跌跌撞撞进大坑-优快云博客

原创 sql时间函数|mysql常用日期函数

mysql 常用日期时间当前日期、时间：curdate、curtime日期加减：date_add、date_sub日期差异函数：datediff......

2022-04-08 10:52:25 1104

一、忘记mysql密码，解决方法（适用于mysql8.0版本）：1.管理员权限运行cmd，输入下面命令，它可以使你跳过密码验证，直接进入mysql，执行后命令行处于等待状态：mysqld --console --skip-grant-tables --shared-memory2.再打开一个新的cmd输入以下命令，登陆mysql：mysql -uroot -p，然后不用输密码直接回车进入3.进入mysql后输入以下语句，进行刷新授权表（关键）：flush privileges；，Query O

2021-10-29 16:41:53 437 1

转载安装jupyter后运行报错：缺少 libzmq DLL load failed: 找不到指定的程序

1.先安装jupyterpip install jupyter安装后，jupyter很多依赖包都安装好了，我在笔记本上jupyter notebook 运行正常（windows10）我在台式机上（win7），也是一样的套路，jupyter notebook运行from . import libzmq 时报错：DLL load failed: 找不到指定的程序2.找了半天最后解决了，大家来可以参考下：1.先pip list查看 pyzmq 21.0.0 已经安装2.尝试过环境变量配置没有解决3

2021-09-28 14:39:07 899

原创 import pandas时报错:cannot import ops

import pandas时报错:cannot import ops新遇到的问题，记录下该问题应该是pandas版本需要更新了新遇到的问题，记录下该问题应该是pandas版本需要更新了pandas版本更新1.命令行输入：pip install --upgrade pandas # 更新pandas2.直接把旧版本pandas卸载，然后重新安装，命令行输入：pip uninstall pandas # 卸载pip install pandas # 自动安装最新版本3.如果失败，尝试更新pip

2021-09-28 12:30:21 1008

原创 windows增加环境变量&virtualenv虚拟环境的安装

1、 pip install virtualenv -i https://pypi.tuna.tsinghua.edu.cn/simple2、pip install virtualenvwrapper-win -i https://pypi.tuna.tsinghua.edu.cn/simple(virtualenvwrapper是virtualenv的扩展包，让workon命令可以用)3、创建虚拟环境：方式一：可忽略（virtualenv -p python3 虚拟环境名字，使用virtuale

2021-01-21 12:58:11 1662 2

原创 sql对（数据库、表、数据）的操作总结&练习

sql对（数据库、表、数据）的操作总结&练习1.对数据库的操作查看数据库：show databases;增：create database dbname;demo:create database if not exists mydb1 charset utf8;删：drop database if exists dbname;进入数据库：use dbname;2.对表的操作增：create table tbname(字段1 数据格式约束条件,字段2 数据格式约束条

2021-01-04 16:12:16 380

转载协方差与相关系数的区别和联系

协方差与相关系数的区别和联系。协方差：公式：Cov(X,Y)=E[(X−μx)(Y−μy)]Cov(X,Y) = E[(X-\mu_x)(Y-\mu_y)]Cov(X,Y)=E[(X−μx)(Y−μy)]协方差表示的是两个变量的总体的误差，这与只表示一个变量误差的方差不同。如果两个变量的变化趋势一致，也就是说如果其中一个大于自身的期望值，另外一个也大于自身的期望值，那么两个变量之间的协方差就是正值。如果两个变量的变化趋势相反，即其中一个大于自身的期望值，另外一个却小于自身的期望值，那么两个变

2020-12-31 12:59:47 15590

转载统计学中存在两类错误：I型错误&II型错误 &为什么人们主要关心I型错误

统计学中存在两类错误这两类错误主要是在统计学假设检验中所出现的，因此，先要了解假设检验的基本概念。假设检验(Hypothesis Testing)是数理统计学中根据一定假设条件由样本推断总体的一种方法。具体作法是：根据问题的需要对所研究的总体作某种假设，记作H0；选取合适的统计量，这个统计量的选取要使得在假设H0成立时，其分布为已知；由实测的样本，计算出统计量的值，并根据预先给定的显著性水平进行检验，作出拒绝或接受假设H0的判断。常用的假设检验方法有u—检验法、t检验法、χ2检验法(卡方检验)、F—检验

2020-12-31 12:52:42 25414

原创 sql_窗口函数总结

sql 窗口函数总结：注意：mysql -8.0 才支持1.窗口函数语法：<窗口函数> over ( partition by <用于分组的列名> order by <用于排序的列名> )demo：row_number() over (partition by area order by product desc) as rank;# 降序排列后，第几行，就是第几名<窗口函数>的位置，可以放以下两种函数：专用窗口

2020-12-23 09:12:07 263 3

原创 matplotlib中文显示问题解决总结

matplotlib中文显示问题解决方式一：修改配置文件参数matplotlib.matplotlib_fname()查看字体路径matplotlib.get_cachedir()查看缓存路径下载中文字体（黑体，看准系统版本）下载 arial unicode ms 字体到 /home 目录拷贝字体到 usr/share/fonts 下：sudo cp ~/arial\ unicode\ ms.ttf /usr/share/fonts/arial\ unicode\ m

2020-12-15 23:41:52 474

原创 matplotlib介绍&基本使用&坐标系显示调整

matplotlib介绍&基本使用&坐标系显示调整一、框架结构：1.后端层（Backend）实现了大量抽象的接口类，这些API用来在底层实现图形元素的一个个类FigureCanvas对象实现了绘图区域这一概念Renderer对象在FigureCanvas上绘图2.美工层（Artist）图形中所有能看到的元素都属于Artist对象Figure：指整个图形Axes（坐标系）Axis（坐标轴）3.脚本层（Scripting）pyplot模块就是我们调用

2020-12-15 23:39:11 864

原创 numpy常用的基本操作&创建数组

numpy常用的基本操作&创建数组1.创建数组0和1数组np.ones(shape)、np.zeros(shape)等差序列np.linspace(start,stop,num=50) —生产等差数列 num是间距，默认50np.arange(start,stope,step,dtype)np.logspace(start,stop, num, endpoint, base, dtype)创建随机数组np.random模块均匀分布np.rand

2020-12-15 21:17:03 295

原创 pyqt5实现---GUI界面实时显示控制台输出

GUI界面实时显示控制台输出效果展示：代码：from time import sleepfrom PyQt5 import QtCore, QtGui, QtWidgetsimport sysimport qtawesomefrom PyQt5.QtCore import QObject, pyqtSignal, QEventLoop, QTimer, QThread, QTimefrom PyQt5.QtGui import QTextCursorfrom PyQt5.QtWidget

2020-12-07 16:42:58 17076 11

原创 tableau介绍&tableau Server安装

一.产品介绍tableau家族：tableau Desktop :桌面数据分析可视化工具，数据校验工具个人版：不连接tableau Server ，不进行数据共享，可连接的数据源有限专业版：可以与tableau Server链接，能支持几乎所有数据源tableau Server：商业智能(BI)程序，用于发布和管理Tableau Desktop制作的仪表盘，实现视图共享，需要把它部署到服务器上，配合Desktop使用tableau Online：是server软件及服务的托管版本，只需要

2020-12-06 16:58:07 6385 2

原创 pandas+sklearn:常用API介绍总结

1.pandas:常用API总结df的属性：df.values\df.columns\df.index\df.dtypes等df.info()df.describe() # 只对数据类型的字段进行计算显示df.head()df.get_dtype_counts()df.loc[行，列]索引的名字—data.loc[‘2018-02-27’:‘2018-02-22’, ‘字段名’]df.iloc[行，列]索引的下标—data.iloc[0:100, 0:2].head()df.reset_i

2020-12-06 00:54:12 1201

原创常见集成学习算法模型&LightGBM示例

集成学习——介绍是一种机器学习范式。在集成学习中，我们会训练多个模型（通常称为弱学习器）解决相同的问题，并将它们结合起来以获得更好的结果。最重要的假设是：当弱模型被正确组合时，我们可以得到更精确和/或更鲁棒的模型。有自助聚合（bagging）、提升法（boosting）、堆叠法（stacking）以及许多其它的基础集成学习模型常见的三种集成学习模型bagging——可以并行执行，每一棵树权重是一样的随机森林boosting——串行执行的，后一棵树学习的是前一棵树模型的error（

2020-12-06 00:10:51 2315

原创正则表达式---实例演示&match&search&findall&split&{}

正则常用方法—实例：findall 直接返回一个由匹配的内容组成的列表split 按照匹配的内容切片，并返回一个列表import redef main(): str1 = "hello world ha, haha:hehe" ret = re.findall(r" |,|:", str1) # findall ---> list ret2 = re.split(r" |,|:", str1) # split 按照匹配的内容切片，并返回一个列表 p

2020-12-05 00:05:18 166

原创关联分析规则---Apriori算法的理解和使用

apriori：‘先验’算法（无监督学习）应用场景：1.啤酒、尿不湿；2.大量数据中（购物小票）找到经常在一起出现的物品组合3.库存管理（摆放）；4.促销页面设计；5.捆绑销售；6.内容推荐相关概念支持度：物品或物品组合，在所有数据中出现的概率（计算物品A的概率）[外链图片转存失败,源站可能有防盗链机制,建议将图片保存下来直接上传(img-BnjUNLOJ-1606633912505)(F:\资料\py\py资料\知识点\数据分析\关联规则—apriori\support.png)]

2020-11-30 23:41:37 2773 1

原创常用Excel函数总结&vlookup函数使用注意事项

常用 Excel函数总结计算函数countif，countifs，sumif，sumifs，rankcountif，countifs——对满足条件的记录计数sumif，sumifs——对满足条件的记录求和rank排序输入公式的时候，在单元格中用“=”开头=COUNTIF（B2：B8,">3000"）范围直接用鼠标托选，条件要用双引号包起来逻辑函数and（与，两个条件都满足返回true）or（或，有一个条件满足返回true）not（非）if（条件成立时输出一个结果，条

2020-11-30 22:48:11 1166

跌跌撞撞进大坑的博客