- 博客(71)
- 资源 (4)
- 收藏
- 关注
RSS订阅原创 闲谈：当前CSSCI期刊为什么这么难中稿？
1.1.2 人才引进与职称晋升：高校普遍实施的“预聘-长聘”制度，使得青年学者在入职初期即面临严峻的“非升即走”压力，CSSCI发表是核心考核指标。作为一名在XXX工作多年、也见证了无数师生为论文发愁的XXX，我来从我的视角，为大家剖析一下当前CSSCI期刊中稿难这一现象背后的深层原因。理想的评审应依赖于“小同行”专家。4.1 坚守学术本心：最核心的，依然是研究问题的真价值、论证过程的严密性与学术表达的规范性。在当前的学术评价体系下，期刊本身也承受着巨大压力，其行为是“理性”且“趋利”的。
2025-11-03 17:14:44
258
原创 Python数据分析：文本余弦相似度
本文介绍了一个基于Python的文本相似度计算工具，使用jieba分词和余弦相似度算法实现。主要内容包括：(1)TextSimilarityCalculator类的设计，包含文本预处理、词袋模型构建和向量转换功能；(2)示例演示了计算两段文本的相似度(0.3721)；(3)扩展功能可生成多文本相似度矩阵；(4)提供了停用词处理和模块化设计方法。代码采用面向对象方式封装，支持自定义停用词表，适用于中文文本相似度分析场景。
2025-10-19 12:04:29
862
原创 Python数据分析：小实例，数人头
本文介绍了一个Python数据处理方案，通过pandas库统计Excel表中独特人物数量。算法采用双指针方法，将前后出现且时间间隔不超过20分钟的同名人物视为同一人，并处理中间夹杂其他人员的情况。代码实现包括数据排序、时间差计算和集合去重等步骤，适用于大数据量处理。文章还提供了示例数据、代码说明和联系方式，并附带相关资源链接。
2025-10-18 21:55:49
664
原创 Python数据分析：机器学习预测示例
本文介绍了使用Python进行可重复排列组合的数学计算，并提供了一个基于随机森林模型的示例代码，该模型通过分析名字的Unicode编码来预测作家排名。文章包含代码实现、特征工程、模型训练和测试验证等内容，同时提供了联系方式、免费爬虫工具和论文写作/Python学习资源链接。最后还介绍了Markdown编辑器的基本使用方法和功能拓展。
2025-10-13 10:59:05
709
原创 Python数据分析：快速排序与堆排序相结合的策略
这篇文章主要包含两个部分：1）一个Python实现的内省排序算法代码示例，该算法结合了快速排序、堆排序和插入排序的优点；2）Markdown编辑器的使用指南。代码部分详细展示了内省排序的实现逻辑，包括分区函数、三数取中法选择基准值等核心功能。Markdown指南部分则系统介绍了该编辑器的各项功能、快捷键和排版技巧，包括标题设置、文本样式调整、代码插入、表格创建等实用功能。文章末尾还提供了作者的联系方式和相关资源链接。
2025-10-13 10:52:27
960
原创 Python数据分析：政府发布的统计数据和人口普查数据可以从以下官方渠道获取
第七次人口普查（2020）：http://www.stats.gov.cn/sj/pcsj/rkpc/7rp/zk/indexch.htm。历史人口普查数据：https://www.ons.gov.uk/filter/peoplepopulationandcommunity。2021 Census数据：https://www.ons.gov.uk/census/2021census。2021年人口普查：https://www.ons.gov.uk/census。
2025-10-06 16:43:49
1163
原创 Python数据分析：使用爬虫从网页、社交媒体平台、论坛等公开资源提取中文和英文人名。
本文介绍了从网页和图像中提取中英文人名的多种方法，包括正则表达式匹配、OCR识别、数据清洗等技术。针对中文人名识别，分析了简单正则的局限性，并提出词典匹配、机器学习模型和混合方法等优化方案。文章包含完整代码示例，并给出优先使用姓氏库结合常用字库的实用建议，以及针对高精度场景推荐BERT-NER模型。最后提供了相关工具推荐和实战优化建议。
2025-10-06 11:36:55
1291
原创 图数据库：基于历史学科的全球历史知识图谱构建，使用Neo4j图数据库实现中国历史与全球历史的关联查询。
如果你想学习如何使用Markdown编辑器, 可以仔细阅读这篇文章，了解一下Markdown的基本语法知识。码字不易，如觉得还可以，请给个免费的 zan 和 soucang ，让我有动力继续写下去。如果你想加载一篇你写过的.md文件，在上方工具栏可以选择导入功能进行对应扩展名的文件导入，多层级结构：国家->朝代->事件->人物的知识体系。页面，选择一款你喜欢的代码片高亮样式，下面展示同样高亮的。时空双重维度建模：精确到年的历史事件定位。跨文明关联网络：揭示文明交流的隐藏模式。
2025-10-01 16:20:21
998
原创 图数据库：个性化图书推荐。
本文介绍了图数据库建模与推荐系统的实现方法，主要包括三部分内容：1）使用Cypher语言进行图数据库建模优化，包括扩展数据模型、建立图书-主题关系、添加读者行为数据等；2）通过Python实现图分析与推荐算法，包括图嵌入特征提取、聚类分析和个性化推荐；3）完整工作流程实现，涵盖数据增强、实时推荐API和读者画像可视化功能。系统采用混合推荐策略，结合协同过滤和图嵌入技术，为读者提供个性化图书推荐服务。
2025-09-30 15:52:38
859
原创 图数据库：图书、读者、借阅记录等作为节点，通过边表示数据关联，如借阅关系、收藏关系等。
本文展示了如何使用Neo4j图数据库构建图书管理系统。通过Cypher语言创建了图书、读者、管理员等节点，以及借阅、收藏、管理等关系。提供了多种查询示例：包括基本查询（如查询所有图书、特定读者借阅记录）、复杂查询（如逾期图书查询、图书推荐）和统计查询（如按类别统计图书、读者年龄段分析）。这些查询充分展现了图数据库在关系查询和路径分析方面的优势，能够有效支持图书馆管理系统的各类业务需求。
2025-09-30 11:53:47
378
原创 图数据库：三类图模型核心区别是什么？属性图、资源描述框架和超图。
本文比较了属性图、RDF和超图三种图数据模型的核心区别：属性图和RDF只能表达二元关系（A→B），而超图可以表达多元关系（A+B+C+...）。通过"熊大、熊二和光头强公司共同负责林木项目"的案例，展示了三种实现方式：属性图/RDF需要创建中间节点和多个二元关系，而超图可直接用一条超边连接所有相关实体。文章还提供了具体代码示例，说明在Neo4j中如何模拟超图功能。最后分享了作者联系方式和学习资源。
2025-09-27 17:53:42
744
原创 Python数据分析：求均值、标准差、方差、中位数和众数。
本文通过Python代码示例展示了数据分析中的正态分布应用。使用numpy生成1万个月薪数据（均值27000元，标准差15000元），演示了如何计算均值、标准差、方差和中位数，并绘制直方图直观呈现"中间多、两边少"的正态分布特征。另以500人年龄数据为例说明众数计算。文章包含代码实践、统计学概念通俗解释（如68-95%法则）、数据可视化方法，以及作者联系方式。最后提供了Markdown编辑器使用指南和快捷键说明，包含表格制作、图片插入等排版技巧。
2025-09-23 10:06:02
907
原创 Python数据分析：简单的机器仿真示例，模拟买方便面集四大天王卡：学有/李明/成成/华子。
本文通过Python代码模拟收集方便面卡片的概率问题，分析集齐四张不同卡片（学有/李明/成成/华子）所需的购买次数。代码使用随机数生成模拟购卡过程，统计10万次实验的平均购买次数约为8.35包。文中展示了概率分布曲线图，直观呈现集卡次数的分布情况。最后提供联系方式欢迎纠错，并附赠免费爬虫工具和Python学习资源链接。文章采用Markdown格式编写，包含代码高亮、图片展示等功能说明。
2025-09-21 13:37:48
1062
原创 Python数据分析：求矩阵的秩。啥是矩阵秩？听故事学线代并用Python实现，娘来太容易学会了！
这篇文档主要包含以下内容：1. 通过Python代码示例讲解矩阵秩的概念，展示如何用numpy计算矩阵秩和求解线性方程组；2. 提供联系方式并邀请纠错；3. 附带两个推广链接（免费爬虫工具和论文写作/Python学习智能体）；4. 详细介绍了Markdown编辑器的使用技巧，包括快捷键、标题生成、文本样式、图片插入、代码高亮、列表和表格创建等功能。文档采用Markdown格式编写，内容涵盖技术教程和工具推广，结构清晰，配有代码示例和格式说明。
2025-09-20 21:06:59
1142
原创 Python数据分析：函数定义时的装饰器，好甜的语法糖。
本文介绍了Python装饰器的基本概念和使用方法。通过示例代码展示了如何用装饰器简化函数调用时的调试输出，避免重复代码。文章详细讲解了装饰器的实现原理（外层函数接收函数参数，内层函数进行功能增强），并演示了带参数函数的装饰器用法。最后提到后续会探讨装饰器返回值处理和多装饰器叠加等进阶内容。文中还包含Markdown编辑器的使用说明和功能快捷键介绍。
2025-09-20 11:05:54
862
原创 Python数据分析：以函数名为参数传递给另一个函数同时传递该函数的参数。
本文介绍了一个Python函数装饰器示例。主要内容包括：1) 定义了一个简单的加法函数tadd；2) 实现了一个haha装饰器函数，可循环执行传入的函数直到超时；3) 装饰器支持参数传递、超时控制和结果收集功能；4) 提供了示例输出和联系方式。文章还包含Markdown编辑器的使用指南，介绍了快捷键、标题生成、文本样式、链接图片插入、代码高亮、列表表格创建等功能。最后附带了免费爬虫和论文写作/Python学习资源的链接。
2025-09-13 09:51:50
756
原创 Python数据分析：函数定义时的关键字参数。
这篇文章详细讲解了Python函数参数的不同形式和使用方法：1. 区分了位置参数和关键字参数，并说明在调用时可以混合使用；2. 解释了带默认值的形参（Default Parameters）与关键字参数的区别；3. 重点介绍了不定数量参数args（元组型）和**kwargs（字典型）的用法；4. 通过多个代码示例演示了参数组合使用的规则和常见错误；5. 强调了Python函数参数传递的核心规则：位置参数→args→关键字参数→**kwargs，并指出关键字参数必须写在位置参数后面。文章建议实际编程时不必过度纠
2025-09-13 09:06:21
625
原创 Python数据分析：函数定义时的位置参数。
本文介绍了Python函数参数的使用方法，重点讲解了位置参数和不定数量参数的组合应用。通过多个代码示例展示了如何定义和使用确定数量的位置参数（如pargs1函数）、不定数量元组型位置参数（如pargs2函数）以及两者混合使用（如pargs4函数）。文章还指出了关键字传参与位置参数定义的区别，并解释了混合使用时参数传递的语法规则。最后提供了错误反馈联系方式和相关学习资源链接，包括免费爬虫工具和Python学习智能体。文末附有Markdown编辑器的使用说明，包括基本语法、功能快捷键和表格创建等实用技巧。
2025-09-12 16:17:54
754
原创 Python数据分析：排序，df.sort_values。根据指定列的值对 DataFrame 进行排序。
本文介绍了Python中Pandas库的sort_values()方法，演示了如何使用该函数对DataFrame进行多列排序，并解释了稳定排序的特性。文章包含代码示例、欢迎纠错信息、资源链接和Markdown编辑器使用指南。主要内容包括：1）DataFrame多列排序的实现方法；2）稳定排序的特点；3）相关学习资源推荐；4）Markdown编辑器的基本功能和使用技巧。
2025-08-30 23:06:26
1017
原创 Python 数据分析：计算，分组统计2，df.groupby()和grouped.agg()。听故事学知识点怎么这么容易？
本文介绍了使用Python中的pandas库进行数据分组和聚合操作的方法。通过一个销售数据示例，演示了如何按地区和产品类型分组，并计算销售额和订单量的各种统计指标（总和、均值、最大值、标准差等）。文章详细解释了groupby()函数的使用逻辑，包括如何查看分组结果、进行多级聚合计算，以及count和sum函数的区别。同时提供了错误反馈渠道和附加资源链接，包括免费爬虫工具和Python学习智能体。最后还包含了一段关于Markdown编辑器功能的说明。
2025-08-30 17:58:57
1130
1
原创 Python数据分析：在Python中，reindex和set_index以及reset_index最本质的区别是什么？
本文介绍了Pandas中三种索引操作方法：set_index将列转换为索引，reset_index将索引还原为列并生成新整数索引，reindex按指定标签重新排列数据。同时提供了Markdown编辑器使用指南，包括基本语法、功能快捷键、标题创建、文本样式、链接图片插入、代码高亮、列表表格制作、数学公式、甘特图和UML图表等功能说明。最后附有联系方式及资源链接。全文涵盖了数据处理和文档编辑两大实用技能。
2025-08-30 12:15:54
1147
原创 Python数据分析：设置索引，set_index。用列数据创建新索引。
本文展示了一个Python Pandas数据处理示例，演示了DataFrame的设置索引、删除空值和重置索引等操作。主要内容包括：创建包含NaN值的DataFrame，使用set_index()方法设置索引，通过loc[]访问数据，处理NaN值报错问题，以及使用dropna()和reset_index()清理数据。文章还提供了纠错联系方式，并附带免费爬虫工具和论文写作/Python学习资源的推广链接。最后简要介绍了Markdown编辑器的基本功能和使用方法。
2025-08-30 11:02:17
732
原创 Python数据分析：DataFrame，reindex，重建索引。有时候整型变浮点型，有时候又不变？
本文介绍了Pandas中reindex和set_index的区别与应用。reindex用于按新索引对齐数据，可能新增/删除行/列并用NaN填充缺失值；set_index则是将列数据转为新索引。文章通过代码示例展示了reindex对Series和DataFrame的操作效果，包括索引重排、数据类型转换（整型变浮点型）及填充值设置。关键点：reindex不改变原索引来源，仅调整数据匹配关系；数据类型按列独立处理；整型列引入NaN时会自动转为浮点型。最后提供了纠错联系方式。
2025-08-19 21:26:01
897
原创 Python：编辑器，如何写科学写注释。
本文摘要： 介绍了Python中三引号注释的用法及注意事项，包括适用场景（文档字符串、大段代码注释）、性能影响和嵌套规则，建议优先使用#进行单行注释 提供了作者联系方式及内容纠错渠道 包含两个外部资源链接（免费爬虫工具和论文写作/Python学习助手） 详细介绍了Markdown编辑器的扩展功能，包括： 新增的界面设计、代码高亮、图片拖拽等功能 常用快捷键说明 各类Markdown语法示例（标题、文本样式、链接图片、代码块、列表、表格等） 高级功能如KaTeX数学公式、甘特图、UML图表和流程图绘制 注：原
2025-08-05 11:41:14
1038
原创 Python 数据分析：DataFrame，重复值处理。df.drop_duplicates()。全不保留 / 只保留第一条 / 只保留最后一条；单条件 / 多条件
Python 数据分析：DataFrame，重复值处理。全不保留 / 只保留第一条 / 只保留最后一条；单条件 / 多条件
2025-07-29 14:42:47
1011
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
1224
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
544
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
256
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
2295
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
683
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
1042
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
1169
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
1015
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
1165
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
1600
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
932
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
966
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
213
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
217
空空如也
TA创建的收藏夹 TA关注的收藏夹
TA关注的人