- 博客(46)
- 资源 (4)
- 收藏
- 关注
RSS订阅原创 Python 数据分析：DataFrame，空值填充，使用 0 或 指定值 。
本文介绍了Python数据分析中DataFrame空值填充的方法，展示了用0和指定值替换NaN的代码示例。同时提供了Markdown编辑器的使用指南，包括快捷键、文本样式、表格创建、代码高亮等功能说明，并附有作者联系方式和学习资源链接。内容涵盖数据分析实践和技术文档撰写技巧两个实用方向。
2025-07-13 09:49:28
1105
原创 Python：列表切片允许“后边小于左边”吗？
Python列表切片允许后边小于左边，此时会返回空列表而非报错。例如lst[3:1]返回[]，这是Python的默认行为。若配合负步长如lst[3:1:-1]，则可获得有效结果[4,3]。这种设计虽不报错，但需开发者谨慎使用以避免潜在问题。文章还提供了相关测试代码示例和联系方式，并附带介绍了Markdown编辑器的扩展功能。
2025-07-08 18:47:18
487
原创 Python 数据分析：DataFrame，空值处理，空值直接舍弃。
这篇文章主要演示了Python数据分析中DataFrame的空值处理方法。通过示例代码展示了两种过滤空值的方法：1)使用notnull()筛选非空值；2)使用dropna()直接删除含空值的行。代码创建了一个包含学生成绩的DataFrame，并模拟了英语成绩空值的情况。文章还提供了作者联系方式，欢迎纠错交流，并附有Markdown编辑器使用指南，包括快捷键、文本样式、链接图片插入、代码高亮、列表表格创建等功能说明。最后提到可通过智能体链接进行论文写作/Python学习。
2025-07-07 20:29:39
207
原创 Python：pip install -r requirements.txt
本文介绍了Python项目依赖管理文件requirements.txt的规范用法。主要内容包括：1）基础语法规范，如包名与版本号的精确匹配、范围限定等格式要求；2）高级功能，如引用其他依赖文件和指定安装源；3）文件编码和路径建议。文章还提供了Markdown编辑器的使用指南，涵盖基本语法、快捷键、表格制作、数学公式插入等功能。最后给出了作者联系方式，并附带一个Python学习智能体的分享链接。全文旨在帮助开发者规范管理项目依赖，同时提升技术文档的编写效率。
2025-07-06 23:10:21
1000
原创 Python：pip install，添加长期生效的国内镜像设置。
本文介绍了如何通过国内镜像源加速Python的pip安装，解决连接国外源速度慢的问题。方法包括：1)创建批处理文件永久配置清华镜像源；2)临时指定镜像源的安装命令。同时提供了其他镜像源的搜索建议和联系方式。文章后半部分详细介绍了Markdown编辑器的扩展功能，包括数学公式支持、甘特图、UML图表等功能的使用方法，并附有快捷键说明和格式示例。
2025-07-06 20:49:59
623
原创 Python 数据分析：DataFrame，有无空值？有几个？
本文介绍了Pandas DataFrame中处理空值的方法与axis参数的使用技巧。通过示例代码展示了如何检测空值（isnull）、统计各列/行空值数量（sum），并详细解释了axis参数的实际含义：axis=0对应"跨行"操作（列向量方向），axis=1对应"跨列"操作（行向量方向）。文中特别指出Series对象无axis=1维度，并通过成绩统计案例对比了不同场景下的求和方法，包括先取列/行再求和与直接使用axis参数的区别。最后提供"零列一行"
2025-07-05 23:21:34
988
原创 Python 数据分析：DataFrame，说人话，axis=0 到底是行还是列？无论如何都理解不了的话还可以谐音记忆，一辈子不混难忘！
本文主要讲解了Python中DataFrame的axis参数理解问题。通过示例代码演示了axis=0/1在数据操作中的实际含义：axis=0表示"跨行"操作（实际作用于列向量），axis=1表示"跨列"操作（实际作用于行向量）。文章提供了"零列一行"的谐音记忆法（凛冽一航），并通过计算学生成绩单中科目总分和个人总分的具体案例，澄清了常见的理解误区。最后指出Series类型数据只有axis=0的注意事项，建议通过df.sum(axis=1)这种整体操
2025-07-05 22:54:50
993
原创 Python 数据分析：决策树最最基础用法。
本文介绍了使用Python的scikit-learn库构建性别分类决策树模型的示例代码。通过身高和胡子特征数据训练模型，并预测新样本的性别分类（如158cm无胡子预测为女性，176cm有胡子预测为男性）。文章还提供了Markdown编辑器的使用指南，包括基础语法、功能快捷键、标题创建、文本样式、链接图片插入、代码高亮、表格制作等排版技巧。最后分享了论文写作/Python学习智能体的在线资源链接。
2025-07-04 16:59:00
996
1
原创 Python：数学，排列组合，可重复的组合。
本文探讨了一个组合数学问题：用5个字符(a-e)组成8位字符串，允许重复且不同排列视为相同组合时，求可能组合数。文章提供了三种解法：1)手动枚举(不实际)；2)转化为求非负整数解方程；3)使用"挡板法"计算，得出495种组合。还展示了两种Python实现方式：一种是生成所有可能序列后去重，另一种是直接生成满足条件的五元组。最后提供了联系方式并介绍了Markdown编辑器的功能。
2025-07-03 15:08:30
1043
原创 Python 数据分析：numpy，说人话，说说数组维度。听故事学知识点怎么这么容易？
这篇文章通过"煎饼包装"的生动比喻，形象地解释了NumPy数组的维度概念：一维数组是原料，二维数组是煎饼平面，三维数组是最小包装单元，四维数组是超市销售包，五维数组是大批发包。文章还演示了如何使用np.squeeze()去除数组中长度为1的冗余维度，将其比作去除过度包装。最后提供了联系方式并分享了一个Python学习智能体链接，附带介绍了Markdown编辑器的基本使用技巧。全文用生活化比喻使复杂的数组维度概念变得通俗易懂。
2025-07-02 21:24:13
1467
2
原创 Python 数据分析：DataFrame，清洗，清理所有缺失值，简单粗暴。
本文介绍了使用Python pandas库清理DataFrame缺失值的方法，重点演示了dropna()函数的使用。主要内容包括：1)通过axis参数控制行列删除方向；2)使用how参数选择"any"或"all"删除条件；3)通过subset指定特定列检查；4)利用thresh设置保留行的非空值数量阈值。文章还指出该方法仅处理NaN值，对空字符串需先转换。附带Markdown编辑器的使用说明，包括快捷键、标题生成、文本样式、表格创建等功能。最后提供了纠错联系方式和论文
2025-07-02 17:14:03
858
原创 Python 数据分析：计算，分组统计1，df.groupby()。听故事学知识点怎么这么容易？
存储分组规则（如按哪一列分组），但不直接包含分组数据，而是记录了如何拆分原始数据的元信息。 像些领导，不直接动手干活，但会分配工作，知道谁适合干什么。这也是好领导。 还不是临时小组临时领导，分完活儿就解散（迭代器），是可以长期值班的领导（可迭代对象），除非解除他职务（注销变量）。 是“可迭代对象”，但不是迭代器。 “可迭代对象”可重复遍历，“迭代器”（如 zip 结果）只能遍历一次。
2025-07-02 15:00:31
855
原创 Python：线性代数，函数 f(x) 关于 x=a 做 n 倍拉伸，或 m 倍压缩。
摘要：本文探讨了如何求解函数y=sinx关于x=π/2拉伸两倍后的解析式。通过坐标轴变换方法，将问题转化为在新的x'O'y'坐标系下处理，得到y'=cosx'后，再对x'方向进行两倍拉伸。最终通过坐标转换得到原坐标系下的解析式为y=sin(x/2+π/4)。该方法避免了复杂的代数运算，运用已掌握的三角函数知识轻松解决问题。文章还提供了Markdown编辑器的使用说明及数学公式、图表等功能介绍。
2025-07-02 09:59:03
188
原创 Python 数据分析：Series，应用 reset_index() 升级为二维？
这篇文章主要介绍了两个方面的内容：一是Pandas中Series对象使用reset_index()方法时会转换为DataFrame类型的数据处理技巧，二是Markdown编辑器的使用指南。第一部分通过Python代码示例展示了reset_index()如何将Series转换为DataFrame，并解释了参数drop=True的用法。第二部分详细介绍了Markdown编辑器的扩展功能，包括快捷键、标题创建、文本样式、代码插入、表格制作等格式化技巧，以及数学公式和甘特图等高级功能支持。
2025-07-02 09:43:33
178
原创 Python：线性代数，向量内积谐音记忆。
向量内积（点积/标量积）是线性代数中两个向量对应分量相乘后相加的运算，结果为一个标量值。计算公式为a·b=a1b1+a2b2+...+anbn，可用于计算向量夹角、相似度等。广泛应用于机器学习、计算机视觉等领域。文中还提供了记忆口诀"标点内向"和具体示例说明。
2025-07-02 09:15:43
382
原创 Python：lambda。如果一个函数的函数体仅有 1 行表达式，则该函数就可以用 lambda 表达式来代替。
本文展示了Python中lambda函数的多种应用场景，包括作为单行函数替代、参数传递、字典值存储等。通过示例代码演示了lambda的基本语法（lambda x: expression）及其灵活性，如支持列表存储、字典调用、无参数形式等。同时指出lambda作为字典键的错误用法。此外，文章还介绍了Markdown编辑器的扩展功能，如代码高亮、数学公式支持等。最后提供了作者联系方式及学习资源链接。
2025-07-01 20:15:18
134
原创 Python 数据分析基础：selenium / FireFox，爬虫，示例百度搜索某词。
本文介绍了使用Python selenium库操作Firefox浏览器的示例代码，包括浏览器驱动配置、多标签页操作和百度搜索功能。同时提供了Markdown编辑器的使用指南，涵盖了基本语法、快捷键、标题样式、代码高亮、表格制作等核心功能。还介绍了编辑器新增的拖拽图片、数学公式、甘特图等特色功能，并提供了Python学习资源和问题反馈渠道。
2025-07-01 16:54:40
167
1
原创 易语言：取QQ聊天消息文本，做智能客服的有福了，或者用QQ收消息执行功能……
本文介绍了如何通过IAccessible接口获取QQ聊天窗口的文本内容，突破传统FindWindowExA方法无法获取自绘UI元素的限制。文章提供了实现效果图、方法说明及下载链接，详细讲解了IAccessible接口的属性和方法，并附有联系方式用于反馈纠错。此外还包含Markdown编辑器的使用指南，涵盖基础语法、快捷键操作、表格创建等内容。
2025-07-01 16:50:13
740
1
原创 Python 数据分析：Selenium / Chrome 常见错误
该文章包含两部分内容：第一部分针对Python编程问题建议更换Selenium+Firefox组合，并提供联系方式；第二部分详细介绍Markdown编辑器的使用功能，包括新增的界面设计、代码高亮、数学公式支持、甘特图等功能，以及基础语法和快捷键说明。文章还提供了导出导入和多种图表绘制的方法说明。
2025-07-01 16:44:41
116
原创 Python 数据分析：DataFrame，生成，用字典创建 DataFrame ，键值对数量不一样怎么办？
这篇文章包含三部分主要内容：1) Python示例代码展示如何使用字典创建DataFrame，并说明当数据长度不一致时会自动填充；2) 提供纠错联系方式（评论、私信或QQ）和论文写作/Python学习智能体链接；3) Markdown编辑器使用指南，包括新功能（界面设计、代码高亮、图片拖拽等）、快捷键、标题创建、文本样式、链接图片插入、代码片、列表、表格、注脚、数学公式、甘特图和UML图表等功能说明。文章既提供了具体的技术示例，又详细介绍了Markdown编辑器的各项功能。
2025-07-01 16:32:37
227
原创 Python 数据分析：numpy，抽提，布尔索引2。
本文介绍了Python中NumPy数组布尔索引的使用方法，通过示例代码展示了如何用布尔数组选取特定行列元素。同时提供了Markdown编辑器的使用指南，包括新增功能（代码高亮、数学公式、甘特图等）、快捷键操作、文本样式修改、表格创建等技巧。文章还包含纠错联系方式和论文写作/Python学习智能体的分享链接。
2025-07-01 15:41:44
865
原创 Python 数据分析：numpy，抽提，整数数组索引与基本索引扩展（元组传参）。听故事学知识点怎么这么容易？
本文介绍了Python中NumPy数组的两种索引方式（整数数组索引和元组形式索引）的异同，并通过代码示例展示了两种方法获取离散数组元素的操作。同时提供了Markdown编辑器的使用指南，包括基本语法、新功能（如代码高亮、图片拖拽、数学公式等）和快捷键说明。最后分享了Python学习智能体链接和纠错联系方式。全文涵盖技术教程和工具使用说明两大主题。
2025-07-01 08:48:30
1091
原创 Python 数据分析：numpy，抽提，整数数组索引。听故事学知识点怎么这么容易？
本文通过代码示例详细讲解了NumPy数组的花式索引（整数数组索引）操作。文章首先展示了三维数组的基本索引方式，分析不同索引参数对结果维度的影响。通过学科考试成绩的类比，解释了多维索引的实际应用场景。然后演示了更复杂的一维和二维整数数组索引，包括参数形状对输出结果的影响。最后补充了省略号、结构化数组字段访问等特殊索引方式。全文通过具体示例和类比说明，帮助理解NumPy数组的高级索引机制。
2025-06-28 23:49:15
1202
原创 Python 数据分析：numpy，抽提，多维切片索引。听故事学知识点怎么这么容易？
摘要 本文主要介绍了NumPy数组的多维切片索引操作。通过二维和三维数组的示例代码，详细演示了如何使用切片参数提取连续数据，并解释了维度变化规律。文章还提供了一个(学科,考试,学生)的三维数组模型来帮助理解切片操作的实际应用。最后包含Markdown编辑器使用指南、功能快捷键说明以及优快云联系方式。作者欢迎读者纠错并提供免费爬虫工具链接。全文以代码示例为主，配合通俗解释，适合NumPy初学者学习数组切片操作。
2025-06-27 23:43:08
935
原创 Python 数据分析：numpy，抽提，基本索引。听故事学知识点怎么这么容易？
本文介绍了NumPy数组的基本索引操作，通过示例代码展示了三维数组的链式索引和降维过程。内容包含数组切片、维度变化和数据类型说明，并提供了两种等效的索引写法。此外，文章还包含Markdown编辑器使用指南，介绍了新功能如代码高亮、数学公式支持等，并提供了快捷键和格式设置说明。最后附有联系方式供读者反馈纠错。
2025-06-27 21:27:50
882
原创 Python 编辑器：Geany，不是内部或外部命令，系统找不到指定路径
本文介绍了Python编译和执行命令的设置方法，以及Markdown编辑器的基本使用指南。主要内容包括：1) 如何配置Python编译(compile)和执行(execute)命令路径；2) Markdown编辑器的新功能、快捷键、文本样式、表格制作等基本语法；3) 代码高亮、数学公式、流程图等高级功能。同时提供了纠错联系方式和一个免费爬虫工具链接。文章采用清晰的分级标题结构，便于读者快速查找所需内容。
2025-06-26 11:25:30
372
原创 python 数据分析：pandas，可以读取 xls 但无法读取 xlsx 文件
解决Excel文件格式读取问题摘要：针对xlrd无法读取xlsx格式的问题，文章指出不同Excel文件格式需要对应模块：xlsx需openpyxl≥3.0.10，xls需xlrd 2.0.1，xlsb需pyxlsb。推荐通过pip install openpyxl xlrd==2.0.1 pyxlsb安装必要模块，并建议检查pandas与openpyxl的版本兼容性。文中还提供了Markdown编辑器的使用说明和新功能介绍，包括代码高亮、表格创建、数学公式支持等。最后附有联系方式和技术支持链接。
2025-06-26 11:03:04
382
原创 Python 数据分析：numpy，抽提，布尔索引。听故事学知识点怎么这么容易？
本文通过5个Python示例详细讲解NumPy布尔索引的使用方法。示例1展示基本布尔索引操作，用条件数组筛选目标数组元素；示例2演示如何用布尔条件筛选二维数组的行；示例3和4说明如何组合多个条件进行元素筛选；示例5展示基于特定列条件筛选行的技巧。文章强调布尔索引的核心思想是"用条件数组筛选目标数组"，并指出布尔数组的维度要与被索引数组匹配。每个示例都配有代码和详细注释，帮助读者理解布尔索引在不同场景下的应用方式。最后提供联系方式欢迎纠错，并附赠免费爬虫工具链接。
2025-06-26 10:08:40
803
原创 Python 编辑器：Geany，中文注释乱码
本文主要介绍了Geany编辑器中文注释乱码的解决方法，以及Markdown编辑器的使用指南。针对Geany乱码问题，文章详细说明了通过修改字体设置的具体步骤（1.1-1.4），并提供了效果验证流程（2.1-3.2）。第二部分全面介绍了Markdown编辑器的核心功能，包括新增的拖拽图片、数学公式、甘特图支持（1-8项），常用快捷键，以及代码片、表格、UML图表等高级排版语法。文末附有联系方式（评论/私信/QQ）和一个免费爬虫工具链接。 （注：摘要已严格控制在150字以内，聚焦核心内容，省略了示例代码、具体语
2025-06-26 08:46:52
175
原创 Python 数据分析（已有整合版新文章）：DataFrame，增加 1 列。用到：df[] / df.loc[] 和 df.insert()。听故事学知识点怎么这么容易？
本文介绍了三种在Pandas DataFrame中添加新列的方法：1）使用df[]直接赋值；2）使用df.loc[]进行切片赋值；3）使用df.insert()在指定位置插入列。其中重点讲解了insert()方法的使用技巧，包括参数记忆方法（位置、列名、数据）。文章还提供了示例代码和输出结果，最后附有联系方式与Markdown编辑器使用说明。内容简明实用，适合Python数据处理初学者。
2025-06-25 19:50:59
633
原创 Python 数据分析：numpy.transpose() ，转换维度。听故事学知识点怎么这么容易？
本文通过代码示例详细讲解了NumPy中一维、二维和三维数组的转置操作。一维数组转置无效，二维数组转置会使行列互换（如(2,3)变为(3,2)）。三维数组转置更为复杂，通过(4,3,2)数组的转置演示，说明转置实质是维度顺序的重排（如(1,2,0)将原第1维移到新第0维）。文中用"煎饼"比喻形象解释了高维数组结构，并强调维度顺序与业务含义的对应关系。最后通过成绩数据案例，展示了如何将转置操作与实际业务场景结合理解。
2025-06-24 21:32:39
1246
原创 Python 数据分析：DataFrame ，增 / 删 / 改 / 查。听故事学知识点怎么这么容易？
本文介绍了三种在Pandas DataFrame中增加列的方法：1)使用df[]直接添加单列或多列；2)使用df.loc[]修改或添加列；3)使用df.insert()在指定位置插入列。其中df[]和df.loc[]既能修改现有列也能添加新列，而df.iloc[]仅能修改不能扩展。对于多列添加，可以通过合并DataFrame实现。文章还展示了不同方法的具体代码示例及注意事项，如列名存在时的改写行为、数据对齐要求等。最后提到类似方法可用于DataFrame的合并操作。
2025-06-23 11:54:18
254
原创 Python 数据分析：DataFrame，抽提，按指定条件抽提行或列。听故事学知识点怎么这么容易？
本文介绍了两种使用pandas DataFrame进行条件数据筛选的示例方法。示例1展示了如何筛选物理>80且化学≥70的学生数据，示例2演示了化学≥70、生物≥80且姓名包含"王"的学生数据筛选。文章详细说明了分步构建筛选条件的过程，强调使用"&"而非"and"进行逻辑运算，并推荐分步构建过滤器的方法。同时提供了相关技术文章的参考链接，以及作者联系方式。文末还包含了对Markdown编辑器功能的简要介绍。
2025-06-23 10:32:03
135
原创 Python 数据分析：DataFrame，抽行、抽列、抽行列。df[] / df.loc[] / df.iloc[]，位置索引 / 标签索引，切片 / 不切片。听故事学知识点怎么这么容易？
摘要：本文介绍了pandas中Series和DataFrame的基本操作。Series部分包括生成（自动/指定索引）、抽提（单条/多条/连续）和取值方法，强调标签索引与位置索引的区别。DataFrame部分涵盖生成方式（列表/字典数据）、索引参数（行/列）和抽提方法（切片/非连续），并指出标签索引包头包尾而位置索引包头不包尾的特性。代码示例展示了具体操作，为数据处理提供基础参考。
2025-06-21 13:19:49
1128
1
原创 Python 数据分析：如何让 Chrome 和 FireFox 并不觉得自己是在被 selenium 自动化控制？
本文介绍了使用Selenium进行浏览器自动化时避免被检测的方法。主要内容包括：1)通过添加参数禁用浏览器扩展和GPU加速，降低被检测风险；2)提供优化前后效果对比图片；3)建议使用优化后的chromedriver；4)附带一个免费爬虫工具链接。文章还包含详细的Markdown使用教程，涵盖代码高亮、表格制作、数学公式、UML图表等功能，帮助用户更好地使用Markdown编辑器撰写技术文档。 （字数：149）
2024-12-25 10:08:04
270
原创 Python 数据分析：numpy.expand_dims()，增加维度。听故事学知识点怎么这么容易？
摘要：本文通过Python代码示例详细讲解了NumPy数组的维度概念，从一维到四维数组的结构解析。重点介绍了数组形状的理解方法，用"煎饼"比喻形象说明高维数组的层级关系（如三维数组是二维平面的叠加）。特别深入讲解了np.expand_dims()函数的维度扩展原理，强调通过形状元组而非行列概念来理解axis参数，并展示了在axis=0/1位置扩展维度的实际效果（如从(3,2)变为(1,3,2)）。文中反复使用"包啥包多少"的口诀帮助记忆维度特征。
2024-05-31 11:03:19
387
原创 Python 数据分析（已有升级版新文章）：np.transpose()
本文介绍了NumPy数组转置操作的不同方法，包括.T属性和transpose()函数的使用。主要内容包括：1）二维数组转置的两种等效方式；2）高维数组转置的维度交换原理；3）通过实例演示不同维度排列对数组形状的影响。文章还包含一个已作废的免费爬虫链接和Markdown编辑器使用指南，后者详细说明了文本样式、代码插入、表格创建等排版功能。
2024-05-31 10:53:13
157
原创 Python 数据分析（已有升级版新文章）：numpy，整数数组索引。听故事学知识点怎么这么容易？
本文演示了NumPy整数数组索引的使用方法。首先创建了一个6×8的二维数组，通过一维索引数组同时获取了(0,4)、(1,5)、(2,6)、(3,7)四个位置的元素。然后展示了二维索引数组的用法，使用两个2×2的索引数组获取数据，并保持原索引数组的形状。最后说明这种索引方式相当于先获取所有元素再按索引数组形状重组。该功能可以实现灵活的多点数据提取与形状控制。
2024-05-29 10:39:40
166
原创 Python 数据分析：numpy.inner()，按行点积。
本文主要探讨了NumPy中np.inner()函数的计算规则与使用场景。通过多组代码示例展示了该函数对一维和多维数组的处理方式： 一维数组计算标准向量内积（对应元素相乘求和） 多维数组沿最后一个维度进行按行点积运算，保持其他维度结构 详细解析了输入输出形状的关系（a.shape[:-1] + b.shape[:-1]） 对比了np.inner()与np.dot()的核心区别 提供了计算过程的具体数学推导示例 文末包含Markdown编辑器使用指南和联系方式，适用于技术文档写作场景。
2024-05-28 11:19:36
211
1
空空如也
TA创建的收藏夹 TA关注的收藏夹
TA关注的人