wfj的博客

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