原创 Python_NetWorkX_教程

NetworkX import networkx as nx 一、創建空的圖 1.G = nx.Graph() #創建無向圖 2.G = nx.Digraph() #創建有向圖 二、添加節點Node、edge、weighte

原创 統計學--假設檢驗過程

假設檢驗原理 基礎:小概率原理,即一般認爲小概率事件在一次隨機抽樣中不會發生。 基本思想:先建立一個關於樣本所屬總體的假設,考察在假設條件下隨機樣本的特徵信息是否屬小概率事件,若爲小概率事件,則懷疑假設成立有悖於該樣本所提供特徵信

原创 Python3----Pandas

Python3–Pandas 1. 導包 import numpy as np import pandas as pd 2. Series的創建 data = pd.Series(["skey","syl","earth"]) #Se

原创 Python3----Numpy總結

Python–Numpy 1. 導包 import numpy as np 2. 創建一個數組Array(不同於List) array1 = np.array([1,2,3,4,5])# 數組當中存儲相同的數據類型,不同於一般的列表

原创 Python編程基礎

Python入門基礎知識 1. Python數據基本結構 Python的數據是弱類型,使用一個變量前不必提前聲明。 1.1. 字符串 string = "this is a string!" #單引號可代替雙引號 print(s

原创 Python3--爬蟲之Xpath使用

Python3Python3 –爬蟲之Xpath使用 準備工具: Google Chrome xpath-helper.crx 百度網盤鏈接:https://pan.baidu.com/s/15XqmdvWgxNqC7Cvd_aPu

原创 Python3--我的代碼庫之numpy合併(四)

1. 創建兩個數組 a = np.array([1]*3) b = np.array([2]*3) a b Out: array([1, 1, 1]) array([2, 2, 2]) 2. 上下拼接 np.

原创 統計學之方差分析(單因素)

方差分析 目的: 研究一個或多個分類型自變量與一個數值型因變量之間的關係。 1. 一個或多個分類型自變量 2. 一個數值型因變量 存在必要原因: 如果使用一般的假設檢驗方法,一次只能研究兩個樣本的關係,則研究nn

原创 Python--Anaconda無法輸入中文

找到文件 /usr/lib/x86_64-linux-gnu/qt5/plugins/platforminputcontexts/libfcitxplatforminputcontextplugin.so 複製到 在anaconda

原创 Python3--我的代碼庫之Pandas庫之Series(二)

主題導入 import numpy as np import pandas as pd array_1 = pd.Series(np.arange(10,15),index = list('abcde')) 1.切片 1.1 按照索引切片

原创 友鄰優客21天--Day01

It is appropriate that a big tent is most closely associated with a circus. 生詞 讀音 釋義 appropriate 美 /əˈproprɪət;

原创 數據提取方法值json

數據提取方法 json 數據交換格式,看起來像python類型(列表、字典)的字符串 使用json之前,需要導入import json 哪裏會返回json的數據 瀏覽器切換到手機版 轉包app json.loads 把json字符串轉化

原创 Python3之爬蟲----retrying模塊的使用和處理cookie相關的請求

1.1. 設使用超時參數 requests.get(url,headers = headers,timeout = 3) #設置超時參數,若url在三秒內未得到響應,報錯 1.2.retrying模塊的使用(第三方模塊) from

原创 Python3--我的代碼庫之Pandas庫之DataFrame(一)

### 一、什麼是DataFrame? - 這是一種帶名稱的表格型的數據結構,我們可以看成很多Series堆砌而成; - 第一行爲字段值,從第二行開始每一行爲一條記錄;

原创 Python3--我的代碼庫之Pandas庫之DataFrame(二)

import pandas as pd import numpy as np 1.導入數據 df = pd.read_csv("outschool.csv",encoding = 'gbk') df.head(5) df = df.ilo