Mooczx的博客

正则表达式（Regular Expression，简称Regex）是一种用于字符串匹配与处理的规则系统。它通过一系列的字符和符号定义了一个搜索模式，可以用来对字符串进行匹配、查找、替换和拆分操作。正则表达式是数据清洗和文本处理中的强大工具，掌握它可以让我们的工作事半功倍。通过本文的实战案例和技巧详解，相信你已经对Python正则表达式有了更深入的理解。在实际项目中，灵活运用这些技巧，必将大大提升你的数据处理能力。

里，应该都提及了自己的数据是如何配比的，基本上都是“知识 + 代码 + 逻辑”三个大类目，其中知识数据分文中文知识和英文知识，逻辑数据则可以认为是 math 数据和 cot 数据的混合体。整体上，大部分中文模型的配比都在这个区间左右：中：英：code = 4:4:2（逻辑数据的比例我没有写进去，加入多少取决于你能收集多少，其他三类数据应该是要多少有多少的存在）。我们可以根据自己的实际情况调整配比，但英文的比例一定不能太低。

数据清洗（Data Cleaning）是大数据处理中的一个重要步骤，它涉及到识别并纠正或删除错误的、不完整、不准确或不相关的记录。数据清洗的目标是提高数据的质量，确保分析结果的有效性和可靠性。数据清洗是一个迭代的过程，通常需要多次循环进行，直到数据集达到足够的质量标准。随着技术的发展，自动化工具和机器学习算法也被用来辅助数据清洗过程，以提高效率和准确性。