1.平衡点问题
平衡点：比如int[] numbers = {1,3,5,7,8,25,4,20}; 25前面的总和为24，25后面的总和也是24，25这个点就是平衡点；假如一个数组中的元素，其前面的部分等于后面的部分，那么这个点的位序就是平衡点
要求：返回任何一个平衡点
方法：平衡点两边的数求和相等，也就是sum（lsit）减去这个数之后再除以2等于这个数某一边的数求和
用一个变量来累加
转载
2023-06-01 16:10:31
127阅读
注释在python中，注释分为单行注释和多行注释：单行注释以#这个符号开头例如：#这是一个注释print('hello world')多行注释是用三个单引号'''或三个双引号"""将注释内容括起来例如：'''这是多行注释这是多行注释这是多行注释'''"""这是多行注释这是多行注释"""基本数据类型一、数字类型1、整型int作用：记录年龄、等级、数量例：age=182、浮点型float作用：记录薪资
转载
2023-11-06 20:01:09
41阅读
业务代码最多的就是搞清楚业务关系，增删改查，实现业务功能，但是数据结构和算法却能提升性能，一个功能请求一次需要运行2^n还是n^2的时间，最终反映到用户响应时间差别是很大的，甚至有时候不优化性能可能就会卡死。 八大算法：记代码是没用的，关键要记住思想1.插入排序将一个数插入到一个有序列表中，从第一个位置开始，调整顺序，直到有序def insert_sort(lists):
cou
转载
2023-06-21 16:38:01
56阅读
本节内容列表、元组操作字符串操作字典操作集合操作1. 列表、元组操作列表是我们最以后最常用的数据类型之一，通过列表可以对数据实现最方便的存储、修改等操作定义列表names = ['Alex',"Tenglan",'Eric']
# 列表
name2 = ["shantianfang", "huojin", "jinyong", "eryuehe"]
print(name2)# 循环显示元素
for
转载
2023-09-21 21:57:25
45阅读
一些常用的python代码合集，方便检索引用模块1：读写excel文件from datetime import datetime
import odps
import xlwt
import os
from odps import DataFrame
import pandas as pd
import xlrd
import numpy as np
from collections import
解决数据不平衡问题方案机器学习中不平衡数据集的工具箱包介绍imbalanced-learn是一个python软件包，提供了一些数据集中常用的重新采样技术，显示出强烈的不平衡性。它与scikit-learn兼容，是scikit-learn-contrib 项目的一部分。 测试imbalanced-learn是在Python 2.7和Python 3.5以及3.6下工作的。依赖关系需求基于最后的sci
转载
2023-12-01 14:29:00
19阅读
目前在Python中, numpy和pandas是最主流的工具Numpy中的向量化运算使得数据处理变得高效Pandas提供了大量数据清洗的高效方法在Python中，尽可能多的使用numpy和pandas中的 函数，提高数据清洗的效率1.NumpyNumpy中常用的数据结构是ndarray格式使用array函数创建，语法格式为array(列表或元组)可以使用其他函数例如arange、linspace
转载
2023-10-23 07:28:49
67阅读
DataFrame，中文叫数据框，是pandas模块最常用的数据类型，是一个二维的矩阵数据表。DataFrame，就像是一个表格，可以非常便捷地存放数据。DataFrame，它由3部分组成：行索引（index），列索引（columns），值。通过index和columns，可以定位到一个值，能快速进行数据的筛选和定位。列和列之间的数据类型可以不同。可以认为DataFrame是“具有相同index的
转载
2023-08-10 10:40:45
113阅读
简介本篇文章主要介绍了python中yaml配置文件模块的使用让其完成数据和代码的分离，宏哥觉得挺不错的，于是就义无反顾地分享给大家，也给大家做个参考。一起跟随宏哥过来看看吧。思考问题前面我们配置Capability时，各个参数都是在代码里面写死的，比如：desired_caps['platformVersion']='5.1.1' 一旦设备和测试的app发生改变则需要去代码里面一个个修改，要么同
转载
2024-01-17 20:48:22
28阅读
回家之后再来实验室真的太忙啦！最近简书估计会量产啦~刚刚因为比赛做了一个数据处理…那就把代码简要记录一下。——————关于数据增强在之前的文字里面已经提过了，这里就不细说，直接上代码详见：数据增强之批量修改图像尺寸大小(附Python实现)————————可以使用keras来自动的进行data augmentationfrom keras.preprocessing.image import Im
转载
2023-08-15 14:41:19
197阅读
Pandas是python的一个数据分析包，最初由AQR Capital Management于2008年4月开发，并于2009年底开源出来，目前由专注于Python数据包开发的PyData开发team继续开发和维护，属于PyData项目的一部分。Pandas最初被作为金融数据分析工具而开发出来，因此，pandas为时间序列分析提供了很好的支持。 Pandas的名称来自于面板数据（panel da
转载
2023-11-18 16:01:36
64阅读
Python的四个爬虫基础库一、底层的爬虫库——Urllib二、小白入门易上手的爬虫库——Autoscraper三、常用的爬虫库——Requests四、支持异步与Http2.0协议的爬虫库——Httpx 一、底层的爬虫库——Urlliburllib 是一个爬虫入门学习的一个库；也相当于第一个必学了解的库； 使用方法如下：# 创建请求对象并且构建headers
urllib.reque
转载
2023-11-12 11:23:28
53阅读
Python 的科学栈相当成熟，各种应用场景都有相关的模块，包括机器学习和数据分析。数据可视化是发现数据和展示结果的重要一环，只不过过去以来，相对于 R 这样的工具，发展还是落后一些。幸运的是，过去几年出现了很多新的Python数据可视化库，弥补了一些这方面的差距。matplotlib 已经成为事实上的数据可视化方面最主要的库，此外还有很多其他库，例如vispy，bokeh， seaborn， p
转载
2023-08-24 15:22:21
76阅读
目录导入各种需要的模块读取数据数据预处理和描述统计数据可视化（以V1列为例）划分构建训练集和测试集建模：提供几种简单方法，都在sklearn这个库里 最近因为工作需要在学python，只要求能够读取、预处理、可视化数据然后扔进现成的机器学习模型里面输出结果，但个人目前接触到的python书要么太过详细读了一周还在学几个数据类型的用法，要么就只专注于机器学习而过份忽略Python基础（尤其是一些
转载
2023-08-11 08:46:09
147阅读
1.文件的相关用法：open //打开文件格式可以是csv也可以是xlsx或。。。csv.reader csv.writerxlsx格式可以转换为csv格式，从而对excel格式读取kddcup99自己添加的代码使程序正常运行：2. row=row[0].split(’,’); //使单个字符串数组转换为多个字符串数组3. [i for i in range(0,5) if i>
转载
2023-09-15 10:55:09
70阅读
文章目录数据表中的重复值数据表中的空值数据间的空格大小写转换数据中的异常和极端值更改数据格式更改和规范数据格式数据分组数据分列 数据清洗是一项复杂且繁琐(kubi)的工作，同时也是整个数据分析过程中最为重要的环节。实际的工作中确实如此，数据清洗的目的有两个，第一是通过清洗让数据可用。第二是让数据变的更适合进行后续的分析工作。通常来说，你所获取到的原始数据不能直接用来分析，因为它们会有各种各样的问
转载
2023-09-17 11:42:17
108阅读
第一部分探索数据 提供在Python中清理数据所需的所有技能，从学习如何诊断问题数据到处理缺失值和异常值。所以你刚刚得到了一个全新的数据集，并且渴望开始探索它。 但是你从哪里开始，你怎么能确定你的数据集是干净的？ 本章将向您介绍Python中的数据清理世界！ 您将学习如何探索数据，以便诊断异常值，缺失值和重复行等问题。 1、加载和查看数据 在本章中，将查看来自NYC Open
转载
2023-08-12 01:48:54
162阅读
所有代码均是在虚拟机的环境下写的，如果如果直接粘贴代码在win的环境下运行有可能会出bug（虚拟机是 linux 系统）1. 数据类型 结构化数据json，xml，处理方式：直接转化为python类型非结构化数据HTML， 处理方式：正则表达式，xpath2. json模块json.loads() json字符串类型转换成python
json.dumps() python转换成json字
转载
2023-12-24 22:51:20
72阅读
Python数据分析入门笔记系列文章目录前言一、数据获取二、数据清理1. 缺失值处理2. 重复值处理3. 异常值处理声明 前言案例资源文件：点击下载二手房数据表格 二手房数据存在一些问题。要求使用pandas库对这组数据进行清理，具体步骤如下：检测缺失值，一旦发现缺失值就将其删除。检测重复值，一旦发现重复值就将其删除。检测二手房数据“单价（元/平方米）”列的异常值，一旦确定是真异常值就将其删除。一
转载
2023-09-17 08:25:30
84阅读
必会技能：如何在Python中连接数据库获取数据大家好，我是翔宇！想要成为一名数据分析师，一个最基础的技能就是：提取数据。数据是数据分析的基础。因此，掌握各种获取数据的技能一定是一个合格的数据分析师的必备技能。而我们的需要进行提取的数据通常是存储在数据库中（当然，也有不存储在数据库中的，这里不是探讨重点）。而现在随着python语言的流行，加上Python强大的三方库和生态圈几乎让数据分析师完成整
转载
2023-08-30 08:52:27
40阅读
