原创 python的MySQL操作增刪改查
#!/usr/bin/env python #coding:utf-8 import MySQLdb conn=MySQLdb.connect(host='127.0.0.1',user='root',passwd='123') conn
2020-06-08 13:46:57
原创 學習筆記第七天
------------------------------ 課程列表 {% block ........ %｝ {% endblock %}#模版的繼承 對於分頁後，會對前端傳遞{all_courses:courses},創建cou
2020-06-08 13:46:57
原创 學習筆記第五天
-------------------- 課程機構列表數據展示： tip-動態數據一般選擇從後臺取出 MEDIA_URL='/media/'MEDIA_ROOT=os.path.join(BASE_DIR,'media')#在後臺選擇圖
2020-06-08 13:46:57
原创 學習筆記第三天
爲了在後臺顯示郵箱驗證碼的標識需要在相應models.py下添加： def _unicode_(self): return '{0}（{1}）'.format(self.code,self.email)#顯示爲‘驗證碼.郵箱’的格式 在
2020-06-08 13:46:57
原创 數據分析基礎（1）
PYTHON常見數據結構： list、tuple、dict、set -list: --增 list.append(str)#用於在列表末尾追加新的對象 list.extend(list)#用於在列表末尾追加新的序列 --統計 list.c
2020-06-08 13:46:57
原创 數據分析（5）-數據清洗
數據清洗： 1缺失值處理 此處缺失值處理主要有-均值\中位數\衆數插補、使用固定值、最近臨插補、迴歸方法、插值法 下面主要介紹“拉格朗日插值法“與“牛頓插值法” （1）拉格朗日插值法 根據數學知識可知，對於平面上已知的n個點可以找到一個n
2020-06-08 13:46:57
原创 數據分析（2）
缺失值處理 -使用reindex()可以改變指定軸上的索引進行改變/增加/刪除操作 如： df1=df.reindex(index=dates[0:4],colimn=list(df.column)+['E']) -去掉包含缺失值的行，
2020-06-08 13:46:57
原创 學習筆記第二天
使用py3.6和django1.11開發系統注意事項（補充小結） 1.mkvirtualenv -p +相應文件路徑 +目標文件名 2.py3中 def _str_(self): py2中 def _unicode_(self): 3
2020-06-08 13:46:57
原创 數據分析（6）-挖掘建模
分類與預測1常見的分類與預測算法（1）迴歸分析邏輯迴歸模型：邏輯迴歸模型建模步驟：邏輯迴歸代碼：#如下可運用於根據特徵來判斷違約情況等 import pandas as pd #提取數據 filename= './data/bankloa
2020-06-08 13:46:57
原创 用圖挖掘找到感興趣的人(1)
對Twitter進行數據收集： 首先創建相應的文件，用於儲存讀取的數據 例： os.path.join(os.path.expanduser("~"), "Data", "twitter") 或者寫入數據 with open (
2020-06-08 13:46:57
原创 學習筆記第六天
-------------------- 我要學習小窗口的js: <script> $(function(){ $('#jsStayBtn').off().on('click',
2020-06-08 13:46:57
原创 數據分析（4）
數據質量分析：主要針對缺失值、異常值、不一致的值、重複數據以及含有特殊符號異常值的查明箱型圖統計利用箱型圖對數據異常值進行查明import os path=os.path.abspath('.')#當前所處文件夾的絕對路徑 import
2020-06-08 13:46:57
原创 魔術方法指南
魔法方法用於定製類，使原本類不具有的.? 、[ ?]等得以實現 __str__: 定義類以字符串形式表示出來時的格式，如： >>> class Student(object): ... def __init__(self, na
2020-06-08 13:46:57
原创 數據分析（3）-數據清洗
轉載於：點擊打開鏈接 數據因爲存在數據錯誤，數據缺失，離羣值的存在，所以需要對數據進行清洗 1.數據錯誤： 錯誤類型 – 髒數據或錯誤數據 • 比如, Age = -2003 – 數據不正確 • ‘0’ 代表真實的0，還是代表缺失 –
2020-06-08 13:46:57
原创 數據分析（8）-漏電用戶的判斷
-分析方法與過程（1）從電力計量自動化系統、營銷系統有選擇的抽取大部分用戶用電負荷、終端報警及違約竊電處罰信息等原始數據（2）對樣本數據探索分析，剔除不可能存在的竊漏電行爲行業的用戶，即白名單用戶，初步審視正常用戶與竊漏電用戶的用電特點（
2020-06-08 13:46:57