Lemon_Review的博客

数据预处理

Lemon_Review — Thu, 09 Dec 2021 09:13:00 +0800

title: 数据预处理 category: 数据分析基础 Dataframe 的数据预处理 import numpy as np import pandas as pd import matplotlib.pyplot as plt plt.rcParams['font.sans-serif'] = ['STFangsong'] plt.rcParams['axes.unicode_minus'] = False %config InlineBackend.figure_format = 'svg'.

Pandas - Review

Lemon_Review — Thu, 09 Dec 2021 09:12:24 +0800

title: Pandas回顾及应用 category: 数据分析基础 Pandas 的应用 import numpy as np import pandas as pd import matplotlib.pyplot as plt plt.rcParams['font.sans-serif'] = ['STFangsong'] plt.rcParams['axes.unicode_minus'] = False %config InlineBackend.figure_format = 'svg.

Numpy-Review

Lemon_Review — Thu, 09 Dec 2021 09:11:39 +0800

title: Numpy 回顾及应用 category: 数据分析基础 Numpy的应用 import numpy as np import pandas as pd import matplotlib.pyplot as plt plt.rcParams['font.sans-serif'] = ['STFangsong'] plt.rcParams['axes.unicode_minus'] = False %config InlineBackend.figure_format = 'svg' .

BeautifulSoup的用法

Lemon_Review — Mon, 06 Dec 2021 20:22:17 +0800

BeautifulSoup的用法 beautifulSoup是一个灵活又方便的网页解析库，处理高效，支持多种解析器。利用它不用编写正则表达式即可方便地实现网页信息的提取。安装通过指令: pip install beautifulsoup4 或者在pycharm第三方库安装页面中搜索安装beautifulsoup4即可。使用解析库解析器使用方法优势劣势 Python标准库 BeautifulSoup(markup, ‘html.parser’) Python的内置标准库、执行速

波士顿房价 lr回归

Lemon_Review — Tue, 19 Oct 2021 19:35:10 +0800

import numpy as np import pandas as pd import matplotlib.pyplot as plt from collections import Counter from sklearn.datasets import load_iris plt.rcParams['font.sans-serif'] = ['STFangsong'] plt.rcParams['axes.unicode_minus'] = False %config InlineBacke

鸢尾花、NBA数据集KNN分类

Lemon_Review — Tue, 19 Oct 2021 19:32:46 +0800

数据可视化

Lemon_Review — Thu, 23 Sep 2021 19:22:03 +0800

import numpy as np import pandas as pd import matplotlib.pyplot as plt plt.rcParams['font.sans-serif'] = ['STFangsong'] plt.rcParams['axes.unicode_minus'] = False %config InlineBackend.figure_format = 'svg' 1 数据可视化 1.1 Matplotlib 画图给内部人员看，主要用于数据探索，核心组件包

Pandas Cut 与dataframe随机抽取(sample)替换(replace)应用案例

Lemon_Review — Wed, 22 Sep 2021 15:17:28 +0800

import numpy as np import pandas as pd import matplotlib.pyplot as plt plt.rcParams['font.sans-serif'] = ['STFangsong'] plt.rcParams['axes.unicode_minus'] = False %config InlineBackend.figure_format = 'svg' cut 使用 df = pd.read_csv('../files/data/2018年北京

Pandas 进阶

Lemon_Review — Fri, 17 Sep 2021 19:03:42 +0800

import numpy as np import pandas as pd import matplotlib.pyplot as plt plt.rcParams['font.sans-serif'] = ['STFangsong'] plt.rcParams['axes.unicode_minus'] = False %config InlineBackend.figure_format = 'svg' 数据分析的一般流程提取数据（筛选）布尔索引 query()：相当于布尔索引 dro

Pandas 入门

Lemon_Review — Thu, 16 Sep 2021 19:41:54 +0800

Pandas 入门 ‘Series’：数据系列，代表一维数据，较numpy中的一维数组更强大； ‘DataFrame’：数据窗/数据框/数据表，代表二维数据，封装了数据分析常用的各种方法； ‘Index’：索引，为Series和DataFrame提供数据索引服务。 import numpy as np import pandas as pd import matplotlib.pyplot as plt plt.rcParams['font.sans-serif'] = ['STFangsong']

NumPy的高级应用(example)

Lemon_Review — Wed, 15 Sep 2021 20:28:25 +0800

NumPy的高级应用包的导入以及图像上中文字体设置、图像清晰度设置 import numpy as np import pandas as pd import matplotlib.pyplot as plt plt.rcParams['font.sans-serif'] = ['STfangsong'] plt.rcParams['axes.unicode_minus'] = False %config InlineBackend.figure_format = 'svg' 常用函数 array1

认识Numpy

Lemon_Review — Tue, 14 Sep 2021 19:39:45 +0800

1. Numpy 创建和使用一维数组 import numpy as np import pandas as pd import matplotlib.pyplot as plt plt.rcParams['font.sans-serif'] = ["STFangsong"]# 添加字体 plt.rcParams['axes.unicode_minus'] = False #默认是使用Unicode负号，设置正常显示字符，如正常显示负号 %config InlineBackend.figure_for

数据分析工具之numpy、pandas & jupyter notebook基本使用

Lemon_Review — Mon, 13 Sep 2021 19:57:31 +0800

数据分析工具之numpy、pandas & jupyter notebook基本使用安装命令行使用命令：pip install numpy pandas 、pip install jupyter jupyterlab安装第三方库 jupyter notebook 与jupyterlab 使用方式大同小异。本文只分享jupyter notebook的使用使用 cd至想要保存生成文件的目标路径后使用如下命令：jupyter notebook后会自动使用默认浏览器打开网页(显示该路径下的所有文件)

搭建个人博客安装一键部署插件 npm install hexo-deployer-git --save 的问题(Hexo框架)

Lemon_Review — Sat, 11 Sep 2021 17:31:40 +0800

搭建个人博客安装一键部署插件 npm install hexo-deployer-git --save 的问题(Hexo框架) 网上在这块的问题以及解决方式很多，我觉得最有必要记录的就是：眼看要成功的时候，在安装一键部署插件 npm install hexo-deployer-git --save 时报错。找了很久解决方式没找到，最后抱着试一试的态度尝试了： cnpm install hexo-deployer-git --save (cnpm会创建文件夹的引用，而npm不会) ，居然成功

Python 装饰器基础用法基本格式

Lemon_Review — Wed, 08 Sep 2021 20:32:46 +0800

Python 装饰器基础用法基本格式装饰器：用一个函数去装饰另一个函数或类，为其提供额外的能力实现了一种名为代理模式的经典设计模式横切关注功能(cross-concern):跟正常的业务没有必然联系的功能这样的功能最适合用装饰器(代理模式)来实现举个例子：现有模仿下载与上传并记录这个过程耗时功能的函数：下载： def download(filename): start_time = time.time() print(f'开始下载{filename}

代码版本管理工具Git基本命令(基本使用)

Lemon_Review — Wed, 08 Sep 2021 17:46:56 +0800

代码版本管理工具Git基本命令(基本使用) git命令：注：<>表示占位实际命令不需要 1、git – version 查看版本信息 2、pwd 查看当前路径 3、ls 查看当前目录所有文件夹 4、mkdir 创建文件夹 5、git init 初始化本地仓库(会创建一个.git的隐藏文件夹，不可删除) 6、

Python Web 框架 Flask的最基本使用

Lemon_Review — Wed, 01 Sep 2021 21:03:20 +0800

Python Web 框架 Flask的最基本使用首先还是第三方库Flask的安装；终端执行pip install flask即可 import flask 导入包后创建flask对象 app = flask.Flask(__name__) 注意：括号中的_ _name__参数需要自己添加再用创建好的对象指定网页访问路径 @app.route('/') def index(): return '

Hello Flask!

' 上述表示根路径，即访问给定

Python重复代码自动封装为方法

Lemon_Review — Tue, 31 Aug 2021 21:00:09 +0800

Python重复代码自动封装为方法编写代码时重复代码不仅会让程序员更加疲劳甚至代码的重复率过高还会让人质疑能力；所以重复代码的封装也很有必要。 Refactor>Extract>Method

Pymysql 连接数据库增删改查操作与批处理

Lemon_Review — Tue, 31 Aug 2021 20:54:22 +0800

Pymysql 连接数据库增删改查操作与批处理首先还是第三方库的安装： pymysql ----> 纯Python编写,安装一定会成功 mysqlclient ----> 底层用C编写,安装不一定会成功 import pymysql 第一步:创建连接 connection = pymysql.connect(host='127.0.0.1', port=3306, user='root', password='123456',database='hrs', charset='utf

MySQL 简易学生选课系统查询语句

Lemon_Review — Sat, 28 Aug 2021 11:34:48 +0800

MySQL 简易学生选课系统查询语句 1. 创建school数据库如果存在名为school的数据库就删除它 drop database if exists `school`; 创建名为school的数据库并设置默认的字符集和排序方式 create database `school` default character set utf8mb4; 2. 创建学院表、学生表、教师表、课程表、选课记录表： -- 创建学院表 create table `tb_college` ( `col_id` int un