~yzzheng～的博客

1. numpy1.1 numpy数学运算参考：https://blog.youkuaiyun.com/qq_40488951/article/details/1110420522. pandas3. matplotlib3.1 绘图demodef save_psnr(psnr_list, filename, titlename): plt.figure(figsize=(10, 5)) # "psnr_loss in eval data" plt.title(titlename)

第三章 模型搭建和评估-评估根据之前的模型的建模，我们知道如何运用sklearn这个库来完成建模，以及我们知道了的数据集的划分等等操作。那么一个模型我们怎么知道它好不好用呢？以至于我们能不能放心的使用模型给我的结果呢？那么今天的学习的评估，就会很有帮助。加载下面的库import pandas as pdimport numpy as npimport seaborn as snsimport matplotlib.pyplot as pltfrom IPython.display import

第三章 模型搭建和评估–建模经过前面的两章的知识点的学习，我可以对数数据的本身进行处理，比如数据本身的增删查补，还可以做必要的清洗工作。那么下面我们就要开始使用我们前面处理好的数据了。这一章我们要做的就是使用数据，我们做数据分析的目的也就是，运用我们的数据以及结合我的业务来得到某些我们需要知道的结果。那么分析的第一步就是建模，搭建一个预测模型或者其他模型；我们从这个模型的到结果之后，我们要分析我的模型是不是足够的可靠，那我就需要评估这个模型。今天我们学习建模，下一节我们学习评估。我们拥有的泰坦尼克号的数

**复习：**回顾学习完第一章，我们对泰坦尼克号数据有了基本的了解，也学到了一些基本的统计方法，第二章中我们学习了数据的清理和重构，使得数据更加的易于理解；今天我们要学习的是第二章第三节：数据可视化，主要给大家介绍一下Python数据可视化库Matplotlib，在本章学习中，你也许会觉得数据很有趣。在打比赛的过程中，数据可视化可以让我们更好的看到每一个关键步骤的结果如何，可以用来优化方案，是一个很有用的技巧。2 第二章：数据可视化开始之前，导入numpy、pandas包和数据# 加载所需的库# 如

复习：在前面我们已经学习了Pandas基础，第二章我们开始进入数据分析的业务部分，在第二章第一节的内容中，我们学习了数据的清洗，这一部分十分重要，只有数据变得相对干净，我们之后对数据的分析才可以更有力。而这一节，我们要做的是数据重构，数据重构依旧属于数据理解（准备）的范围。开始之前，导入numpy、pandas包和数据# 导入基本库import numpy as npimport pandas as pd# 载入data文件中的:train-left-up.csvdf = pd.read_cs

复习：在前面我们已经学习了Pandas基础，第二章我们开始进入数据分析的业务部分，在第二章第一节的内容中，我们学习了数据的清洗，这一部分十分重要，只有数据变得相对干净，我们之后对数据的分析才可以更有力。而这一节，我们要做的是数据重构，数据重构依旧属于数据理解（准备）的范围。开始之前，导入numpy、pandas包和数据# 导入基本库import numpy as npimport pandas as pd# 载入上一个任务人保存的文件中:result.csv，并查看这个文件df = pd.re

【回顾&引言】前面一章的内容大家可以感觉到我们主要是对基础知识做一个梳理，让大家了解数据分析的一些操作，主要做了数据的各个角度的观察。那么在这里，我们主要是做数据分析的流程性学习，主要是包括了数据清洗以及数据的特征处理，数据重构以及数据可视化。这些内容是为数据分析最后的建模和模型评价做一个铺垫。开始之前，导入numpy、pandas包和数据#加载所需的库import numpy as npimport pandas as pd#加载数据train.csvdf = pd.read_csv

复习：在前面我们已经学习了Pandas基础，知道利用Pandas读取csv数据的增删查改，今天我们要学习的就是探索性数据分析，主要介绍如何利用Pandas进行排序、算术计算以及计算描述函数describe()的使用。1 第一章：探索性数据分析开始之前，导入numpy、pandas包和数据#加载所需的库import numpy as npimport pandas as pd#载入之前保存的train_chinese.csv数据，关于泰坦尼克号的任务，我们就使用这个数据train_data =

复习：数据分析的第一步，加载数据我们已经学习完毕了。当数据展现在我们面前的时候，我们所要做的第一步就是认识他，今天我们要学习的就是了解字段含义以及初步观察数据。1 第一章：数据载入及初步观察1.4 知道你的数据叫什么我们学习pandas的基础操作，那么上一节通过pandas加载之后的数据，其数据类型是什么呢？开始前导入numpy和pandasimport numpy as npimport pandas as pd1.4.1 任务一：pandas中有两个数据类型DateFrame和Serie

复习:这门课程得主要目的是通过真实的数据，以实战的方式了解数据分析的流程和熟悉数据分析python的基本操作。知道了课程的目的之后，我们接下来我们要正式的开始数据分析的实战教学，完成kaggle上泰坦尼克的任务，实战数据分析全流程。这里有两份资料：教材《Python for Data Analysis》和 baidu.com &google.com（善用搜索引擎）1 第一章：数据载入及初步观察1.1 载入数据数据集下载 https://www.kaggle.com/c/titanic/o

这一次，我服了，挂在本机上的程序因为老友把网线给我拔了而彻底无了。哎，没办法，重新加载网络参数，可是先后计算结果不一样，只好重新训练模型！后来，想到tmux和screen这两条命令，妈的个嗨自己还不用。学而不用，无效学习这次，将之前跟着阮神的tmux教程还练习了一番，可是后来在运行自己程序过程中，图省事还是直接python运行。这次为自己的懒惰付出了代价。一、创建tmux会话# 创建新的会话tmux# 创建新的会话，并自定义会话名为testtmux new -s test# 创建新的终端

文章目录高级特性一、切片二、迭代列表生成式三、生成器--generator四、迭代器函数式编程一、高阶函数:1. map/reducefiltersort排序算法返回函数匿名函数==装饰器==偏函数模块使用第三方模块面向对象编程1. 类的定义2. 访问控制继承&多态多态获取对象的信息实列属性和类属性面向对象高级编程1. 使用__slots__2. 使用@property3. 多重继承4. 定制类5. 使用枚举类==6. 使用元类==异常错误：抛出错误调试单元测试文档测试IO文件读写StringIO

0 需求说明将视频转音频，然后用网易见外或者其他工具进行语音转写，最后生成字母，在用kapwing这个在线工具给视频添加字母下载FFMpeg这个工具包http://ffmpeg.org/安装ffmpy3这个module,在conda命令行中用pip install ffmpy3即可运行下面代码即可,代码保存的是wav格式，mp3格式可以改一下wav便可此外，可以参考阮一峰FFmpeg日志http://www.ruanyifeng.com/blog/2020/01/ffmpeg.htmlimp

0. 需求说明小叔在旅游公司上班，上次偶尔碰到他手动录入每个顾客的信息，所以感觉这个不方便，便给他用python写了个脚本，识别出用户身份证中的姓名和身份证号码。1. 使用工具python基础包pandas库 用来写入excel文件百度智能云接口api2.思路先调用将图片放在本地一个文件目录下，然后以二进制形式读入每张image将image图片通过request发送到百度智能云上，然后获取json对象根据json对象得到用户信息，这里我只用到姓名和身份证号码封装用户姓名和身份证号码

文章目录基本数据类型：str字符串字符编码list和tuple控制语句1. 判断：循环1.for2. while3. 流程控制dict & set1. dict key-value存储2. set函数1. 定义2. 参数检查3. 函数的参数可变参数关键字参数：命名关键字参数表示函数只接受city和job作为关键字参数==参数组合==递归函数随时查的基本数据类型：python整数浮点数字符串‘aaa’ “aaa”布尔空值 None inf无限大常量 通常全部大写运算符

《python入门到实践》看到python这些编程法则，感觉真的很棒The Zen of Python, by Tim PetersBeautiful is better than ugly.Explicit is better than implicit.Simple is better than complex.Complex is better than complicated....