芝士就是力量

作为一个编程小白，断断续续自学python将近半年，刚开始学python是因为感兴趣，每次看到计算机专业的同学写代码做软件都让我十分羡慕，第二个原因是python可以提高生产力，比如统计词频、批量解压压缩包等等，几行代码就可以解放双手，最重要的原因是编程就像数学一样，不仅可以解决问题，还能够锻炼大脑，让人用不同的思维去思考问题，比如解决同样一个问题，编程和数学是两种解题思路，单python这门编程语言就有无数种解题方法。这篇文章主要分为三个部分：自学书籍、编程交流网站、python在学习和工作中的应用，可

本文使用的数据为标普500指数的开盘价、收盘价、高点、低点、收益率以及从社交媒体twitter中提取的社交媒体情绪指数。from math import sqrtfrom numpy import concatenatefrom matplotlib import pyplotimport pandasfrom pandas import read_excelfrom pandas import DataFramefrom pandas import concatfrom sklearn.p

本文使用的数据为Z-score标准化后的数据，如何使用进行z-score标准化参照python一行搞定z-score标准化。通过训练集拟合多个变量，并使用测试集评估预测效果。本文除了绘制预测值和实际值的对比曲线之外，计算均方根误差评估准确程度。import pandas as pdimport matplotlib.pyplot as pltimport matplotlib as mplfrom sklearn.model_selection import train_test_split #

使用sklearn的scaler方法进行z-score标准化处理只需要一行：from sklearn import preprocessingdata = preprocessing.scale(values) #注意，这里的values是array对pandas dataframe进行最大最小值标准化处理再加两步：将dataframe转化为array，以及将array还原为dataframe.import pandasfrom pandas import read_excelfrom sk

下载了个层级特别多的压缩包，命名为Apr，Apr下面有30个文件夹，代表30天，每个文件夹下有24个文件夹，代表24个小时，每个小时文件夹下有60个压缩包，代表60分钟，累计43200个压缩包，人工解压太费时间，因此写了个代码批量解压。文件路径有多层，Apr/01/01/00.json.b2z代表4月1日01点00分的数据。我把所有解压的文件都另存到新的文件夹，如Apr/01/01所有子文件夹下的压缩包（从Apr/01/01/00.json.b2z到Apr/01/01/59.json.b2z）都解压到Ap

使用sklearn的MinMaxScaler方法进行最大最小值标准化处理只需要两行：from sklearn.preprocessing import MinMaxScalertool = MinMaxScaler(feature_range=(0, 1)) #根据需要设置最大最小值，这里设置最大值为1.最小值为0data = scaler.fit_transform(values) #标准化，注意这里的values是array对pandas dataframe进行最大最小值标准化处理再加两

思路：1.通过jieba库分词获取所有的词语列表；2.计算列表里出现词语及其对应的频次，存储为字典；3.删除字典中键为无关且频次高的词语的键值对；4.对字典里的词语按照频次进行排序；5.输出频次前五的词语及其频次；如果没有安装 jieba 库，需要使用 cmd 进入命令提示符窗口，通过 pip install jieba 进行安装。源代码如下import jiebafile...

若原文本为汉字，则需要指定WordCloud方法中的font_path，且指定的字体文件需要放在wordcloud安装的文件夹下，我电脑中的路径为D:\Program Files\Python37\Lib\site-packages\wordcloud\simhei.TTF否则生成的词云图片上会是彩色方框，而不会出现汉字。mask为遮罩若遮罩图片为png格式，则使用scipy库：fr...