《Python3爬虫、数据清洗和可视化实战》零一韩要宾黄园园著第九章：pandas数据清理9.1数据读写、选择、整理和描述Pandas是用来数据清洗的Python库，由于它的依赖库很多，所以建议还是下载anaconda，里面内置了相关库。9.1.1读取CSV数据df=pd.read_csv(“csv_path”,delimiter=”,”,encoding=””)参数说明：“csv_path”,CSV文件路径；delimiter=”,”：分隔方式；enco
系统 2019-09-27 17:54:37 1777
目录工作原理python实现算法实战约会对象好感度预测故事背景准备数据：从文本文件中解析数据分析数据：使用Matplotlib创建散点图准备数据：归一化数值测试算法：作为完整程序验证分类器使用算法：构建完整可用的系统手写识别系统准备数据：将图像转换为测试向量测试算法：使用k-近邻算法识别手写数字小结附录工作原理存在一个样本数据集合，也称作训练样本集，并且样本集中每个数据都存在标签，即我们知道样本集中每一数据与所属分类的对应关系。输入没有标签的新数据后，将新
系统 2019-09-27 17:54:29 1777
本文实例讲述了Python中@property的理解和使用。分享给大家供大家参考，具体如下：重看狗书,看到对User表定义的时候有下面两行@propertydefpassword(self):raiseAttributeError('passwordisnotareadableattribute')@password.setterdefpassword(self,password):self.password_hash=generate_password_
系统 2019-09-27 17:54:06 1777
一关于局部变量整体变量的理解以及somethingabout不可变对象defChangeInt(a):...a=10...b=2ChangeInt(b)print(b)2这个不可变对象的实例让我产生了疑惑，于是我做了如下：defChangeInt(a):...a=10...a=2ChangeInt(a)print(a)2这个其实很好理解，因为a=10只是个局部变量，也没有return无法对外部造成影响。哪怕我做如下操作：defChangeInt(a):..
系统 2019-09-27 17:53:47 1777
BacktoPythonIndex很好玩儿的数据结构，多用于无序数据去重多组数据逻辑运算，寻找交集，并集，非集等操作见https://blog.csdn.net/business122/article/details/7541486
系统 2019-09-27 17:53:35 1777
python连接mysql的客户端importpymysql#导入模块conn=pymysql.connect(host='127.0.0.1',#主机模块port=3306,#端口号user='root',#用户名password='123',#密码database='db',#需要连接的库charset='utf8'#指定编码utf8)cursor=conn.cursor()#获取游标#cursor=conn.cursor(pymysql.cursor
系统 2019-09-27 17:53:19 1777
在学习过程中，把开发过程中重要的一些内容备份一下，下面内容是关于python实现中文繁体和中文简体之间的相互转换的内容，应该是对码农们有所好处。#转换繁体到简体line=Converter('zh-hans').convert(line.decode('utf-8'))line=line.encode('utf-8')#转换简体到繁体line=Converter('zh-hant').convert(line.decode('utf-8'))line=li
系统 2019-09-27 17:52:50 1777
知识汇总：1-Python语言里一切数据都是对象2-整数：1-python2:int----long（长整数）2-python3:中只有int没有long3-怎么查看类型---type(100)--有返回值--该类型---3-浮点数--小数：type(3.0)------没有double4-数字的运算：1-加法+2-减法-3-乘法*4-除法/1-在python39/4==2.25肯定带小数点等价python2-9//4==22-在python29/4==2
系统 2019-09-27 17:52:42 1777
运行多进程每个子进程的内存空间是互相隔离的进程之间数据不能共享的互斥锁但是进程之间都是运行在一个操作系统上，进程之间数据不共享,但是共享同一套文件系统,所以访问同一个文件,或同一个打印终端,是可以的，而共享带来的是竞争，竞争带来的结果就是错乱#并发运行,效率高,但竞争同一打印终端,带来了打印错乱frommultiprocessingimportProcessimporttimedeftask(name):print("%s1"%name)time.slee
系统 2019-09-27 17:52:42 1777
#使用StandardScaler进行数据预处理importnumpyimportmatplotlib.pyplotaspltfromsklearn.datasetsimportmake_blobsX,y=make_blobs(n_samples=40,centers=2,random_state=50,cluster_std=2)plt.scatter(X[:,0],X[:,1],c=y,cmap=plt.cm.cool)plt.show()#导入Sta
系统 2019-09-27 17:52:41 1777
