平均值等技术。

数据分析一大堆，结果却是大家早就知道的结论？是工具和方法出问题了吗？真正原因可能是你的思维有误区。

在使用Facebook prophet过程遇到如下问题：AttributeError: 'Prophet' object has no attribute 'stan_backend'。

我们在数据分析工作中，经常遇到没有直接数据的情况，对于曲线图情况，我们需要解析曲线图中的数据。

客观赋权熵值法多指标综合评价方法原理及python实践

使用python实现周边商业环境信息查询可以采用高德地图开发平台的API接口。

使用Selenium工具可以模拟人工操作应用，完成相应工作，以此提高工作效率。从技术角度来看，Selenium还是比较容易实现的。

本文介绍了如何使用Selenium技术进行爬虫实践，以百度网页查询为例。首先，我们将学习如何在Chrome浏览器开发者模式下获取元素。接下来，我们将指导您安装Selenium和Chromedriver。最后，我们将通过一个简单的示例来演示如何模拟百度搜索"Python"的过程。

通过简洁明了且高效的案例，我们能够初步领略到Pandas的强大功能。在示例中，我们展示了如何读取数据、构建时序数据集、进行数据分析以及将分析结果进行可视化。整个过程代码量非常少，使得操作简便易行。

无论您是一位跑步爱好者，还是对时序数据分析感兴趣的数据科学家，本系列文章都将为您揭示时序数据分析的魅力。让我们一起踏上这段充满数据洞察力的跑步之旅，用数据为您的跑步训练增色添彩。让 Pandas 引领我们探索时序数据的无限可能！

使用python，以运动位置与速度，预测短期用电量为例实践卡尔曼滤波预测应用，ChatGPT在这次实践中发挥了助手的作用，通过理解用户问题并提供相关知识和指导，帮助解释卡尔曼滤波算法的原理和步骤，给出代码实现的建议和提示，提高工作效率和准确性。

本文是在ChatGPT协助下，分析了Prophet算法框架趋势模型、季节模型原理，并展开了应用实践。

在数据预处理、数据分析过程中，经常遇到数据缺失、重复等问题，本文着重通过pandas解决数据缺失、重复的方法与实践

格点天气数据服务内容很全面、功能很好用。你用chatGPT写代码吗？使用chatGPT开发，对于具体、通用性强的功能，其写代码能力还是比较厉害的，特别是能持续沟通、完善过程，更是值得称赞的。

pymgrid是一个开源Python库，用于模拟微型电网的三级控制，允许用户创建或自行选择的微电网。并可以使用自定义的算法或pymgrid中包含的控制算法之一来控制这些微电网（基于规则的控制和模型预测控制）。pymgrid还提供了与OpenAI Gym API相对应的环境，提供了连续和离散动作空间环境，与强化学习算法一起使用，以训练控制算法。pymgrid试图提供简单、直观的API，让用户能够专注于他们的特定应用程序。

虽然文章内容比较长，但是，我们可以从与ChatGPT沟通过程中感觉到未来压力，是我们的良师益友，也可能是我们的竞争对手。也欢迎专业人士对ChatGPT回答予以评价。

灰色关联分析主要有两个作用，一是进行系统发展影响因素分析，诊断影响系统发展的重要因素。第二个作用就是用于综合评价问题，给出研究对象或者方案的优劣排名，可用于经营管理咨询工作。由于企业经营数据偏少，大数据方法不适用，因此，我们把企业好比一个灰色系统，挖掘有限数据的价值，对可识别的指标进行分析。本文详解灰色关联分析方法，以及基于python应用实践。