摘要: 图像识别和自然语言处理是目前应用极为广泛的AI技术,这些技术不管是速度还是准确度都已经达到了相当的高度,具体应用例如智能手机的人脸解锁、内置的语音助手。这些技术的实现和发展都离不开神经网络,可是传统的神经网络只能解决关于辨识的问题,并不能够为机器带来自主创造的能力,例如让机器写出一篇流畅的新闻报道, 阅读全文
posted @ 2019-02-28 11:32 Dereen 阅读(15436) 评论(1) 推荐(0) 编辑
摘要: 在使用pycharm学习pandas的过程中我发现好多时候会发生不能输出所有列的情况,上网搜了一下,发现解决的办法是使用一个输出控制的函数。 在下面的代码中我们只是输出 这个文件的第一行,想看一下各列的标签都会被省略。。。 输出的结果如下: 可以看到一共有13列,却只输出了4列,解决办法如下: 输出 阅读全文
posted @ 2019-02-28 11:30 Dereen 阅读(1073) 评论(0) 推荐(0) 编辑
摘要: 在处理列表的时候我们经常会遇到列表中嵌套列表的结构,如果我们要把所有元素放入一个新列表,或者要计算所有元素的个数的话应该怎么做呢? 第一个例子 对于上图中的这样一组数据,如果我们要知道这个CSV文件中所有演员的数量(同一个人只能出现一次)应该怎么做呢? 在pandas中我们可以先取 这一列,但是取出 阅读全文
posted @ 2019-02-28 11:28 Dereen 阅读(4372) 评论(0) 推荐(1) 编辑
摘要: 在使用pyplot绘制直方图的时候我发现了一个问题,在给函数.hist()传参的时候,如果传入的组数不是刚刚好(就是说这个组数如果是使用(最大值 最小值)/组距计算出来,而这个数字不是整除得来而是取整得来的话),图像就会产生偏移现象。 看下面这段代码:绘制IMDB排行前1000电影的时长分布直方图 阅读全文
posted @ 2019-02-28 11:26 Dereen 阅读(772) 评论(0) 推荐(0) 编辑
摘要: 最近在给手机启用黑阈服务的时候出现了 这个错误,上网查了一下是因为 版本过高不能兼容windows xp的原因。 解决办法是使用23版本的 下载地址: [platform tools_r23.0.1 windows][1] [1]: http://dl.google.com/android/repo 阅读全文
posted @ 2019-02-28 11:22 Dereen 阅读(1866) 评论(0) 推荐(0) 编辑
摘要: Ubuntu 18.04下有两种方法实现拨号上网,第一种是通过图形界面添加,需要开启自动连接,并且要关闭以太网的自动连接。(不推荐这种连接方式)这里介绍第二种,通过 命令进行拨号。 关闭以太网 在使用 命令拨号前,我们可以直接禁用掉以太网络,这样就不会每次都弹“有线网络1”无法连接网络那种怪提示。 阅读全文
posted @ 2019-02-28 11:17 Dereen 阅读(4012) 评论(0) 推荐(0) 编辑
摘要: Pandas的标签处理需要分成多种情况来处理,Series和DataFrame根据标签索引数据的操作方法是不同的,单列索引和双列索引的操作方法也是不同的。 单列索引 reindex所插入的标签如果是原来的标签中没有的,就会将该行的值全部置为NaN 使用index修改标签 使用set_index将某一 阅读全文
posted @ 2019-02-28 11:05 Dereen 阅读(419) 评论(0) 推荐(0) 编辑
摘要: Pandas中提供了许多用来处理时间格式文本的方法,包括按不同方法生成一个时间序列,修改时间的格式,重采样等等。 按不同的方法生成时间序列 案例 假如我们现在有美国2015年12月到2017年9月的911求救电话信息。(数据来源: "Emergency 911 Calls" )假如我们需要统计并绘制 阅读全文
posted @ 2019-02-28 11:04 Dereen 阅读(425) 评论(0) 推荐(0) 编辑
摘要: 假如我们现在有这样一组数据:星巴克在全球的咖啡店信息,如下图所示。数据来源: "starbucks_store_locations" 。我们想要统计中国每个城市的星巴克商店的数量,那我们应该怎么做呢? <! more 在pandas中,为我们提供了一个处理分组问题的函数 : 结果如下: 假如我们不想 阅读全文
posted @ 2019-02-28 11:02 Dereen 阅读(250) 评论(0) 推荐(0) 编辑
摘要: pandas is an open source, BSD licensed library providing high performance, easy to use data structures and data analysis tools for the Python programm 阅读全文
posted @ 2019-02-28 10:59 Dereen 阅读(333) 评论(0) 推荐(0) 编辑
摘要: 为了了解这个原则,首先我们来看一组例子: 这是为什么呢?这里要提到numpy的广播原则: 如果两个数组的 后缘维度(从末尾开始算起的维度) 的 轴长度相符 或 其中一方的长度为1 ,则认为它们是广播兼容的。广播会在 缺失维度 和(或) 轴长度为1的维度 上进行。 在上面的代码中,a的维度是(4,3) 阅读全文
posted @ 2019-02-28 10:53 Dereen 阅读(406) 评论(0) 推荐(0) 编辑
摘要: numpy是一个在Python中做科学计算的基础库,重在数值计算,也是大部分PYTHON科学计算库的基础库,多用于在大型、多维数组上执行数值运算。 数组的定义 数组的形状 以下的代码是在Jupyter Notebook中完成的: 数组的计算 这是为什么呢?这里要提到numpy的广播原则: 如果两个数 阅读全文
posted @ 2019-02-28 10:50 Dereen 阅读(299) 评论(0) 推荐(0) 编辑