- 博客(13)
- 资源 (1)
- 收藏
- 关注
RSS订阅原创 centos安装docker和docker-compose
在 docker 容器内部对挂载目录文件提示权限不够：permission undefined；将 SELINUX=enforcing 改为 SELINUX=disabled。主机挂载目录:容器内部目录。设置后需要重启系统才能生效。
2023-11-07 17:07:55
103
原创 Java 修饰符
Java 修饰符 修饰符分为两类： 1、访问修饰符 2、非访问修饰符 注：修饰符用来定义类、方法或者变量，通常放在语句的最前端 Java 支持 4 种不同的访问权限： 1、default (即默认，什么也不写）: 在同一包内可见，不使用任何修饰符。使用对象：类、接口、变量、方法。 2、private : 在同一类内可见。使用对象：变量、方法。 注意：不能修饰类（外部类） 3、public : 对所有类可见。使用对象：类、接口、变量、方法 4、protected : 对同一包内的类和所有子类可见。使用对象
2021-08-19 15:39:21
900
原创 Pandas 数据结构 - DataFrame
DataFrame 是一个表格型的数据结构，它含有一组有序的列，每列可以是不同的值类型（数值、字符串、布尔型值）。DataFrame 既有行索引也有列索引，它可以被看做由 Series 组成的字典（共同用一个索引）。 DataFrame 构造方法如下： pandas.DataFrame( data, index, columns, dtype, copy) 参数说明： data：一组数据(ndarray、series, map, lists, dict 等类型)。 index：索引值，或者可以称为行标签
2021-08-15 20:45:32
463
原创 Pandas 数据结构 - Series
Pandas 数据结构 - Series Pandas Series 类似表格中的一个列（column），类似于一维数组，可以保存任何数据类型。 Series 由索引（index）和列组成，函数如下： pandas.Series( data, index, dtype, name, copy) 参数说明： data：一组数据(ndarray 类型)。 index：数据索引标签，如果不指定，默认从 0 开始。 dtype：数据类型，默认会自己判断。 name：设置名称。 copy：拷贝数据，默认为 Fals
2021-08-15 20:06:19
203
原创 pandas基本介绍
Pandas介绍 Pandas 是 Python 语言的一个扩展程序库，用于数据分析。 Pandas 是一个开放源码、BSD 许可的库，提供高性能、易于使用的数据结构和数据分析工具。 Pandas 名字衍生自术语 "panel data"（面板数据）和 "Python data analysis"（Python 数据分析）。 Pandas 一个强大的分析结构化数据的工具集，基础是 Numpy（提供高性能的矩阵运算）。 Pandas 可以从各种文件格式比如 CSV、JSON、SQL、Microsoft Exc
2021-08-15 19:26:10
2196
原创 numpy的copy(=)和deep_copy
numpy的copy（=）和deep_copy import numpy as np # 新定义一个array a = np.arange(4) # 将a用=(实际是copy)赋值给新的对象 b = a c = a d = b # 重新给a[0]赋值 a[0] = 11 # 可以看到a,b,c,d全部都改变了 print(a) # [11 1 2 3] print(b) # [11 1 2 3] print(c) # [11 1 2 3] print(d) # [11 1 2
2021-08-15 14:26:54
242
原创 numpy的array分割
numpy的array分割 import numpy as np a = np.arange(12).reshape((3, 4)) print("# 原始数组是:\n", a, end="\n\n") # 使用np.split(a, 3, axis=0)进行分割数组，axis=0是按照行分割，axis=1是按照列分割 b = np.split(a, 3, axis=0) print("# 按照行分割:\n", b, end="\n\n") # 在分割的时候要确定能够整除 c = np.split(a,
2021-08-15 14:12:04
427
原创 numpy索引
numpy 索引 import numpy as np # 创建一维数组 [ 3 4 5 6 7 8 9 10 11 12 13 14] a = np.arange(3, 15) # 以下操作跟Python操作一致 print(a) print(a[3]) # 将数组变成3*4数组 b = a.reshape((3, 4)) print("# 打印出b,是一个3*4的二维数组：\n", b, end="\n\n") print("# b[2][3]可以打印出第二行第三列的元素：\n",
2021-08-15 11:32:34
148
原创 numpy基础运算2
这里写目录标题 import numpy as np a = np.arange(2, 14).reshape((3, 4)) print("# 使用np.arange(2, 14).reshape((3, 4))，创建3*4的数组:\n", a, end="\n\n") # 使用np.argmax(a)求最大值所在索引,使用np.argmin(a)求最小值所在索引,返回的是类似一维的位置 max_index = np.argmax(a) print("# 使用np.argmax(a)求最大值所在索引:
2021-08-15 10:53:55
96
原创 numpy基础运算
numpy基础运算 import numpy as np a = np.array([10, 20, 30, 40]) b = np.arange(4) # 使用a+b，逐个元素对应相加 c = a + b print("# 使用a+b，逐个元素对应相加:\n a:[10, 20, 30, 40]\nb:[1,2,3,4]\n", c, end="\n\n") # 三角函数使用：sin,cos d = np.sin(a) print("对a:" + str(a) + "的每个元素求sin:\n", d)
2021-08-15 10:52:32
78
原创 numpy创建数组
numpy创建数组 import numpy as np # dtype 可以定义其元素类型 int,int32.int64(位数小占用空间比较小),float，还有很多其他类型 array = np.array([1, 2, 3], dtype=np.float) print("array元素的类型为：", array.dtype, end="\n\n") print("一个元素是float的数组:\n", array, end="\n\n") # 定义一个二维矩阵 a = np.array([[1,
2021-08-15 10:48:41
298
原创 numpy属性
numpy属性 import numpy as np # 创建矩阵 array = np.array([[1, 2, 3], [4, 5, 6]]) print(array) # array 是几维的 print("array 是几维的:", array.ndim) # array 是几乘几的 print("array 是几乘几的:", array.shape) # array 有几个元素 size print("array 有几个元素:", array.si .
2021-08-15 10:44:42
87
空空如也
TA创建的收藏夹 TA关注的收藏夹
TA关注的人