<?xml version="1.0" encoding="utf-8" ?><rss version="2.0"><channel><title><![CDATA[Yin_Chun的博客]]></title><description><![CDATA[]]></description><link>https://blog.youkuaiyun.com/Yin_Chun</link><language>zh-cn</language><generator>https://blog.youkuaiyun.com/</generator><copyright><![CDATA[Copyright &copy; Yin_Chun]]></copyright><item><title><![CDATA[2021-10-27]]></title><link>https://blog.youkuaiyun.com/Yin_Chun/article/details/120995292</link><guid>https://blog.youkuaiyun.com/Yin_Chun/article/details/120995292</guid><author>Yin_Chun</author><pubDate>Wed, 27 Oct 2021 16:51:17 +0800</pubDate><description><![CDATA[提示：文章写完后，目录可以自动生成，如何生成可参考右边的帮助文档

python快捷键Hi，every one！一、jupyter Notebook是什么？二、使用步骤1.26键快捷键2.编辑模式(按 Enter 生效)总结

Hi，every one！
首先简介Anaconda：jupyter 常用的快捷键：


提示：以下是本篇文章建议内容，下面案例可供参考
一、jupyter Notebook是什么？
示例：jupyter Notebook是基于Anaconda的一种工具，该工具是为了解决代码书写而创]]></description><category></category></item><item><title><![CDATA[机器学习 - 数据预处理及特征工程]]></title><link>https://blog.youkuaiyun.com/Yin_Chun/article/details/109854684</link><guid>https://blog.youkuaiyun.com/Yin_Chun/article/details/109854684</guid><author>Yin_Chun</author><pubDate>Thu, 21 Oct 2021 16:21:56 +0800</pubDate><description><![CDATA[Python的数据预处理及特征工程数据预处理Python 的seaborn 数据分布可视化Seaborn 的单变量数据分布1.1  直方图1.2  双变量核函数图1.3  二元分布图（x 与 y)Python 的Pyecharts动态图
数据预处理


导入python 常用库及模块



os.chdir()  分解文件中的数据 。



读取文件中的glob.glob("* .xlsx")  。
4. df.reset_index(drop = True ,inplace = True) 去掉原始索引。]]></description><category></category></item><item><title><![CDATA[excel 金融算法复盘项目- 风险及收益性评估]]></title><link>https://blog.youkuaiyun.com/Yin_Chun/article/details/109964930</link><guid>https://blog.youkuaiyun.com/Yin_Chun/article/details/109964930</guid><author>Yin_Chun</author><pubDate>Sun, 22 Nov 2020 21:31:28 +0800</pubDate><description><![CDATA[]]></description><category></category></item><item><title><![CDATA[Power bi 实践交付项目]]></title><link>https://blog.youkuaiyun.com/Yin_Chun/article/details/109964785</link><guid>https://blog.youkuaiyun.com/Yin_Chun/article/details/109964785</guid><author>Yin_Chun</author><pubDate>Sun, 22 Nov 2020 21:24:44 +0800</pubDate><description><![CDATA[]]></description><category></category></item><item><title><![CDATA[Python 之数据库mysql 交互]]></title><link>https://blog.youkuaiyun.com/Yin_Chun/article/details/109826755</link><guid>https://blog.youkuaiyun.com/Yin_Chun/article/details/109826755</guid><author>Yin_Chun</author><pubDate>Thu, 19 Nov 2020 22:02:59 +0800</pubDate><description><![CDATA[python 的模块Python 的数据库应用
Python 的数据库应用

from IPython.core.interactiveshell import InteractiveShell
InteractiveShell.ast_node_interactivity = “all”。   设置全行输出。

命令安装pymysql ：Looking in indexes。

import pymysql :重要参数：地址，端口，用户，密码，数据库，格式

没有连接上的可以直接打开命令窗口，mysql ]]></description><category></category></item><item><title><![CDATA[Python 的模块及构建]]></title><link>https://blog.youkuaiyun.com/Yin_Chun/article/details/109718134</link><guid>https://blog.youkuaiyun.com/Yin_Chun/article/details/109718134</guid><author>Yin_Chun</author><pubDate>Thu, 19 Nov 2020 21:38:00 +0800</pubDate><description><![CDATA[Pandas的文本数据处理Pandas的文本处理DataFrame 的str常用函数DataFrame 的str案例DataFrame 的文本哑变量生成
Pandas的文本处理


import numpy 和 import pandas 导入两个库，再导入数据，若是txt数据则加上  sep = “,” 或者sep = “\t”。



pandas 中有个子模块叫str，专门处理文本数据。



pd str 中常用的函数，还有str.len() 计算每个序列 或者列表连续长度。





a.valu]]></description><category></category></item><item><title><![CDATA[python实践 - 自创]]></title><link>https://blog.youkuaiyun.com/Yin_Chun/article/details/109747230</link><guid>https://blog.youkuaiyun.com/Yin_Chun/article/details/109747230</guid><author>Yin_Chun</author><pubDate>Thu, 19 Nov 2020 20:32:01 +0800</pubDate><description><![CDATA[Pandas的文本数据处理Pandas的文本处理DataFrame 的str常用函数DataFrame 的str案例DataFrame 的文本哑变量生成
Pandas的文本处理


import numpy 和 import pandas 导入两个库，再导入数据，若是txt数据则加上  sep = “,” 或者sep = “\t”。



pandas 中有个子模块叫str，专门处理文本数据。



pd str 中常用的函数，还有str.len() 计算每个序列 或者列表连续长度。





a.valu]]></description><category></category></item><item><title><![CDATA[Python 的可视化]]></title><link>https://blog.youkuaiyun.com/Yin_Chun/article/details/109718157</link><guid>https://blog.youkuaiyun.com/Yin_Chun/article/details/109718157</guid><author>Yin_Chun</author><pubDate>Mon, 16 Nov 2020 23:09:19 +0800</pubDate><description><![CDATA[Pandas的文本数据处理Pandas的文本处理DataFrame 的str常用函数DataFrame 的str案例DataFrame 的文本哑变量生成
Pandas的文本处理


import numpy 和 import pandas 导入两个库，再导入数据，若是txt数据则加上  sep = “,” 或者sep = “\t”。



pandas 中有个子模块叫str，专门处理文本数据。



pd str 中常用的函数，还有str.len() 计算每个序列 或者列表连续长度。





a.valu]]></description><category></category></item><item><title><![CDATA[python 的基本属性: 推导式，类，内置函数，常见错误类型]]></title><link>https://blog.youkuaiyun.com/Yin_Chun/article/details/109661388</link><guid>https://blog.youkuaiyun.com/Yin_Chun/article/details/109661388</guid><author>Yin_Chun</author><pubDate>Mon, 16 Nov 2020 11:45:02 +0800</pubDate><description><![CDATA[Python 基本结构及数据类型Python 的结构及列表推导式DataFrame 的str常用函数DataFrame 的str案例DataFrame 的文本哑变量生成
Python 的结构及列表推导式


反正这意思是并行全部输出。



a = list[  ] 就是列表的意思，有（ ）就是元组。



最简单的表达推导式即 for i in [y,o,u]  迭代器最好是个列表。



a.value_counts() 计算每个分类的计数。



姓名长度已经转化成str.len() = float ]]></description><category></category></item><item><title><![CDATA[Pandas基础 - 文本处理]]></title><link>https://blog.youkuaiyun.com/Yin_Chun/article/details/109655725</link><guid>https://blog.youkuaiyun.com/Yin_Chun/article/details/109655725</guid><author>Yin_Chun</author><pubDate>Thu, 12 Nov 2020 22:38:45 +0800</pubDate><description><![CDATA[Pandas的文本数据处理Pandas的文本处理DataFrame 的str常用函数DataFrame 的str案例DataFrame 的文本哑变量生成
Pandas的文本处理


import numpy 和 import pandas 导入两个库，再导入数据，若是txt数据则加上  sep = “,” 或者sep = “\t”。



pandas 中有个子模块叫str，专门处理文本数据。



pd str 中常用的函数，还有str.len() 计算每个序列 或者列表连续长度。





a.valu]]></description><category></category></item><item><title><![CDATA[Pandas 基础 - 时间及函数]]></title><link>https://blog.youkuaiyun.com/Yin_Chun/article/details/109649258</link><guid>https://blog.youkuaiyun.com/Yin_Chun/article/details/109649258</guid><author>Yin_Chun</author><pubDate>Thu, 12 Nov 2020 20:16:38 +0800</pubDate><description><![CDATA[pandas 基础Pandas的时间序列DataFrame 的日期转化DataFrame 的日期切片与索引DateOffset 的对象DataFrame 时间的移动/滞后、频率转换、采样ts.shfit() 时间的移动df.asfreq() 频率的转换
Pandas的时间序列


import time 和 import datatime 导入时间的库，time.time() 指现在此时此刻的时间戳~，
1594282465.6077569指多少秒的意思。



pandas 中有个库叫timestamp，]]></description><category></category></item><item><title><![CDATA[Pandas基础 - 数据处理]]></title><link>https://blog.youkuaiyun.com/Yin_Chun/article/details/109622187</link><guid>https://blog.youkuaiyun.com/Yin_Chun/article/details/109622187</guid><author>Yin_Chun</author><pubDate>Wed, 11 Nov 2020 21:26:52 +0800</pubDate><description><![CDATA[pandas 基础Pandas的数据处理DataFrame 的过滤DataFrame 的缺失值判断Series 与 DataFrame 的增删改查Pandas 的 查看与读写pandas 的数据查看
Pandas的数据处理

np.random.seed(0)   #固定随机数   np.random.rand(6,4)   #随机生成6行4列 的数

df指整个表格，df[: 1] 指选择第一行，df[1:3] 选择多行，指索引1到索引3的2行。

df[2::2] 指从df里面选择索引为2开头，步长为2]]></description><category></category></item><item><title><![CDATA[Pandas基础 - 自创]]></title><link>https://blog.youkuaiyun.com/Yin_Chun/article/details/109601952</link><guid>https://blog.youkuaiyun.com/Yin_Chun/article/details/109601952</guid><author>Yin_Chun</author><pubDate>Tue, 10 Nov 2020 21:34:09 +0800</pubDate><description><![CDATA[numpy 基础numpy的基本属性numpy中的切片numpy 的铺平，展开与拼接numpy 的 排序与运算numpy 中的列表，数组，矩阵相互转换
numpy的基本属性
1.a=np.array([1,2],[2,3]) 创建数组
2.a.dtype 类型
3.a.shape 形状
4.a.itemsize 大小
5.a.T 转置
6.a.ndim 维度
7.mp.version  版本
8.图例：
![在这里插入图
numpy中的切片
我们以a = np.array(([1,2],[4,5],[6,7]]></description><category></category></item><item><title><![CDATA[numpy 基础 -自创]]></title><link>https://blog.youkuaiyun.com/Yin_Chun/article/details/109605224</link><guid>https://blog.youkuaiyun.com/Yin_Chun/article/details/109605224</guid><author>Yin_Chun</author><pubDate>Tue, 10 Nov 2020 20:11:07 +0800</pubDate><description><![CDATA[numpy 基础numpy的基本属性numpy中的切片numpy 的铺平，展开与拼接numpy 的 排序与运算numpy 中的列表，数组，矩阵相互转换
numpy的基本属性



2.a.dtype 类型
3.a.shape 形状
4.a.itemsize 大小
5.a.T 转置
6.a.ndim 维度
7.mp.version  版本
8.图例：
![在这里插入图
numpy中的切片
我们以a = np.array(([1,2],[4,5],[6,7])) 创造数组：


a[1::1]；表示从[4,5]]]></description><category></category></item></channel></rss>