wfj的博客

matplotlib中【colormap】和【colorbar】的使用，一个简单的例子

lr scheduler的一个例子

用python打印出鼠标所指位置颜色的RGB值及16进制颜色值

matplotlib画图并保存为PDF

python中用matplotlib库画图时，把中文设置为宋体，英文设置为Time New Roman，有时候还需要显示公式。设置方法如下：import matplotlib.pyplot as pltfrom matplotlib import rcParamsimport numpy as npconfig = { "font.family":'serif', "font.size": 18, "mathtext.fontset":'stix', "font.s

时间序列数据重采样，对比scipy.signal.resample()方法和scipy.interpolate.interp1d()方法。

pandas和scipy中的重采样方法

在图像分类任务中，有时候需要把图像数据分为K折做交叉验证，以评估模型的性能。但是在pytorch中并没有相应的代码，因此自己写了一个框架，以便调用import osimport torchfrom torch.utils.data import Dataset, DataLoaderfrom torchvision import transformsfrom torchvision.transforms import ToTensorfrom PIL import Imagefrom skle

写于此，方便自己日后查找，直接复制到其他程序中使用import timeimport osimport colorlogimport loggingclass MyLogging(): log_colors_config = { 'DEBUG': 'white', # cyan white 'INFO': 'green', 'WARNING': 'yellow', 'ERROR': 'red', 'CRITI

自定义的两个函数定义一个对每一个特征（每一列）进行进行处理的函数，返回数值落在在（μ-3σ,μ+3σ)之外的行索引。只要有一个特征落在范围之外，则这一条样本被删除。def three_sigma(Ser1): ''' Ser1：表示传入DataFrame的某一列。 ''' rule = (Ser1.mean()-3*Ser1.std()>Ser1) | (Ser1.mean()+3*Ser1.std()< Ser1) index = np.arange

优先队列优先队列分为最大优先队列和最小优先队列。最大优先队列：无论入队顺序如何，都是最大元素优先出队，基于最大堆实现。最小优先队列：无论入队顺序如何，都是最小元素优先出队，基于最小堆实现。二叉堆结点“上浮”和“下沉”的时间复杂度是O(logn)O(logn)O(logn)，所以优先队列入队和出队的时间复杂度也是O(logn)O(logn)O(logn)。# 最大优先队列class PriorityQueue: def __init__(self): self.array

二叉堆二叉堆本质上是一种完全二叉树。堆的插入和删除操作，时间复杂度是O(logn),构建的复杂的是O(n)。二叉堆的存储方式为顺序存储，所有结点都存储在数组中def up_adjust(array=[]): ''' 二叉堆尾结点上浮操作 :param array: 原数组 :return: ''' child_index = len(array)-1 parent_index = (child_index-1)//2 temp = arr

二叉树创建class TreeNode: def __init__(self,data): self.data = data self.left = None self.right = Nonedef create_binary_tree(input_list=[]): ''' 构建二叉树 :param input_list: 输入数列 :return: node ''' if not isin

这是目录定义可视化奇异值分解的python写法应用1.读取图片2.奇异值分解3.取前30个奇异值对图像重构4.取前100个奇异值对图像重构5.图片绘制总结定义有一个 m×nm \times nm×n 的矩阵 AAA ，可以分解成如下形式A=UΣVT A = U \Sigma V^T A=UΣVT其中 U∈Rm×mU\in R^{m \times m}U∈Rm×m 和 V∈Rn×nV\in R^{n \times n}V∈Rn×n 均为单位正交阵，即有 UUT=IUU^T=IUUT=I 和 VV

相关函数pd.to_datetime 把时间字符串转换为时间格式pd.to_timedelta 可以把时间差转换为timedelta格式.dt.total_seconds() 可以计算时间差的总秒数例子1.把时间字符串转换为datetime格式df['起始时间'] = pd.to_datetime(df['起始时间'])df['终止时间'] = pd.to_datetime(df['终止时间'])2.计算时间差df['时间差'] = df['终止时间'] - df['起始时间

频域统计指标计算公式振动信号频域分析首先需要把信号的时域波形借助离散傅里叶变换转化为频谱信息，公式如下：式中：x(kΔt)x(k\Delta t)x(kΔt)为振动信号的采样值；NNN为采样点数；Δt\Delta tΔt为采样间隔；kkk为时域离散值的序号。求得频谱信息后，可根据频域统计指标公式计算相应的值，公式如下：python程序def get_fre_domain_feeatures(f,y): fre_line_num = len(y) p1 = y.mean()

pandas Resample时序数据等时间间隔重采样re_data = data.resample('60S').mean()# '60S'表示每60秒重采一个数据，mean()表示用均值填充例如：dataframe中删除全为Nan的列df = dataframe.loc[:,dataframe.notnull().sum()!=0]同理可得删除全为Nan的行...