- 博客(245)
- 资源 (4)
- 收藏
- 关注
RSS订阅原创 Python 数据挖掘之数据探索
在数据挖掘的流程中，数据探索是非常关键的第一步，它能帮助我们深入了解数据的特点，为后续的预处理和模型构建打下坚实的基础。我们主要围绕四个方面展开：数据对象与特征、数据统计描述、数据可视化以及相关性和相似性度量。
2025-07-13 15:04:11
88
原创 Python 数据挖掘模块
在数据挖掘的过程中，合适的工具至关重要，而 Python 凭借其丰富的模块，成为了数据挖掘领域的热门选择。本次课程我们主要介绍四个核心模块：Numpy、Pandas、Matplotlib 和 Scikit-learn。
2025-07-13 14:49:18
386
原创 Python 数据挖掘实战概述
基于这些，数据挖掘的定义就很清晰了：它是从大量的、不完全的、有噪声的、模糊的、随机的数据中，提取出隐含的、事先不知道但潜在有用的信息和知识的过程。数据挖掘的应用非常广泛，在金融领域的信贷风险管理、反洗钱监测，电子商务中的商品推荐，医学上的蛋白质分子结构预测，还有市场营销、生物学、科学研究、股票交易、地震预警等方面，都能看到它的身影。而且，数据正以极快的速度增长，甚至达到 GB 每小时的级别。通常，数据挖掘可以应用于关系数据库、数据仓库、事务数据库、文本、Web、日志、图像等多种类型的数据。
2025-07-13 14:38:28
117
原创 Pandas 中 stack 和 unstack 方法在数据重塑中的应用
stack：列 → 行（宽 → 长）。unstack：行 → 列（长 → 宽）。这两个方法是处理复杂索引数据的强大工具，尤其在处理时间序列、面板数据等场景中非常实用。
2025-07-13 14:23:22
45
原创 Pandas 的 Index 与 SQL Index 的对比
是数据的固有组成部分，用于标签化访问和对齐，类似 Excel 的行号 / 列名。SQL Index是查询的加速工具，通过额外的数据结构优化 WHERE 条件，类似书的索引页。我们习惯了 SQL 索引的优化路径，在 Pandas 中更应该关注如何设计合理的Index标签（如用日期、ID 作为 Index），而不是追求查询速度的优化（Pandas 的性能瓶颈主要在内存，而非索引）。
2025-07-13 14:22:04
366
原创 Pandas vs Mondrian/OLAP MDX
虽然灵活且能实现几乎所有 MDX 能做的事情（通过组合方法、自定义函数、索引操作等），但对于某些复杂的多维计算（尤其是涉及层次结构导航和复杂集合逻辑的），实现起来可能更冗长、更底层，可读性有时不如 MDX 声明式语法清晰。思维方式高度相通（事实、维度、切片、切块、聚合、旋转）。能轻松处理复杂的计算成员（如同比、环比、占比、排名、累计值）、复杂的集合操作（交叉连接、非空成员等）、基于上下文的计算（维度、层次结构、级别、成员、度量值都是模型的一等公民，查询语法直接映射到这些概念。方面有显著的相似之处。
2025-07-13 14:08:23
398
原创 从 OLAP 到 Pandas
数据模型OLAP 是显式多维模型，数据预先组织为 Cube。Pandas 是二维表格 + 灵活索引，多维分析需通过编程实现。查询方式MDX 是声明式语言，专注于 “查询什么”。Pandas 是命令式编程，需指定 “如何查询”。性能优化OLAP 通过预计算（如聚合表）和索引优化。Pandas 依赖内存计算和向量化操作。我熟悉 Mondrian 和 MDX 的强大多维分析能力，感觉Pandas 在表达复杂分析时显得冗长，但它在数据清洗、机器学习集成和灵活性上具有优势。
2025-07-13 07:24:55
381
原创 基于 Python 的数据分析技术综述
随着 “数据爆炸但知识贫乏” 现象的加剧，从海量数据中挖掘有价值的信息成为关键需求。Python 凭借其丰富的生态、简洁的语法和强大的扩展性，已成为数据分析领域的主流工具。本文基于相关技术文档，系统梳理 Python 数据分析的核心工具、流程、应用场景及优势，为数据分析实践提供全面参考。
2025-07-12 21:54:30
581
原创 电商订单数据分析全流程：从数据处理到可视化洞察
渠道优化：移动端订单占比近 70%，需优先保障手机端页面加载速度和支付流程流畅性。区域运营：重点维护广东、江苏等核心市场，针对低订单地区可尝试定向优惠券刺激消费。促销策略：大促活动（如双十二）对订单量拉动显著，可规划更多节点促销，同时优化库存准备。时段运营：晚间 19:00-21:00 是下单高峰，可在该时段加大广告投放和客服人力投入。退款管理：整体退款率较低（1.8%），但需关注退款原因，针对性改进商品质量或物流服务。通过持续的订单数据分析，企业可以动态调整运营策略，提升用户体验和经营效率。
2025-07-12 21:36:39
798
原创 股票的k线
K线分析是股票技术分析的基础工具，由实体和影线组成。实体代表开盘价与收盘价，阳线（红色）表示上涨，阴线（绿色）表示下跌；影线则显示当日最高最低价。实体大小反映趋势强度，大实体表示趋势明显；影线长短预示反转可能，长上影线不利上涨，长下影线不利下跌。通过分析不同周期的K线（日线、周线等），投资者可以判断市场强弱和趋势变化。本文还介绍了12种常见K线形态的含义，如十字星预示变盘、光头阳线表示强势等。掌握K线分析有助于投资者更好地理解市场走势和买卖时机。
2025-07-12 21:09:46
496
原创 Matplotlib 模块入门
Matplotlib 是一个功能强大的 Python 2D 绘图库，它支持多种硬拷贝格式和跨平台的交互式环境，能生成出版物级别的图形。无论是简单的折线图、柱状图，还是复杂的热力图、雷达图，Matplotlib 都能轻松应对。只需几行代码，就能将枯燥的数据转化为清晰直观的图表，让数据背后的规律和趋势一目了然。比如，我们可以用它绘制学生成绩对比图、销售额趋势图、各省销量占比图等，这些图表能帮助我们快速理解数据特征，为决策提供支持。
2025-07-12 20:41:22
363
原创 处理日期与时间
以上说明了从日期数据的转换、提取，到日期范围的生成、频率转换，再到重新采样和移动窗口计算，这些工具能帮助我们高效地从时间维度分析数据。无论是按年、季、月统计趋势，还是计算移动平均值，掌握这些方法都能让我们在处理时间序列数据时更方便。
2025-07-12 20:29:36
279
原创 数据统计及透视表
简单说，就是将数据按指定幅度上下或左右移动，移动后没有对应值的位置用NaN填充。比如学生的英语周测成绩，我们想知道每周成绩的升降，就可以用移位后的数据与原数据相减。今天我们学习了数据统计与透视表的核心内容：从用groupby()实现灵活的分组统计，到shift()处理数据移位，再到merge()concat()进行数据合并，最后用pivot()生成透视表。这些工具能帮我们从杂乱的数据中快速提取有价值的信息，希望大家在实际工作中多练习，熟练掌握它们的用法。
2025-07-12 20:20:02
337
原创 数据的计算与格式化
在数据分析中，对数据进行计算以挖掘其内在规律，再通过格式化让结果更清晰易读，都是非常重要的环节。接下来，我们就从常见的数据计算函数、高级的数据计算函数和数据格式化三个方面来详细探讨。
2025-07-12 17:59:14
421
原创 Pandas 模块数据处理全解析
数据处理是数据分析的基础，而 Pandas 作为 Python 中强大的数据处理库，掌握它的使用方法能让我们的数据分析工作事半功倍。今天我们主要从数据抽取、增删改查以及排序排名这几个核心维度展开讲解。
2025-07-12 17:53:27
363
原创 华为 GaussDB ：技术特性、应用局限与市场争议
华为 GaussDB 作为华为云生态中的核心数据库产品，自推出以来便承载着华为在数据基础设施领域的战略野心。其技术路线既延续了开源数据库的兼容性优势，又深度绑定华为云平台的特性，形成了独特的产品定位。然而，受限于成本、生态及市场策略等因素，其应用范围与行业渗透仍面临诸多挑战，同时也引发了关于市场竞争格局的讨论。
2025-07-12 16:42:36
579
原创 Pandas 模块之数据的读取
数据读取是数据分析的第一步，只有正确读取数据，才能进行后续的处理和分析。Pandas 提供了丰富的函数来读取不同格式的数据。
2025-07-12 16:27:50
212
原创 以数据为核心，以业务为导向，漫谈数据可视化应用
数据可视化作为将抽象数据转化为直观图形的技术，其价值不仅在于工具与图形的呈现，更在于对数据本质的解读和业务需求的响应。we从技术体系、数据核心地位及业务融合三个维度展开分析。
2025-07-12 16:08:13
538
原创 Pandas 模块基础
隐式索引：系统自动生成的默认索引，是从 0 开始的连续数字（位置索引）；显式索引：我们手动设置的标签索引，可以通过index参数或方法设置，比如把 “姓名” 设为索引。Pandas 的 “基石”是：核心数据结构 Series 和 DataFrame，以及关键的索引知识。这些是 Pandas 的 “基石”，掌握它们能为后续的数据分析操作打下坚实的基础。
2025-07-12 15:27:57
597
原创 创建显示心电图的组件
/ 设置网格密度 (像素/格)// 默认5.0独立功能封装所有绘制逻辑封装在ECGWidget中支持历史数据和实时数据两种模式自动处理重绘事件数据接口清晰设置初始历史数据更新实时数据点可定制化通过调整网格大小波形颜色和样式可在drawECGWave中修改使用简单只需添加到布局通过两个主要方法传递数据自动处理绘制和更新这种封装方式使心电图功能与主界面逻辑分离，提高了代码可维护性，也方便在其他项目中复用。测试调整：稍等~~~~ 先出趟门·······
2025-07-11 16:38:54
613
原创 模拟心电图采样数据
该代码实现了一个通过串口周期性发送模拟生理数据的程序。通过Qt的定时器机制，分别以不同时间间隔发送血压、心率和呼吸数据：血压数据（1秒间隔）采用二进制格式发送收缩压、舒张压和脉搏值；心率数据（200毫秒间隔）发送12个模拟心电图数据点，构成CSV格式；呼吸数据（1秒间隔）发送包含幅度和频率的CSV格式数据。程序使用预设波形数组和随机波动来模拟真实生理信号，并通过判断定时器ID来区分不同数据类型的处理逻辑，实现了医疗监测设备的模拟功能。
2025-07-11 14:22:37
864
原创 详解心电图、脑电图、肌电图的绘制（一）
若以正常心率 60-100 次 / 分计算，一个心动周期约为 0.6-1.0 秒，对应的心电图波形长度约为 15-25mm。0.1mV ~ 5mV（毫伏）是一个常见的微弱电压信号范围，广泛应用于各种精密测量和传感器信号处理领域。0.1mV ~ 5mV（毫伏）是一个常见的微弱电压信号范围，广泛应用于各种精密测量和传感器信号处理领域。（基于标准测量条件下的多数正常成人数据，介于 0.5~2.0 mV 范围的中间水平）。：电压轴，向上为正（医学传统），但计算机图形向下为正，需反转。qt中 像素是逻辑单位哈。
2025-07-11 11:42:56
350
原创 心电图模块的环形缓冲区设计
define MAX_DATA 310 // 最大数据长度（环形缓冲区大小）// 默认构造函数：初始化空对象// 拷贝构造函数：深拷贝数据（避免浅拷贝导致的指针/数组共享问题）i++)// 设置通道名称// 设置数据数组：将输入的 JSON 数组逐个元素追加到内部数组i++)// 获取通道名称（const 保证只读，不修改内部状态）// 获取数据数组（const 保证只读）// 追加数据：模拟环形缓冲区，超过 MAX_DATA 时移除最旧数据（pop_front）
2025-07-06 20:26:01
298
原创 某重症监护项目设计
本文介绍了医疗信息化领域的技术方案，重点阐述了在医疗设备功能开发、系统架构设计及用户体验优化方面的专业实践。方案采用模块化设计，支持心电图、血透仪等设备功能开发，严格遵循医疗规范，并实现与医院信息系统的无缝对接。技术层面基于Qt框架实现跨平台兼容，通过专业数据处理和可视化技术满足临床需求。文章还提出了AI诊断集成、数据安全强化等优化方向，体现了对医疗场景的深入理解和专业技术整合能力，为医疗信息化建设提供了可复用的解决方案。
2025-07-06 19:55:26
6
原创 Spring Boot 中整合 Redis
使用@RedisHash注解标记实体类，并通过@Id@Indexed@RedisHash("persons") // 定义Redis中存储的哈希表名@Id // 主键标识@Indexed // 标记可索引字段，用于查询@Indexed// 构造方法、getter和setter省略@Indexed@Indexed// getter和setter省略@Indexed@Indexed// getter和setter省略。
2025-06-24 16:45:35
609
原创 MyBatis-Plus：简化开发的高效 ORM 框架
MyBatis-Plus 作为 MyBatis 的增强工具，秉持 “只做增强不做改变” 的理念，旨在简化开发流程、提升开发效率。它不仅保留了 MyBatis 的原有功能，还通过一系列便捷特性让数据库操作变得更加轻松。
2025-06-23 22:17:51
262
原创 使用pinia代替vuex处理登录流程
本文介绍了Pinia作为Vue.js新一代状态管理库的使用方法。主要内容包括： 安装配置：通过createPinia()创建实例并注册到Vue应用 核心概念： 状态(state)：使用ref定义响应式数据 计算属性(getters)：使用computed派生数据 方法(actions)：定义修改状态的逻辑 实战示例：以用户登录功能为例，详细演示了登录/登出逻辑实现，包括： 状态管理 API请求处理 本地存储同步 自动状态恢复 组件使用：通过useStore获取实例，调用状态和方法 优化建议：持久化、类型安全
2025-06-15 19:00:28
664
原创 Vuex的原理及使用--以登录为例
代码复用：避免在多个组件中重复写相同的状态访问逻辑。简化代码：用更短的语法访问深层嵌套的 state。性能优化：缓存计算结果，避免不必要的重复计算。关注点分离：将状态派生逻辑集中在 getters 中，组件只负责使用结果。vue+element UI 学习总结笔记（十七)_vuex在项目中的应用_vue elment getters user-优快云博客。
2025-06-15 15:58:09
878
原创 使用axios及和spirng boot 交互
AxiosAxios是一个基于Promise的HTTP库，可以发送getpost等请求，它作用于浏览器和Node.js中。当运行在浏览器时，使用接口发送请求；当运行在Node.js时，使用HTTP对象发送请求。使用步骤：第一步：安装axios 略第二步：在项目中使用Axios时，通常的做法是先将Axios封装成一个模块，然后在组件中导入模块。第三步：编写各种请求 这里只说明 基本的get请求和post请求。
2025-06-15 10:58:58
801
原创 4步使用 vue3 路由
template><h1>App根组件</h1><router-link to="/home">首页</router-link><router-link to="/about">关于</router-link><hr></div><template>--头部 start--><el-text class="home_title">东软云医院HIS系统</el-text><el-dropdown-item command="" >我的设置</el-dropdown-item>
2025-06-13 19:53:50
1489
原创 vue3项目使用静态资源
在组件中，有时需要引用一些静态资源，例如图片资源、CSS代码资源等。通过项目的public目录和src\assets目录都可以存放静态资源，但引用静态资源的方式不同。
2025-06-13 14:59:51
276
原创 普通属性 vs ref 包装属性
因为它们提供了响应式能力，这是 Vue 框架的核心优势。只有在明确不需要响应式的情况下，才使用普通属性。在 Vue 3 的组合式 API 中，
2025-06-13 10:18:22
275
原创 ref 应用于对象类型的一个案例
ref 使用对象 在组合函数中用得比较多，后面有时间单独说明。有本质区别，但最终效果有相似之处。应用于对象时，其内部实现和响应式机制与直接使用。：直接创建一个深层响应式的对象代理，无需。：创建一个响应式引用对象，内部通过。你们可以看到 我们没有用前文提到的。我们先看看，在 Vue3 中，是一个 “容器”，而。是容器中的 “内容”。
2025-06-12 22:53:25
842
原创 reactive() 和 toRef()
是，而ref是。两者在表单场景中通过 “v-model绑定ref数据” 产生关联，但本质上解决的是不同层面的问题。ref在更底层。本质是语法糖，用于表单元素（如 input、select 等）实现数据与视图的双向同步，内部会自动处理input事件和值绑定（value或modelValuev-text是 “看数据”，v-model是 “改数据”，前者用于展示，后者用于交互。在 Vue3 中，reactive()和toRef()虽然都与响应式数据相关，但它们的核心用途和实现机制不同。理解它们的差异需要从。
2025-06-12 22:17:34
1106
原创 spring boot2 +java-jwt轻量实现jwt
简单说，verify就是：用和签发时相同的算法 + 密钥，重新生成签名，对比令牌里的签名（防篡改）；同时检查令牌里的过期时间（防过期）。只有这两项（以及其他你配置的规则）都通过，才认为令牌合法，返回true；否则返回false。可以理解成：把 JWT 当成一张 “身份证”，verify先看身份证上的 “防伪标记”（签名）对不对 → 防篡改。再看 “有效期” 过没过期 → 防过期。都没问题，才承认这张 “身份证” 是真的。
2025-06-11 23:03:16
915
1
原创 JWT 在 Spring Boot 3 中的作用
登机牌：包含你的姓名、航班号、座位号、登机口，全球机场通用酒店房卡：包含你的姓名、房间号、有效期，所有酒店员工都能验证电子优惠券：包含优惠金额、有效期、使用条件，商家扫码就能验证一次验证，到处通行，而且验证过程简单高效。这就是为什么它在现代 Web 应用中如此受欢迎。编辑分享。
2025-06-11 17:07:23
435
accp6认证标准等
2014-08-21
hibernate4+spring4+springmvc+ehcache+自己写的cache系统
2018-06-10
空空如也
TA创建的收藏夹 TA关注的收藏夹
TA关注的人