- 博客(6)
- 收藏
- 关注
RSS订阅原创 **Hadoop学习心得：从入门到实践的蜕变之旅**
从最初的迷茫，到亲手搭建集群的兴奋，再到解决性能瓶颈的成就感，每一步都让我感受到技术的魅力。1. **系统化学习核心概念**：通过《Hadoop权威指南》、官方文档和视频课程，梳理Hadoop三大核心组件（HDFS、MapReduce、YARN）的底层逻辑，理解数据分块、副本机制、任务调度等基本原理。- **故障排查方法论**：遵循“日志分析→组件状态检查→网络/权限验证→社区搜索”的流程，例如曾因DataNode无法注册到NameNode，通过查看`hadoop-daemon.log`发现端口冲突问题。
2025-12-25 18:08:40
339
原创 数据可视化学习心得（含代码）
通过本次学习，我不仅掌握了技术工具，更重要的是建立了“以用户为中心、以数据为基础、以洞察为目标”的可视化思维。未来，我将继续深入学习，努力将复杂的数据转化为清晰的故事，为科学决策提供有力支持。学习过程中，我意识到作为数据工作者，必须秉持客观、公正的原则，确保可视化结果真实、透明。fig = px.line(daily_sales, x='date', y='sales', title='交互式每日销售额趋势',labels={'sales': '销售额', 'date': '日期'})
2025-11-08 16:01:51
348
原创 深入解析Python数据可视化：从问题到解决方案（扩展版）
缺失列与冗余列：某些文件缺少关键字段，或包含无关列。步骤5：数据验证与清洗检查NaN值分布：print(merged_df.isna().sum())处理异常值：如Price列的字符串类型，使用df['Price'] = pd.to_numeric(df['Price'], errors='coerce')转换为数值，错误值设为NaN。使用pd.to_datetime()统一日期格式（如df['Date'] = pd.to_datetime(df['Date'], format='%Y-%m-%d')）。
2025-06-28 15:25:35
819
原创 【无深入解析Python数据可视化：从问题到解决方案】
文件2列名： ['UserID', 'Age', 'Sex', 'Purchase_Amount']问题分析：列名差异导致合并时无法对齐，部分数据被识别为缺失值（NaN）。df['date'] = pd.to_datetime(df['date'], errors='coerce', format='%Y-%m-%d')3. 数据合并与验证使用pd.concat()合并多个DataFrame，并验证结果：# 合并数据。# 示例：将'UserID'映射为'user_id'步骤2：批量重命名列名。
2025-06-28 13:33:12
532
原创 关于我对Python的看法
Python，这个名字让人联想到丛林中蜿蜒前行的大蟒蛇，而在编程语言的世界里，Python同样以它的独特魅力吸引着无数开发者。从人工智能到数据分析，从网络应用到自动化测试，Python的应用领域广泛，令人瞩目。正如“人生苦短，我用Python”这句话所说，Python让开发者能够更专注于算法和数据结构的设计，而非纠结于底层的细节。Python的强大不仅仅在于它的语法，还在于它丰富的库和第三方支持。学习Python让我体会到编程的乐趣和高效，它让我能够快速实现自己的想法，而不必陷入繁琐的语法和细节之中。
2024-12-19 15:51:01
254
原创 关于我对Python的看法
其实一开始学习python的时候我是抗拒的，（可能当时还是有着c语言是万能，其他都不重要的这种落后信念吧，）在我初次接触的时候，我发现其实python的大多数功能都是类似c语言的，有一些复杂的代码甚至能用同样的c语言代码来完成。Python是一门简单，实用，创作性强的语言技术，可以运用于Web应用开发，网络系统维护，科学与数学计算，网络编程上都有建树，可以说只要和网络相关都能看到它的身影，且上手简单，是最适合新手者入门学习的计算机语言之一，即使是我这菜鸟，也很快就能上手适应。(4) 可以当作函数的返回值。
2024-12-19 15:44:01
438
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