千里之行，始于足下

摘要： pandas的DataFrame可以通过设置参数使得在jupyter notebook中显示的更加美观，但是，将DataFrame的数据导出excel时，却只能以默认最朴素的方式将数据写入excel。 本文介绍一种简单易用，让导出的excel更加美观的方法。 1. 概要 首先，引入一个库StyleF 阅读全文

摘要： F-String（格式化字符串字面值）是在Python 3.6中引入的，它是一种非常强大且灵活的字符串格式化方法。 它允许你在字符串中嵌入表达式，这些表达式在运行时会被求值并转换为字符串，这种特性使得F-String在编写Python代码时能够更简洁、更直观地处理字符串。 本文总结了5个实用的F-S 阅读全文

摘要： 机器学习（ML）作为目前一个比较火领域，提供了许多有趣且高薪的工作和机会。 无论你是刚刚踏入机器学习领域的新手，还是已经积累了一定经验的从业者，面试都是检验你技能和知识的重要环节。本文将梳理一些常见的面试问题，让你在面试中更加自信从容。 1. 基础知识 想要从事机器学习工作，至少应该熟悉： 数学基础 阅读全文

摘要： pathlib 模块是在Python3.4版本中首次被引入到标准库中的，作为一个可选模块。从Python3.6开始，内置的 open 函数以及 os 、 shutil 和 os.path 模块中的各种函数都可以正确地使用 pathlib.Path 对象了。 最初，pathlib给人的感觉只是os.p 阅读全文

摘要： 一般来说，我们先用pandas分析数据，然后用matplotlib之类的可视化库来显示分析结果。而pandas库中有一个强大的工具--plot函数，可以使数据可视化变得简单而高效。 1. plot 函数简介 plot函数是pandas中用于数据可视化的一个重要工具，通过plot函数，可以轻松地将Da 阅读全文

摘要： pandas中的cut函数可将一维数据按照给定的区间进行分组，并为每个值分配对应的标签。其主要功能是将连续的数值数据转化为离散的分组数据，方便进行分析和统计。 1. 数据准备 下面的示例中使用的数据采集自王者荣耀比赛的统计数据。数据下载地址：https://databook.top/。 导入数据： 阅读全文

摘要： 处理大量数据时，经常需要对数据进行分组和汇总，groupby为我们提供了一种简洁、高效的方式来实现这些操作，从而简化了数据分析的流程。 1. 分组聚合是什么 分组是指根据一个或多个列的值将数据分成多个组，每个组包含具有相同键值（这里的键值即用来分组的列值）的数据行。 聚合或者汇总则是指，在分组后，可 阅读全文

摘要： 数据过滤在数据分析过程中具有极其重要的地位，因为在真实世界的数据集中，往往存在重复、缺失或异常的数据。pandas提供的数据过滤功能可以帮助我们轻松地识别和处理这些问题数据，从而确保数据的质量和准确性。 今天介绍的query函数，为我们提供了强大灵活的数据过滤方式，有助于从复杂的数据集中提取有价值的 阅读全文

摘要： 搜索引擎对互联网的重要性不言而喻，不过，随着ChatGPT及其类似AI工具的推出，对搜索引擎带来了前所未有的挑战。 因为ChatGPT具有自然语言处理能力，能够更好地理解用户的搜索意图，提供更准确、更相关的搜索结果。同时，还可以根据用户的搜索历史和行为数据，为用户提供更加个性化的搜索体验，推荐更符合 阅读全文

摘要： gRPC是一个高性能、开源、通用的远程过程调用（RPC）框架，由Google推出。它基于HTTP/2协议标准设计开发，默认采用Protocol Buffers数据序列化协议，支持多种开发语言。 在gRPC中，客户端可以像调用本地对象一样直接调用另一台不同的机器上服务端应用的方法，使得您能够更容易地创 阅读全文