- 博客(6)
- 收藏
- 关注
RSS订阅原创 模板代码生成简介：为何我们需要自动生成代码？
find(begin, end, value)：查找第一个等于 value 的元素，返回迭代器（未找到返回 end）。find_end(begin, end, sub_begin, sub_end)：查找子序列最后一次出现的位置。find_if(begin, end, predicate)：查找第一个满足谓词的元素。这些算法不会改变它们所操作的容器中的元素。1.1 find 和 find_if。
2025-10-17 05:40:37
434
原创 循环与递归在模板中的应用：生成重复代码结构
find(begin, end, value)：查找第一个等于 value 的元素，返回迭代器（未找到返回 end）。find_end(begin, end, sub_begin, sub_end)：查找子序列最后一次出现的位置。find_if(begin, end, predicate)：查找第一个满足谓词的元素。这些算法不会改变它们所操作的容器中的元素。1.1 find 和 find_if。
2025-10-17 05:31:03
351
原创 用Python解码你的音乐DNA：一份完整的Spotify听歌数据分析指南
网络爬虫技术概述与实践指南 网络爬虫是一种自动化获取网页数据的程序，广泛应用于搜索引擎、数据分析等领域。本文介绍了爬虫开发的核心技术栈：基础请求库(Requests/urllib)、解析工具(BeautifulSoup/lxml/PyQuery)、高级框架(Scrapy/Selenium)和异步处理(aiohttp/Asyncio)。文章提供了三个实用示例：静态页面抓取(使用Requests+BeautifulSoup)、动态内容处理(使用Selenium)以及Scrapy框架项目创建。还分享了高级技巧，包
2025-09-15 04:20:11
1965
原创 Python × Spotify：数据分析实战教程
网络爬虫技术是自动化抓取互联网信息的工具，广泛应用于数据分析和商业智能领域。本文概述了爬虫的核心技术栈，包括基础请求库（Requests、urllib）、解析库（BeautifulSoup、lxml）和高级框架（Scrapy、Selenium）。通过实战示例演示了静态页面抓取、动态内容处理以及Scrapy框架应用。文章还介绍了应对反爬机制的高级技巧，如随机请求头和代理IP，以及数据存储的多种格式（JSON、CSV、SQLite）。最后，探讨了使用异步处理（aiohttp）提升爬取效率的方法。这些技术要点为开
2025-09-15 04:16:49
370
原创 从API调用到可视化：使用Python深度挖掘你的Spotify数据
网络爬虫技术指南：核心工具与实战代码 本文概述了Python网络爬虫的核心技术栈，包括： 基础工具：Requests、BeautifulSoup 动态处理：Selenium、Playwright 框架方案：Scrapy完整项目结构 高级技巧：反爬应对策略（随机UA、代理IP、延时控制） 提供3个典型代码示例： 静态页面抓取（Requests+BS4） 动态内容处理（Selenium无头模式） 企业级爬虫（Scrapy框架实现） 附赠数据存储方案（JSON/CSV/SQLite）和反爬最佳实践，包含请求头管理
2025-09-15 03:58:09
1945
原创 GBDT与XGBoost的对比
这篇文章总结了GBDT与XGBoost的主要区别：XGBoost作为工程框架在性能优化（分位图算法、特征预排序等）、过拟合控制（正则化项、采样策略）等方面进行了改进；优化方法上XGBoost使用二阶牛顿法；支持自定义损失函数和基学习器；能自动处理缺失值；树分裂策略基于损失下降。而GBDT作为算法实现相对简单，使用梯度下降法，不支持自定义函数，需手动处理缺失值。
2025-09-09 05:07:36
217
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