上一页 1 2 3 4 5 6 ··· 9 下一页
摘要: 目录 查看 pandas 及其支持项的版本 创建 DataFrame 重命名列 反转行序 反转列序 按数据类型选择列 把字符串转换为数值 优化 DataFrame 大小 用多个文件建立 DataFrame ~ 按行 用多个文件建立 DataFrame ~ 按列 从剪贴板创建 DataFrame 把 阅读全文
posted @ 2019-08-22 23:56 人生苦短use,what? 阅读(833) 评论(0) 推荐(0) 编辑
摘要: 有人说Shell脚本是命令堆积的一个文件,按顺序去执行。还有人说想学好Shell脚本,要把Linux上各种常见的命令或工具掌握了,这些说法都没错。由于Shell语言本身在语法结构上比较简单,是面向过程编程,想实现复杂的功能有点强人所难!而且Shell本身又工作在Linux内核之上,在用户态调用Lin 阅读全文
posted @ 2019-07-27 19:29 人生苦短use,what? 阅读(202) 评论(0) 推荐(0) 编辑
摘要: 1,事件循环 当如果需要多个并发呢? 最终执行的时间也不过是2s 但是如果使用的是time.sleep,就不可以达成并发 一、获取协程的返回值 你可能注意到上面还有一个callback,那这个是干什么用的呢? callback:比如在一个URL下载完成之后,给我发送一封邮件,或者是耗时比较长的时候发 阅读全文
posted @ 2019-07-22 21:05 人生苦短use,what? 阅读(197) 评论(0) 推荐(0) 编辑
摘要: 原生的协程调用需要使用send方法,对比yield的方法可以把await当成yield from 注意: ①在async中不可再去定义yield,await必须在async中实现 ②await后面必须是awaitable对象 ③使用可以在前面加async或者加一个装饰器 阅读全文
posted @ 2019-07-14 20:50 人生苦短use,what? 阅读(205) 评论(0) 推荐(0) 编辑
摘要: url: —————————————————————————————————————————————————————————————————————————————— 阅读全文
posted @ 2019-07-08 21:52 人生苦短use,what? 阅读(174) 评论(0) 推荐(0) 编辑
摘要: class BookSerializer(serializers.ModelSerializer): category_display = serializers.SerializerMethodField(read_only=True) publisher_info = serializers.SerializerMethodField(read_only=True) ... 阅读全文
posted @ 2019-07-07 21:53 人生苦短use,what? 阅读(363) 评论(0) 推荐(0) 编辑
摘要: 首先是将项目建好: ①models: from django.db import models # Create your models here. __all__ = ["Book", "Publisher", "Author"] class Book(models.Model): title = 阅读全文
posted @ 2019-07-07 20:51 人生苦短use,what? 阅读(358) 评论(0) 推荐(0) 编辑
摘要: 为什么使用Keras?就像django中使用orm一样 Keras的程序设计: 我们将建立多层感知器模型,比如:输入层(x)共有784个神经元,隐藏层(h)共有256个神经元,输出层(y)有10个神经元,那如何使用Keras帮我们建立呢? 1,建立Sequential()模型: sequential 阅读全文
posted @ 2019-06-09 20:14 人生苦短use,what? 阅读(890) 评论(0) 推荐(0) 编辑
摘要: 1, pandas生成时间一般采用date_range操作,这个之前的博客已经详细的讲解过,这里就不在阐述 2, pandas的数据重采样 什么是数据重采样? 就好比原来一堆统计数据是按照天来进行统计的,持续一年; 那我们能不能看月整体变化的程度呢? 那这个时候就涉及到数据的重采样问题,按照上述的例 阅读全文
posted @ 2019-05-19 21:29 人生苦短use,what? 阅读(6138) 评论(0) 推荐(0) 编辑
摘要: 数据的预处理和特征工程 a.数值型特征,如:长度、宽度、像素值等 b.数值范围归一化(feature normalization)可能会提高模型的性能,如:线性回归,kNN,SVM,神经网络等 c.最大最小归一化:将原始数据变换映射到0-1之间,消除量纲的影响 将数据中最大的值转化为1,最小的值转化 阅读全文
posted @ 2019-05-09 22:32 人生苦短use,what? 阅读(340) 评论(0) 推荐(0) 编辑
上一页 1 2 3 4 5 6 ··· 9 下一页