<?xml version="1.0" encoding="utf-8" ?><rss version="2.0"><channel><title><![CDATA[Littonlei的博客]]></title><description><![CDATA[]]></description><link>https://blog.youkuaiyun.com/Littonlei</link><language>zh-cn</language><generator>https://blog.youkuaiyun.com/</generator><copyright><![CDATA[Copyright &copy; Littonlei]]></copyright><item><title><![CDATA[【数据】中国移动互联网Top500产品大盘数据（用户规模/留存率/活跃时长/分享率等）]]></title><link>https://blog.youkuaiyun.com/Littonlei/article/details/139723189</link><guid>https://blog.youkuaiyun.com/Littonlei/article/details/139723189</guid><author>Littonlei</author><pubDate>Sun, 16 Jun 2024 17:31:38 +0800</pubDate><description><![CDATA[中国移动互联网产品数据概览]]></description><category></category></item><item><title><![CDATA[Window sever服务器通过IIS和FastCGI部署 python flask框架]]></title><link>https://blog.youkuaiyun.com/Littonlei/article/details/115829369</link><guid>https://blog.youkuaiyun.com/Littonlei/article/details/115829369</guid><author>Littonlei</author><pubDate>Sun, 18 Apr 2021 16:46:36 +0800</pubDate><description><![CDATA[Window sever 通过IIS和FastCGI部署 python flask框架

研究了一晚上，终于把flask部署到window 服务器上了。踩了无数坑，这里说一下

主要遇到的问题

网上目前大部分教程都是Linux部署，但是很多小白完全会被Linux绕晕
window很多人采用的是Apache作为服务器，但是这个必须要下载对应版本的VC， mod_wsgi 和python，很麻烦，小白通过这中方式一般都会失败，我页失败了，猜想原因是版本不一致
也有人通过iis+wfastcgi部署的，方向是对]]></description><category></category></item><item><title><![CDATA[python+pandas（apply+lambda）处理单列值]]></title><link>https://blog.youkuaiyun.com/Littonlei/article/details/115252613</link><guid>https://blog.youkuaiyun.com/Littonlei/article/details/115252613</guid><author>Littonlei</author><pubDate>Fri, 26 Mar 2021 18:19:48 +0800</pubDate><description><![CDATA[很多情况下，数据需要对单列进行处理，如果用for循环，大量数据时效率会比较低，现在可以使用apply+lambda处理
import pandas as pd

def func(x):
	return x**4

df['待处理列']= df['待处理列'].apply(lambda x: func(x))

对于复杂的处理，此种方法非常高效

...]]></description><category></category></item><item><title><![CDATA[python中pandas处理转换数据类型的两种方法]]></title><link>https://blog.youkuaiyun.com/Littonlei/article/details/115252445</link><guid>https://blog.youkuaiyun.com/Littonlei/article/details/115252445</guid><author>Littonlei</author><pubDate>Fri, 26 Mar 2021 18:13:46 +0800</pubDate><description><![CDATA[使用astype()转换
data['列'].astype('object')
data['列'].astype('float')
data['列'].astype('int')
data['列'].astype('bool')


数据列中不可存在NaN或者字符串
如果是转int或者float列中每一个值只能是看起来像数字

使用to_numeric()专门转换为数字
pd.to_numeric(data['列'], errors='coerce').fillna(0)

errors ：{‘ignore]]></description><category></category></item><item><title><![CDATA[SQL的自定义变量用法（适用于navicat对接的mysql）]]></title><link>https://blog.youkuaiyun.com/Littonlei/article/details/115250965</link><guid>https://blog.youkuaiyun.com/Littonlei/article/details/115250965</guid><author>Littonlei</author><pubDate>Fri, 26 Mar 2021 17:35:45 +0800</pubDate><description><![CDATA[标题SQL的自定义变量用法（适用于navicat对接的mysql）
** 注意SET @变量 用法只支持原生mysql，因为navicat链接的mysql不支持回传服务器，如果一定要用，可以使用python+pymysql注入sql语句**
基本用法：
直接定义一列值
SELECT @x := 1, @y := 2


循环递增
此种用法可以在mysql中进行模拟排序，原理是：新定义一个变量列，强制链接到查询的表中，再查询时定义的变量不断让自己+1递增即可，这里+任何数都可以，可以根据实际情况做很多变化性操]]></description><category></category></item><item><title><![CDATA[Python计算一组数据的PDF（概率密度函数）方法]]></title><link>https://blog.youkuaiyun.com/Littonlei/article/details/115242395</link><guid>https://blog.youkuaiyun.com/Littonlei/article/details/115242395</guid><author>Littonlei</author><pubDate>Fri, 26 Mar 2021 14:24:50 +0800</pubDate><description><![CDATA[Python计算一组数据的PDF（概率密度函数）方法
公式如下：
python实现：
第一种方法：
import scipy.stats as st

st.norm.pdf([一组数据])

第二种方法：
def pdf(x, mean, var):
    return exp(-(x - mean) ** 2 / (2 * var ** 2)) / sqrt(2 * pi) * var

如果是对dataframe进行操作可以抽取单列用拉姆达函数：
df['R_pdf'] = df['Rencency]]></description><category></category></item><item><title><![CDATA[【Python】response数据看起来是Dataframe表但实际是text格式的处理方法]]></title><link>https://blog.youkuaiyun.com/Littonlei/article/details/114292065</link><guid>https://blog.youkuaiyun.com/Littonlei/article/details/114292065</guid><author>Littonlei</author><pubDate>Wed, 03 Mar 2021 11:40:13 +0800</pubDate><description><![CDATA[【Python】response数据看起来是DataFrame表但实际是text格式的处理方法
情况描述：
response返回的数据类似于这样

处理思路：
1、通过split（）函数，以空格 \t或\n 拆分，会得到一个列表类似这样：
  2、再通过list的切片功能选取每一行的数据


...]]></description><category></category></item></channel></rss>