- 博客(36)
- 收藏
- 关注
RSS订阅原创 类与对象︱Python学习笔记
类与对象 1. 对象 = 属性 + 方法 对象是类的实例。换句话说，类主要定义对象的结构，然后我们以类为模板创建对象。类不但包含方法定义，而且还包含所有实例共享的数据。 封装：信息隐蔽技术 我们可以使用关键字 class 定义 Python 类，关键字后面紧跟类的名称、分号和类的实现。 【例子】 class Turtle: # Python中的类名约定以大写字母开头 """关于类的一个简单例子""" # 属性 color = 'green' weight = 10
2020-08-05 22:00:01
197
原创 函数与Lambda表达式︱Python学习笔记
函数与Lambda表达式 1. 函数 还记得 Python 里面“万物皆对象”么？Python 把函数也当成对象，可以从另一个函数中返回出来而去构建高阶函数，比如： 参数是函数 返回值是函数 函数的定义 函数以def关键词开头，后接函数名和圆括号()。 函数执行的代码以冒号起始，并且缩进。 return [表达式] 结束函数，选择性地返回一个值给调用方。不带表达式的return相当于返回None。 def functionname(parameters): "函数_文档字符串" fu
2020-08-02 21:09:29
207
原创 序列︱Python学习笔记
序列 在 Python 中，序列类型包括字符串、列表、元组、集合和字典，这些序列支持一些通用的操作，但比较特殊的是，集合和字典不支持索引、切片、相加和相乘操作。 1. 针对序列的内置函数 list(sub) 把一个可迭代对象转换为列表。 【例子】 a = list() print(a) # [] b = 'I Love LsgoGroup' b = list(b) print(b) # ['I', ' ', 'L', 'o', 'v', 'e', ' ', 'L', 's', 'g', 'o',
2020-07-31 20:16:02
234
原创 列表︱Python学习笔记
列表 列表 简单数据类型 整型<class 'int'> 浮点型<class 'float'> 布尔型<class 'bool'> 容器数据类型 列表<class 'list'> 元组<class 'tuple'> 字典<class 'dict'> 集合<class 'set'> 字符串<class 'str'> 1. 列表的定义 列表是有序集合，没有固定大小，能够保存任意数量任意类型的 Python 对
2020-07-28 20:29:10
179
原创 异常处理︱Python学习笔记
异常处理 异常就是运行期检测到的错误。计算机语言针对可能出现的错误定义了异常类型，某种错误引发对应的异常时，异常处理程序将被启动，从而恢复程序的正常运行。 1. Python 标准异常总结 BaseException：所有异常的 基类 Exception：常规异常的 基类 StandardError：所有的内建标准异常的基类 ArithmeticError：所有数值计算异常的基类 FloatingPointError：浮点计算异常 OverflowError：数值运算超出最大限制 ZeroDivision
2020-07-24 21:11:04
117
原创 条件语句︱Python学习笔记
条件语句 1. if 语句 if expression: expr_true_suite if 语句的 expr_true_suite 代码块只有当条件表达式 expression 结果为真时才执行，否则将继续执行紧跟在该代码块后面的语句。 单个 if 语句中的 expression 条件表达式可以通过布尔操作符 and，or和not 实现多重条件判断。 【例子】 if 2 > 1 and not 2 > 3: print('Correct Judgement!') #
2020-07-23 20:01:39
125
原创 变量、运算符与数据类型︱Python学习笔记
变量、运算符与数据类型 1. 注释 在 Python 中，# 表示注释，作用于整行。 【例子】单行注释 # 这是一个注释 print("Hello world") # Hello world ''' ''' 或者 """ """ 表示区间注释，在三引号之间的所有内容被注释 【例子】多行注释 ''' 这是多行注释，用三个单引号 这是多行注释，用三个单引号 这是多行注释，用三个单引号 ''' print("Hello china") # Hello china """ 这是多行注释，用三个双引号
2020-07-22 21:02:58
161
原创 Pandas基础｜综合练习︱Python学习笔记
端午节的淘宝粽子交易 (1) 请删除最后一列为缺失值的行，并求所有在杭州发货的商品单价均值。 (2) 商品标题带有“嘉兴”但发货地却不在嘉兴的商品有多少条记录? (3) 请按照分位数将价格分为“高、较高、中、较低、低”5 个类别，再将 类别结果插入到标题一列之后，最后对类别列进行降序排序。 (4) 付款人数一栏有缺失值吗?若有则请利用上一问的分类结果对这些缺失 值进行合理估计并填充。 (5) 请将数据后四列合并为如下格式的 Series:商品发货地为 ××，店铺为 ××，共计 ×× 人付款，单价为 ××。
2020-07-01 23:11:40
222
原创 方差分析｜概率统计学习笔记
方差分析 1 概要 方差分析(Analysis of variance, ANOVA) 主要研究分类变量作为自变量时，对因变量的影响是否是显著的。 方差分析的方法是由20世纪的统计学家Ronald Aylmer Fisher在1918年到1925年之间提出并陆续完善起来的，该方法刚开始是用于解决田间实验的数据分析问题，因此，方差分析的学习是和实验设计、实验数据的分析密不可分的。 实验设计和方差分析都有自己相应的语言。因此，在这里我们通过一个焦虑症治疗的实例，先了解一些术语，并且思考一下，方差分析主要用于解决
2020-06-29 22:48:06
1359
原创 Pandas基础｜时序数据︱Python学习笔记
第9章 时序数据 import pandas as pd import numpy as np 一、时序的创建 1. 四类时间变量 现在理解可能关于③和④有些困惑，后面会作出一些说明 名称 描述 元素类型 创建方式 ① Date times（时间点/时刻） 描述特定日期或时间点 Timestamp to_datetime或date_range ② Time spans（时间段/时期） 由时间点定义的一段时期 Period Period或period_range ③ Date off
2020-06-29 22:39:41
335
原创 Pandas基础｜分类数据︱Python学习笔记
第8章 分类数据 import pandas as pd import numpy as np df = pd.read_csv('data/table.csv') df.head() School Class ID Gender Address Height Weight Math Physics 0 S_
2020-06-28 21:50:47
253
原创 常见分布与假设检验｜概率统计学习笔记
3 常见分布与假设检验 文章目录3 常见分布与假设检验1 一般随机变量1.1 随机变量的两种类型1.2 离散型随机变量1.3 连续型随机变量2 常见分布2.1 离散型分布2.1.1 二项分布（Binomial distribution）2.1.2 泊松分布（Poisson distribution）2.1.3 二项分布，泊松分布，正态分布的关系2.1.4 其他离散型随机分布几何分布（Geometric distribution）负二项分布（Negative binomial distribution）超几何
2020-06-27 23:03:01
592
原创 Pandas基础｜文本数据︱Python学习笔记
第7章 文本数据 import pandas as pd import numpy as np 一、string类型的性质 1. string与object的区别 string类型和object不同之处有三： ① 字符存取方法（string accessor methods，如str.count）会返回相应数据的Nullable类型，而object会随缺失值的存在而改变返回类型 ② 某些Series方法不能在string上使用，例如： Series.str.decode()，因为存储的是字符串而不是字节
2020-06-26 22:18:44
356
原创 数理统计与描述性统计｜概率统计学习笔记
typora-root-url: tupian 文章目录typora-root-url: tupian一、数理统计概念1.基本概念释义2.统计量与抽样3.常用的统计量二、描述性统计1.数据集中趋势的度量2. python实现3.数据离散趋势的度量4.python实现5. 分布特征6.偏度与峰度7. 公式与python实现 一、数理统计概念 1.基本概念释义 定义：在数理统计中，称研究对象的全体为总体，通常用一个随机变量表示总体。组成总体的每个基本单元叫个体。从总体 XXX 中随机抽取一部分个体 X1,.
2020-06-24 09:46:59
369
原创 Pandas基础｜缺失数据︱Python学习笔记
第6章 缺失数据 在接下来的两章中，会接触到数据预处理中比较麻烦的类型，即缺失数据和文本数据（尤其是混杂型文本） Pandas在步入1.0后，对数据类型也做出了新的尝试，尤其是Nullable类型和String类型，了解这些可能在未来成为主流的新特性是必要的 import pandas as pd import numpy as np df = pd.read_csv('data/table_missing.csv') df.head() School
2020-06-23 15:35:16
371
原创 随机事件与随机变量｜概率统计学习笔记
一、随机事件 1.基本概念释义 现实生活中，一个动作或一件事情，在一定条件下，所得的结果不能预先完全确定，而只能确定是多种可能结果中的一种，称这种现象为随机现象。 例如，抛掷一枚硬币，其结果有可能是出现正面，也有可能是出现反面；掷骰子游戏中，出现的数字可能是1,2,3,4,5,6其中的任意一个。以上这些现象都是随机现象。 使随机现象得以实现和对它观察的全过程称为随机试验，记为**EEE**。随机实验满足以下三个条件: 可以在相同条件下重复进行； 结果有多种可能性，并且所有可能结果事先已知
2020-06-21 10:53:52
472
原创 零基础入门cv04︱Python学习笔记
Datawhale 零基础入门CV赛事-Task5 模型集成 在上一章我们学习了如何构建验证集，如何训练和验证。本章作为本次赛题学习的最后一章，将会讲解如何使用集成学习提高预测精度。 5 模型集成 本章讲解的知识点包括：集成学习方法、深度学习中的集成学习和结果后处理思路。 5.1 学习目标 学习集成学习方法以及交叉验证情况下的模型集成 学会使用深度学习模型的集成学习 5.2 集成学习方法 在机器学习中的集成学习可以在一定程度上提高预测精度，常见的集成学习方法有Stacking、Bagging和Boost
2020-06-02 22:15:11
234
1
原创 零基础入门cv04︱Python学习笔记
Datawhale 零基础入门CV赛事-Task4 模型训练与验证 在上一章节我们构建了一个简单的CNN进行训练，并可视化了训练过程中的误差损失和第一个字符预测准确率，但这些还远远不够。一个成熟合格的深度学习训练流程至少具备以下功能： 在训练集上进行训练，并在验证集上进行验证； 模型可以保存最优的权重，并读取权重； 记录下训练集和验证集的精度，便于调参。 4 模型训练与验证 为此本章将从构建验证集、模型训练和验证、模型保存与加载和模型调参几个部分讲解，在部分小节中将会结合Pytorch代码进行讲解。 4
2020-05-30 21:16:26
186
原创 零基础入门cv03︱Python学习笔记
1.卷积神经网络（CNN）介绍 一类特殊的人工神经网络，是深度学习中一个重要分支。 较传统计算学习算法，精度和速度较高 在计算机视觉领域，CNN是解决图像分类、图像检索、物体检测和语义分割的主流模型 cnn每一层由众多的卷积核组成，每个卷积核对输入的像素进行卷积操作，得到下一次的输入。随着网络层的增加卷积核会逐渐扩大感受野，并缩减图像的尺寸。 cnn是一种层次模型，输入的是原始的像素数据。cnn通过卷积（convolution）、池化（pooling）、非线性激活函数（non-linear activ
2020-05-26 23:40:32
237
原创 零基础入门cv02︱Python学习笔记
数据读取与数据扩增 图像读取 由于赛题数据是图像数据，任务为识别图像中的字符。故我们需要完成对数据的读取操作，较常见的相关库为pillow和opencv pillow 是python图像处理函式库（PIL）的一个分支。 提供了常见的图像读取和处理的操作，可与ipython notebook无缝集成。 from PIL import Image im = Image.open('/Users/linyuepu/Downloads/IMG_2054.png') # 读取照片 im [外链图片转存失败,
2020-05-23 22:58:50
343
原创 函数篇︱Python学习笔记
python不仅能灵活定义函数，也可以直接调用内置函数。 调用内置函数 需要知道函数名称和参数 也可通过交互式命令查看帮助信息 例如：http://docs.python.org/3/library/functions.html#abs 可通过官方文档查看abd函数的帮助信息 # abs函数 help(abs) Help on built-in function abs in module builtins: abs(x, /) Return the absolute value
2020-05-23 16:04:36
400
原创 零基础入门cv01︱Python学习笔记
赛题数据 训练集数据包括3w张照片，验证集数据包括1w张照片，每张照片包括颜色图像和对应的编码类别和具体位置。 1. 训练集 mchar_train.zip，包含30000张图片。 2. 验证集 mchar_val.zip，包含10000张图片。 3. 测试集 mchar_test_a.zip，包含40000张图片。 4. 提交结果模板 mchar_sample_submit_A.csv 5. 训练集、验证集和测试集中字符的位置 mchar_train.json、mchar_val.json ，为降低比赛
2020-05-20 21:51:47
323
原创 Pandas基础6.1︱Python学习笔记
2002 年-2018 年上海机动车拍照拍卖 import numpy as np import pandas as pd df = pd.read_csv('./2002年-2018年上海机动车拍照拍卖.csv') df.head() Date Total number of license issued lowest ...
2020-05-01 22:30:47
299
原创 Pandas基础5.1｜Python学习笔记
import numpy as np import pandas as pd df = pd.read_csv('./data/table.csv') df.head() Unnamed: 0 School Class ID Gender Address Height ...
2020-04-30 15:34:13
269
原创 Pandas基础3.2｜Python学习笔记
import numpy as np import pandas as pd df = pd.read_csv('./data/table.csv',index_col = 'ID') df.head() Unnamed: 0 School Class Gender Address Hei...
2020-04-28 11:45:54
567
原创 爬虫基础4.1｜Python学习笔记
回顾selenium（自动化测试工具） 应用场景：用代码的方式去模拟浏览器操作过程（如：打开浏览器、在输入框里输入文字、回车等），在爬虫方面很有必要 高级-查找元素：介于打开页面和关闭页面之间，与爬虫常见的HTML页面解析、定位到具体的某个元素类似，区别在于调用者是driver 高级-页面交互：找到元素后，进行“交互”，如键盘输入（需提前导入模块） 高级-等待页面加载（wait）： 应用场景...
2020-04-27 23:13:50
156
原创 Pandas基础3.1｜Python学习笔记
import numpy as np import pandas as pd df = pd.read_csv('./data/table.csv',index_col = 'ID') df.head() Unnamed: 0 School Class Gender Address Hei...
2020-04-26 23:07:48
155
原创 Pandas基础2.3｜Python学习笔记
import numpy as np import pandas as pd df = pd.read_csv('./data/table.csv',index_col='ID') df.head() Unnamed: 0 School Class Gender Address Heig...
2020-04-26 15:27:52
335
1
原创 Pandas基础2.2｜Python学习笔记
import numpy as np import pandas as pd df = pd.read_csv('./data/table.csv',index_col='ID') df.head() Unnamed: 0 School Class Gender Address Heig...
2020-04-26 13:29:56
185
原创 爬虫基础2.2｜Python学习笔记
基于BS4库的HTML内容遍历方法 HTML基本格式：<> * < / >构成了所属关系，形成了标签的树形结构 标签树的下行遍历 .contents 子节点的列表，将< tag >所有儿子节点存入列表 .children子节点的迭代类型，与.contents类似，用于循环遍历儿子节点 .descendadts子孙节点的迭代类型，包含所有子孙节点，用于循环遍历...
2020-04-25 10:55:56
162
原创 爬虫基础2.1｜Python学习笔记
Beautiful Soup库的基本元素 理解：Beautiful Soup库是解析、遍历、维护“标签树”的功能库，对应一个HTML、XML文档的全部内容 BS是一个HTML/XML的解析器，主要用于解析和提取HTML/XML数据； 基于HTML DOM，会载入整个文档，解析整个DOM树，因此时间和内存开销都会大很多，性能低于lxml； BS用来解析HTML较简单，API非常人性化，支持CS...
2020-04-24 17:17:09
232
原创 爬虫基础1.3｜Python学习笔记
JavaScript的使用 在< script >< /script >中直接编写 通过< script src=‘目标文档的URL’ >< script >连接外部Js文件 herf属性值 作为某个元素的实践属性值或者是超链接的herf属性值 JavaScript基本语法 执行顺序：按照HTML文件中出现的顺序一次执行 严格区别大小写 忽略空...
2020-04-24 15:57:22
126
原创 爬虫基础1.2｜Python学习笔记
1、使用开发者工具检查网页 菜单 - 更多工具 - 开发者工具 / 右击 - 检查 / F12 Elements：允许用户从浏览器的角度来观察网页。HTML、CSS、DOM（Document Object Model）对象。 Network：网页向服务器请求了哪些资源、资源的大小以及加载资源的相关信息。HTTP的请求头、返回内容等。 Source：源代码面板，调试JavaScript Conso...
2020-04-24 03:04:30
197
原创 Pandas基础2.1｜Python学习笔记
import numpy as np import pandas as pd df = pd.read_csv('./data/table.csv',index_col='ID') df Unnamed: 0 School Class Gender Address Height ...
2020-04-23 20:49:02
209
1
原创 爬虫基础1.1｜Python学习笔记
1、Internet互联网以一组标准的网络协议组相连，形成逻辑上的单一巨大国际网络。 WWW万维网是一个超文本相互链接而成的全球性系统，是Internet所能提供的服务之一。 2、HTTP是一个客户端（用户）和服务器端（网站）之间进行请求和应答的标准。 客户代理user agent（客户端） （HTTP请求）----> 源服务器origin server（应答服务器存储资源码e.g.HTML...
2020-04-21 22:06:16
187
原创 Pandas基础1.1｜Python学习笔记
【练习一】 现有一份关于美剧《权力的游戏》剧本的数据集，请解决以下问题： （a）在所有的数据中，一共出现了多少人物？ import pandas as pd import numpy as np df = pd.read_csv('C:/Users/PuLinYue/Desktop/joyful-pandas/data/Game_of_Thrones_Script.csv') df.head()...
2020-04-20 22:18:37
639
2
空空如也
空空如也
TA创建的收藏夹 TA关注的收藏夹
TA关注的人