原创 python dataframe排序

Demo df = pd.DataFrame(np.arange(9).reshape((3,3)),columns=['B','A','C'],index=[2,3,1]) df B A C 2 0 1 2 3 3 4 5 1

原创 python list差集,交集,並集

a = ['1','2','3'] b = ['2','3','4','5'] 1、差集 # in b & not in a list(set(b).difference(set(a))) 輸出:['5', '4'] # i

原创 python lambda常用操作

fun = lambda var: 1 if var > 0.5 else 0 # fun = lambda x: [0, 1][x>0.5] fun(0.8) #output:1 a = [0.2, 0.7, 0.1,

原创 python Pandas去重複數據drop_duplicates詳解

pandas.DataFrame.drop_duplicates DataFrame.drop_duplicates(subset=None, keep='first', inplace=False) 參數 subset: 列

原创 pycharm import自定義包

PyCharm中,自己寫了兩個py文件,import後出現紅線,Ctrl+B無法跳轉,主要是路徑問題。 PyCharm->Settings->Project->Project Structure 選要調用的py文件目錄,右鍵添加

原创 python dataframe設置index

DataFrame.set_index(keys, drop=True, append=False, inplace=False, verify_integrity=False) 其中: keys是列標籤或數組列表,drop:

原创 python dataframe數據轉換

DataFrame 1. 創建 DataFrame # 創建一個空的 DataFrame #df = pd.DataFrame(columns=['車牌號', '車型', '標籤']) df = pd.DataFrame([['滬

原创 Docker 遷移-鏡像或容器保存(save|export)和加載(load|import)

1、鏡像的保存(save)和加載(load) 示例 docker save -o nginx.tar nginx:latest 或 docker save > nginx.tar nginx:latest 其中-o和>表示

原创 logisticregression參數小結

sklearn.linear_model 文檔 http://scikit-learn.org/stable/modules/generated/sklearn.linear_model.LogisticRegression.h

原创 python 字符串相似度

利用difflib模塊—實現兩個字符串或文本相似度比較 首先導入difflib模塊 import difflib 示例: Str = '上海中心大廈' s1 = '大廈' s2 = '上海中心' s3 = '上海中心大樓'

原创 Docker 離線安裝-二進制文件安裝Docker

Install Docker CE from binaries (官方文檔:通過二進制包安裝 docker 社區版) #本案例redhat系統安裝docker爲例,以往安裝離線包(通過 rpm 離線包) 1、 下載靜態包 http

原创 svm推導小結

最近看了下SVM的原理推導,寫些我自己的理解。 SVM(Support Vector Machine)指的是支持向量機,是常見的一種判別方法。在機器學習領域,是一個有監督的學習模型,通常用來進行模式識別、分類以及迴歸分析。 先看

原创 matplotlib對中文的支持(Font family ['sans-serif'] not found.Falling back to DejaVu Sans)

一、問題描述: import matplotlib.pyplot as plt plt.rcParams['font.sans-serif'] = ['SimHei'] # 用來正常顯示中文標籤 plt.rcParams['a

原创 pandas 排序

Demo df = pd.DataFrame(np.arange(9).reshape((3,3)),columns=['B','A','C'],index=[2,3,1]) df B A C 2 0 1 2 3 3 4 5 1

原创 lambda使用

fun = lambda var: 1 if var > 0.5 else 0 # fun = lambda x: [0, 1][x>0.5] fun(0.8) #output:1 a = [0.2, 0.7, 0.1,