- 博客(24)
- 资源 (3)
- 收藏
- 关注
RSS订阅原创 python实现带有格式日期转换成int格式
需求：pandas格式的列表中存在了类似于“2020-04-01”一列的数据，需要将其转换成int格式20200401，实现对日期的截取aa = pd.read_csv('mydata.csv')aa['date'] = aa['date'].apply(lambda x : x.strftime("%Y%m%d")).apply(lambda x: int(x))此外，如果遇到数据格式不是“2020-04-01”的标准格式，也可以用pd.to_datetime先对数据进行转换aa['TRADE
2022-05-04 16:50:42
4617
原创 替换读到的文件中的某一元素 pd 格式
阅读到的pd格式的st中需要移除某一特定元素，实现方式。st['aa']=[20300102.0 if i ==np.inf else i for i in st['ss']]print(st)#实现了将st中aa列中的inf替换也可以用repalce来实现：st.replace(np.inf,20300102.0)
2020-11-28 18:46:14
239
原创 isin函数的使用方法
在使用pd格式的时候，如果想要删除包含某一个元素的一行，features=pd.read_csv('./features.csv')features=features[~features['limit'].isin([1.0])]features.to_csv('./changed.csv')已知12.11那一行中，limit列下的值为1.0.就会发现...
2020-11-26 21:07:18
2190
原创 每年月初买入，年末卖出，策略实现
#前置的利用tushare来获取数据到df中省略df_month=df.resample("M").first()#将df中的股票价格筛选为每月月初的价格df_year=df.resample("A").last()[:-1]#将df中的股票价格筛选为每年年末的价格,由于2020年的年末收盘价不知道，需要用到[:-1]price_last=df['price'][-1]#忽略交易手续费cost=0 #购买本金hold=0 #持股数for year in range(2001,2021):
2020-11-25 11:30:43
219
原创 带有时间的表格数据的处理（df.resample）量化交易
子函数功能df.resample(“M”).sum将每年中，月份相同的每列数据进行加和打印，.mean()也是如此df.resample(“MS”).first（）将每个月中第一天交易日的数据打印出来（会出现打印出来的日期和实际 的交易日期不相符的情况，但是对应的开盘收盘价格仍然是对的，见图一图二）df.resample(“A”).first()将每年的第一个交易日的数据打印出来图一图二...
2020-11-25 11:17:22
3116
原创 将pandas生成的数据处理
保留表格中带有特定元素的行。import pandas as pd st=pd.read_csv('test\st.csv')st_removed=st[st['remove_dt'].isin('inf')]st_removed.to_csv('./st_removed.csv')这里面用到了isin函数，该段代码实现了将st.csv中remove_dt列中带有inf的行保留的功能，其他行都删除。注意‘inf’外面一定要加上[]，这样才能形成列表。剔除表格中带有特定元素的行impor
2020-11-24 20:17:52
146
原创 LSTM、GRU内容整理
LSTM他的整体数据处理过程可以用这张图来展示：利用tensorflow来实现的过程中，需要将整个过程这样描述。一般在中间层需要输出ht。GRU网络是LSTM 的优化。
2020-11-20 15:26:07
157
原创 卷积神经网络
卷积神经网络其实就是特征提取器。在大量输入的数据特征之后，为了防止过拟合，需要先用卷积神经网络对参数进行特征提取。他可以总结为，卷积（Convolutional）、批标准化(Batch Normalization)，激活（Activition），池化（Pool）、（Dropout）卷积过程以输入特征为图片的情况为例，一般会有一个与输入维数匹配的卷积核按照指定步长，在输入特征范围内进行滑动，遍历输入特征里面的每个像素点。每滑动一个步长，会与输入特征图部分像素重合，重合区域对应元素相乘、求和，并加上偏置
2020-11-18 17:00:07
252
原创 如何用已搭建好的模型来进行数字图片识别
from PIL import Imageimport numpy as npimport tensorflow as tfmodel_save_path = './checkpoint/mnist.ckpt'#复现模型框架，这样训练好的参数才能有通路model = tf.keras.models.Sequential([ tf.keras.layers.Flatten(), tf.keras.layers.Dense(128, activation='relu'), t
2020-11-18 12:19:55
504
原创 快速搭建神经网络模型的模板
1.imort输入相应数据库2.train，test输入训练集特征及标签，和测试集3.model=tf.keras.medels.Sequential（）在Sequential中逐层描述每层网络。这是一个封装了神经网络结构的一个容器。几种网络结构的举例#拉直层tf.keras.layers.Flatten()#拉直层，不参与计算，只是实现一种输入数据的形态转换。#全连接层tf.keras.layers.Dense(神经元个数，activation="激活函数（relu,softmax
2020-11-15 17:58:29
767
原创 如何保存调用机器学习中的训练结果
以mnist数据集的训练结果保存与调用为例子：模型读取load_weights(路径文件名）一般在形成ckpt文件过程中常常会出现索引，因此可用于判断是否可以直接加载模型。checkpoint_save_path = "./checkpoint/mnist.ckpt"if os.path.exists(checkpoint_save_path + '.index'): print('-------------load the model-----------------') mod
2020-11-15 17:47:04
1130
原创 mnist对数字识别的训练代码
MNIST数据集一共有7万张图片，是28×28像素的0到9手写数字数据集，其中6万张用于训练，1万张用于测试。每张图片包括784（28×28）个像素点，使用全连接网络时可将784个像素点组成长度为784的一维数组，作为输入特征。数据集图片如下所示。import tensorflow as tfmnist = tf.keras.datasets.mnist(x_train, y_train), (x_test, y_test) = mnist.load_data()x_train, x_test
2020-11-15 14:07:34
222
原创 损失函数的三种定义方法
损失函数的三种定义方式：mse:mean squared errorcrossentropy自定义均方误差法：loss_mse=tf.reduce_mean(tf.square(y_-y)tensorflow中的一个预测函数 ：tf.where(tf.greater(a,b), C ,D)this is a simple way to realize the discription of judgement and a selected output. If a>b, th
2020-11-14 20:58:23
1778
原创 常见激活函数的汇总
激活函数tf.nn.sigmoid(x)相当于对数据进行归一化，但是在实际应用过程中，他的导数在0-0.25之间，并且他在多级级联的时候会造成梯度的消失，因此在实际应用过程中很少应用。并且逆运算为指数，在反向传播过程中耗时tf.math.tanh(x)tf.nn.relu()反向传播过程中会出现由于出现负数不能激活神经元，导致其“死亡”的情况。tf.nn.leak_relu(x)初学者的激活函数的选择建议：1.首选relu激活函数2.学习率设置较小的值3.输入特征标准化，即让
2020-11-14 20:57:32
265
原创 机器学习中一些需要掌握的函数（二）
tf.where()这个函数用于判断，若条件为真，返回A，条件语句假，返回B。张量中可以将各个模块拆分开来最后打印到一起。例如：import tensorflow as tfa = tf.constant([1, 2, 3, 1, 1])b = tf.constant([0, 1, 3, 4, 5])c = tf.where(tf.greater(a, b), a, b) # 若a>b，返回a对应位置的元素，否则返回b对应位置的元素print("c：", c)最后输出的结果为：
2020-11-13 16:53:34
258
原创 学习率的动态优化
import tensorflow as tfw = tf.Variable(tf.constant(5, dtype=tf.float32))epoch = 40LR_BASE = 0.2 # 最初学习率LR_DECAY = 0.99 # 学习率衰减率LR_STEP = 1 # 喂入多少轮BATCH_SIZE后，更新一次学习率for epoch in range(epoch): # for epoch 定义顶层循环，表示对数据集循环epoch次，此例数据集数据仅有1个w,初始化时
2020-11-13 14:22:15
166
原创 tensorflow常用函数（一）
强制数据类型的转换：tf.cast(张量名，dtype=数据类型）此外，还有打印张量维度上元素进行处理的函数。如，最大值最小值的函数。axis=0 沿着经度方向操作，axis=1沿着维度方向操作。tf.reduce_min(张量名，axis=操作轴）#打印张量一个方向上的上元素的最小值tf.reduce_max(张量名，axis=1）#打印张量精度方向上元素的最大值，所有维度上的最大值。tf.reduce_mean(张量名，axis=操作轴）#计算张量沿着指定维度上的均值tf.reduce_
2020-11-12 23:05:15
250
原创 张量学习笔记11.10
张量：用于表示多维数组，几个方括号就代表几阶，比如[[1,2],[2]]是一个二阶的，又叫做矩阵数据类型：tf.float tf.int tf.bool(tf.constant([True,False]) tf.string 尝试创建一个张量：import tensorflow as tf a=tf.constant([1,5],dtype=tf.int64)#输入一个整形向量print(a)#张量的所有信息print(a.shape) #打印维数print(a.dtype)#打
2020-11-11 07:54:29
281
原创 利用python和QQ邮箱进行邮件发送
import smtplibfrom email.mime.text import MIMETextfrom email.header import Header # 第三方 SMTP 服务mail_host = "smtp.qq.com" # 设置服务器mail_user = "###@qq.com" # 用户名mail_pass = "##" # 授权码 sender = '###@qq.com'receivers = [] # 接收邮件，可设置为你的QQ邮箱或者其他邮箱c
2020-10-28 12:15:20
373
原创 Ramdom函数的几例应用
```pythonimport randomprint( random.randint(1,10) ) # 产生 1 到 10 的一个整数型随机数 print( random.random() ) # 产生 0 到 1 之间的随机浮点数print( random.uniform(1.1,5.4) ) # 产生 1.1 到 5.4 之间的随机浮点数，区间可以不是整数print( random.choice('tomorrow') ) # 从序.
2020-10-25 18:53:03
1473
原创 田忌赛马小游戏
```pythonimport randomimport time class Role: def __init__(self, name='【角色】'): self.name=name self.life= random.randint(100,150) self.attack=random.randint(30,50)class Knight(Role): def __init__(self,name='【圣光骑士】'): .
2020-10-24 15:35:18
1557
2
原创 统计一行文件中人名后的总成绩，并打印
with open(r’D:\PyCode\practice\abc.txt’,‘r+’,encoding=‘utf-8’) as file2:file_lines=file2.readlines()final_score=[]#生成新列表for i in file_lines: data=i.split()#切割成字符串 sum = 0 for score in data[1:]: sum = sum + int(score)#这里应该用score而非dat
2020-10-24 15:30:48
204
cone programming
2020-11-07
MiniCoMm迷你.zip
2020-03-06
空空如也
TA创建的收藏夹 TA关注的收藏夹
TA关注的人