<?xml version="1.0" encoding="utf-8" ?><rss version="2.0"><channel><title><![CDATA[Analyst128的博客]]></title><description><![CDATA[]]></description><link>https://blog.youkuaiyun.com/Analyst128</link><language>zh-cn</language><generator>https://blog.youkuaiyun.com/</generator><copyright><![CDATA[Copyright &copy; Analyst128]]></copyright><item><title><![CDATA[520表白——送她一片星空模拟]]></title><link>https://blog.youkuaiyun.com/Analyst128/article/details/106297179</link><guid>https://blog.youkuaiyun.com/Analyst128/article/details/106297179</guid><author>Analyst128</author><pubDate>Sat, 23 May 2020 11:25:04 +0800</pubDate><description><![CDATA["""
代码目标：模拟3D星空
作者：xxx

"""
from turtle import *
from random import random,randint

screen = Screen()
width ,height = 1200,600       #画布长宽
screen.setup(width,height)        #输入宽和高为整数时, 表示像素; 为小数时, 表示占据电脑屏幕的比例
screen.title("模拟3D星空-阿黎逸阳")       #设置标题
screen.]]></description><category></category></item><item><title><![CDATA[520表白——每天都是爱你的一天]]></title><link>https://blog.youkuaiyun.com/Analyst128/article/details/106297512</link><guid>https://blog.youkuaiyun.com/Analyst128/article/details/106297512</guid><author>Analyst128</author><pubDate>Sat, 23 May 2020 11:22:49 +0800</pubDate><description><![CDATA[# coding=utf-8
  
import turtle
from datetime import *
  
# 抬起画笔，向前运动一段距离放下
def Skip(step):
    turtle.penup()
    turtle.forward(step)
    turtle.pendown()
  
def mkHand(name, length):
    # 注册Turtle形状，建立表针Turtle
    turtle.reset()
    Skip(-length * 0.1.]]></description><category></category></item><item><title><![CDATA[卓越人生的两大利器——任务分解与保持节奏]]></title><link>https://blog.youkuaiyun.com/Analyst128/article/details/89401078</link><guid>https://blog.youkuaiyun.com/Analyst128/article/details/89401078</guid><author>Analyst128</author><pubDate>Sun, 14 Jul 2019 09:55:10 +0800</pubDate><description><![CDATA[总有人说，什么方法论啊，价值观啊，人生观啊，都是一些虚无缥缈的东西，与现实中的自己距离太远，而且都是一些“虚幻”的东西，不如谈谈具体的技术实在，比如说什么Spring Cloud啊、Docker啊、Kubernetes啊、Angular啊、Kafka啊，这些都是实打实的技术，掌握了就是掌握了，没掌握就是没掌握，来不得半点虚假。

没错，上面所列举的技术都是一些硬实力，这些硬实力是确保你职场竞争力的...]]></description><category></category></item><item><title><![CDATA[视野]]></title><link>https://blog.youkuaiyun.com/Analyst128/article/details/89738392</link><guid>https://blog.youkuaiyun.com/Analyst128/article/details/89738392</guid><author>Analyst128</author><pubDate>Wed, 01 May 2019 16:20:23 +0800</pubDate><description><![CDATA[在这个信息时代，没有人的视野会受阻，人们最缺乏的并不是视野的广度，而是视野的深度。

事实上，可以粗略的把人分为两类：追求低成本的快乐的人，追求深层次体验的人。

如果只是想想，当然每个人都会说”我要过丰富的生活，有极致的体验“。但落实到你需要付出多少代价层面，其实大多数人的选择，是在“低成本”的前提下，过的还算开心就可以，甚至做不到，只要不太痛苦也能承受。只有少数人，会愿意为了深层次的人生体验付...]]></description><category></category></item><item><title><![CDATA[中国保险行业市场现状及发展空间分析]]></title><link>https://blog.youkuaiyun.com/Analyst128/article/details/85329536</link><guid>https://blog.youkuaiyun.com/Analyst128/article/details/85329536</guid><author>Analyst128</author><pubDate>Fri, 28 Dec 2018 18:02:21 +0800</pubDate><description><![CDATA[



&amp;amp;nbsp; &amp;amp;nbsp; 保险行业市场现状&amp;amp;nbsp; &amp;amp;nbsp; 1、保险行业运营现状&amp;amp;nbsp; &amp;amp;nbsp; 近五年来，保险股大幅跑赢沪深 300 指数。保险 II 指数五年年化增长 29.5%， 大幅跑赢沪深 300 年化 11.3%的指数上涨。保险板块大幅跑赢大盘的背后是行业的高成长性且盈利模式逐步改善的反馈。保险行业从投资理财型保险的大幅扩张推动行业总资产，净资产的增长，到...]]></description><category></category></item><item><title><![CDATA[SQL数据库优化]]></title><link>https://blog.youkuaiyun.com/Analyst128/article/details/84067559</link><guid>https://blog.youkuaiyun.com/Analyst128/article/details/84067559</guid><author>Analyst128</author><pubDate>Sat, 17 Nov 2018 22:16:51 +0800</pubDate><description><![CDATA[前言：

随着数据库中数据量的增长，系统的响应速度就自然成为需要解决的主要问题之一。对于大量数据而言，优劣SQL语句的运算速度可以差别很多倍。例如，如果SQL语句的where子句中条件SQL不合理，结果就会造成优化器舍弃索引而使用全表扫描，性能自然降低。（编写SQL语句时，应清楚优化器根据何种原则来使用索引，这也为高性能的SQL提供指导。）

SQL优化的一般原则：

1.减少服务器资源的消耗。
...]]></description><category></category></item><item><title><![CDATA[香蜜沉沉烬如霜视频评论抓取]]></title><link>https://blog.youkuaiyun.com/Analyst128/article/details/82630429</link><guid>https://blog.youkuaiyun.com/Analyst128/article/details/82630429</guid><author>Analyst128</author><pubDate>Tue, 18 Sep 2018 23:20:20 +0800</pubDate><description><![CDATA[腾讯视频评论

以最近火热的电视剧&amp;lt;香蜜沉沉烬如霜&amp;gt;为例,用fiddler抓包分析爬取腾讯动态视频


import urllib.request
import re
vid='2942827004'
cid='0'
for i in range(0,100):  #爬取100次翻页
    try:
        
        print('.....正在输出第'+str(i+...]]></description><category></category></item><item><title><![CDATA[网页爬取的三种方式]]></title><link>https://blog.youkuaiyun.com/Analyst128/article/details/82595186</link><guid>https://blog.youkuaiyun.com/Analyst128/article/details/82595186</guid><author>Analyst128</author><pubDate>Mon, 10 Sep 2018 20:13:44 +0800</pubDate><description><![CDATA[ 爬取的重点在于分析网页结构,以爬取淘宝网图片为例:
爬取网页有三种方式：
1.urllib.request
2.封装Request请求
3.urlretrieve直接写入硬盘
下面以第三种方法爬取xxx图片
代码如下：


#爬取网页有三种方式:urllib.request,封装Request请求,urlretrieve直接写入硬盘,下面以第三种方法爬取xxx图片
import urllib.r...]]></description><category></category></item><item><title><![CDATA[数据分析岗位需求分析报告]]></title><link>https://blog.youkuaiyun.com/Analyst128/article/details/82229241</link><guid>https://blog.youkuaiyun.com/Analyst128/article/details/82229241</guid><author>Analyst128</author><pubDate>Wed, 05 Sep 2018 18:09:09 +0800</pubDate><description><![CDATA[1.前言

2.用到的工具

3.网页结构分析

4.数据预处理

5.数据分析岗位分布情况

5.1公司的城市分布

5.2公司的融资情况 

5.3岗位福利状况 

​ 6.数据分析岗位的发展状况

6.1各城市平均薪资待遇

6.2不同融资阶段平均工资待遇

7.数据分析师岗位招聘要求

7.1统计量描述 

7.2学历与职位需求

7.3学历水平与工资

7.4工作经验与职位需求

7.5...]]></description><category></category></item><item><title><![CDATA[数据分析在保险销售中的应用]]></title><link>https://blog.youkuaiyun.com/Analyst128/article/details/82227181</link><guid>https://blog.youkuaiyun.com/Analyst128/article/details/82227181</guid><author>Analyst128</author><pubDate>Fri, 31 Aug 2018 16:36:19 +0800</pubDate><description><![CDATA[从营销的角度看数据产生的价值。此部分报告是笔者曾经在新人班中，给新人做过的培训内容(产生一定的成效)。在此，作详细记录（考虑到部分敏感词汇，故而部分内容省略）。

一、背景分析及问题提出

1.背景分析

2.问题提出

二、用到的主要工具

三、用户画像解读

四、数据清洗

1.用Excel对数据进行预处理

2.查看是否存在缺失值

 五、特征分析

1.客户区域分布

2.从手机号中提取运...]]></description><category></category></item><item><title><![CDATA[XPath部分总结]]></title><link>https://blog.youkuaiyun.com/Analyst128/article/details/82109280</link><guid>https://blog.youkuaiyun.com/Analyst128/article/details/82109280</guid><author>Analyst128</author><pubDate>Wed, 29 Aug 2018 19:34:09 +0800</pubDate><description><![CDATA[关键词：网络采集数据,网页特定内容提取
在网络爬虫中,对爬取到的数据进行筛选和提取的方式主要有两种：正则表达式和XPath,后者常用于scrapy框架中。
定义：
XPath是一种XML路径语言,通过该语言可以在XML文档中迅速地查询到相应的信息,XPath表达式通常叫做XPath selector。

1.&quot;/&quot; 表示从顶端开始寻找某个标签(多层标签的查找)

以提取title标题为例:

例如...]]></description><category></category></item><item><title><![CDATA[多线程爬虫]]></title><link>https://blog.youkuaiyun.com/Analyst128/article/details/82109634</link><guid>https://blog.youkuaiyun.com/Analyst128/article/details/82109634</guid><author>Analyst128</author><pubDate>Wed, 29 Aug 2018 19:31:10 +0800</pubDate><description><![CDATA[关键词：多条路径,并行结构,同时进行
正常情况下,爬虫程序都是有执行的先后顺序的,执行流程都在一条线上,即所谓的单线程爬虫。
相对应的,如果爬虫中的某部分程序可以并行执行,即在多条线上执行,则这种执行结构称为多线程结构(这里的多线程和Java等语言中的类似),对应的爬虫也称为多线程爬虫,。
代码解读如下：


#AB线程同时运行,时间上会减少

import threading
class A(t...]]></description><category></category></item><item><title><![CDATA[爬虫打破封禁的几种方法]]></title><link>https://blog.youkuaiyun.com/Analyst128/article/details/82026200</link><guid>https://blog.youkuaiyun.com/Analyst128/article/details/82026200</guid><author>Analyst128</author><pubDate>Fri, 24 Aug 2018 22:25:25 +0800</pubDate><description><![CDATA[写在前面的话：爬虫有风险,使用需谨慎(应当遵守行业道德及职业操守,遵守国家法律法规。以下内容均是在此前提下进行操作)
反爬技术基本有：
模拟登陆,模拟浏览器,代理服务器......文章在持续更新总结梳理中......1.代理服务器的设置
目的:防止自有IP地址被屏蔽
推荐免费的代理服务器列表:http://www.xicidaili.com/



 建立自定义函数,利用代理服务器爬取网页内容

...]]></description><category></category></item><item><title><![CDATA[决策树算法及其应用案例]]></title><link>https://blog.youkuaiyun.com/Analyst128/article/details/81871022</link><guid>https://blog.youkuaiyun.com/Analyst128/article/details/81871022</guid><author>Analyst128</author><pubDate>Mon, 20 Aug 2018 22:29:21 +0800</pubDate><description><![CDATA[决策树算法主要分为三类：
ID3、C4.5、CART算法
以ID3算法为例：

对上表某图书销量进行预测.
思考:建立测试模型,各个变量数据权重?数据的转化?
重点在于：计算各个信息熵(数据预处理),可参考百度百科内容
决策树算法模块：
关注点:对数据需要进行预处理,转化为结构化数据,然后进行分析处理,信息熵的计算,权重大小的比较数据的预处理模块：


#数据的处理模块
fname=&quot;C:/Use...]]></description><category></category></item><item><title><![CDATA[贝叶斯算法及其应用案例]]></title><link>https://blog.youkuaiyun.com/Analyst128/article/details/81873435</link><guid>https://blog.youkuaiyun.com/Analyst128/article/details/81873435</guid><author>Analyst128</author><pubDate>Mon, 20 Aug 2018 22:27:56 +0800</pubDate><description><![CDATA[贝叶斯分类算法：
贝叶斯分类是统计学的一种分类算法，它是一类利用概率统计知识进行分类的算法。在许多场合，朴素贝叶斯(Naïve Bayes，NB)分类算法可以与决策树和神经网络分类算法相媲美。缺陷：
与其本身的设定有关,由于贝叶斯假设一个属性值对给定类的影响独立于其它属性的值，但是该假设在实际情况中经常是不成立的，因此其分类准确率可能会下降。升级版:降低独立性假设的贝叶斯分类算法，如TAN(tre...]]></description><category></category></item><item><title><![CDATA[KNN算法及其应用案例]]></title><link>https://blog.youkuaiyun.com/Analyst128/article/details/81869901</link><guid>https://blog.youkuaiyun.com/Analyst128/article/details/81869901</guid><author>Analyst128</author><pubDate>Mon, 20 Aug 2018 22:27:01 +0800</pubDate><description><![CDATA[1.常见的分类算法:
(1).KNN算法
(2).贝叶斯算法
(3).决策树算法
(4)人工神经网络算法
(5)支持向量机(SVM)算法
2.今天我们用KNN算法解决手写体数字的识别问题(包括验证码识别,二维码识别等都可以归属为同一类问题)
KNN算法又名K-近邻算法,总体思想是：通过把现实中的数据映射到坐标系,然后通过计算&quot;点&quot;之间的距离(欧几里得公式)sqr[(x1-xm)**2+(y1-ym...]]></description><category></category></item><item><title><![CDATA[Python数据预处理]]></title><link>https://blog.youkuaiyun.com/Analyst128/article/details/81671267</link><guid>https://blog.youkuaiyun.com/Analyst128/article/details/81671267</guid><author>Analyst128</author><pubDate>Tue, 14 Aug 2018 23:43:00 +0800</pubDate><description><![CDATA[1.导入数据文件(excel,csv,数据库文件等)


df=read_table(file,names=[列名1,列名2,,,],sep=&quot;&quot;,encoding)
#file是文件路径,names默认为文件的第一行为列名,sep为分隔符,默认为空,表示默认导入为一列
#encoding设置文件编码,导入中文时,需设置utf-8

2.导出数据文件


to_csv(filepath,sep=&quot;...]]></description><category></category></item><item><title><![CDATA[一种新型分割图像中人物的方法，基于人物动作辨认]]></title><link>https://blog.youkuaiyun.com/Analyst128/article/details/81084584</link><guid>https://blog.youkuaiyun.com/Analyst128/article/details/81084584</guid><author>Analyst128</author><pubDate>Sat, 04 Aug 2018 00:02:25 +0800</pubDate><description><![CDATA[
                           
    想要进行图像分割，传统方法是先检测图中物体，在进行分离。在本文中，来自清华大学、腾讯AI研究室和英国卡迪夫大学的研究者们提出了一种新型分割图像中人物的方法，基于人物动作辨认。以下是论智对原文的编译。

    


    图像分割的一般方法是先对物体进行检测，然后用边界框对画中物体进行分割。最近，例如Mask R-CNN的深度学习...]]></description><category></category></item><item><title><![CDATA[Python基本绘图案例]]></title><link>https://blog.youkuaiyun.com/Analyst128/article/details/81160279</link><guid>https://blog.youkuaiyun.com/Analyst128/article/details/81160279</guid><author>Analyst128</author><pubDate>Sun, 22 Jul 2018 23:36:53 +0800</pubDate><description><![CDATA[目录

一、折线图

二、柱状图

 三、饼图bar

四、直方图

一、折线图


#绘制折线图
import matplotlib.pyplot as plt
#绘制X轴对应的点
x_values=[1,2,3,4,5]
#每一个X点，对应的Y值
squares=[1,4,9,16,25]
#绘制图形
plt.plot(x_values,squares,linewidth=5)
#设置图表标题...]]></description><category></category></item><item><title><![CDATA[概率统计基础(部分)]]></title><link>https://blog.youkuaiyun.com/Analyst128/article/details/81145811</link><guid>https://blog.youkuaiyun.com/Analyst128/article/details/81145811</guid><author>Analyst128</author><pubDate>Sat, 21 Jul 2018 23:31:52 +0800</pubDate><description><![CDATA[目录

一、曲线的特点

二、数据分布特点

三、抽样分布与参数估计

四、假设检验

五、相关与回归分析

六、非参数估计

七、时间序列

一、曲线的特点

数据特点

名词：

离散程度：四分位差，平均差，方差，标准差

标准化值：

（变量—平均值）/标准差

离散系数或者变异系数：极差，四分位差，平均差或者标准差。等指标与算术平均数的比率

离散系数一般用标准差来计算，称为标准差系数，比...]]></description><category></category></item></channel></rss>