登录社区云，与社区用户共同成长
邀请您加入社区
本系列笔记是博主学习 Python 数据分析的详细记录，主要记录了在学习过程中遇到的各种实际问题与解决方法。本文是第一章：为什么要用 Python 为 Excel 编程的学习记录，主要介绍了 Python 在处理 Excel 文件上的强大优势。相信小伙伴们跟随本系列笔记，也一定能够成功复现《Excel Python：飞速搞定数据分析与处理》书里的各个案例。
本系列笔记是博主学习Pyo数据分析的详细记录，主要记录了在学习过程中遇到的各种实际问题与解决方法。本文是第四章：NumPy 基础，主要介绍了 NumPy 的基础知识，两个重要概念：向量化和广播，全局函数，以及视图和副本之间的区别。
NumPy提供了丰富的数学函数，如`np.sin()`、`np.cos()`、`np.exp()`等，可以对数组中的每个元素进行计算。同时，Pandas提供了丰富的接口，可以方便地将数据转换为NumPy数组，以便进行更底层的数值计算。例如，在处理大规模数据时，可以先使用Pandas进行数据清洗和预处理，然后将结果转换为NumPy数组，进行高效的数值计算。在机器学习中，特征工程通常涉及大量的数据处理
混淆numpy数组与Python原生列表：numpy数组支持批量运算，而Python列表不支持（如list1 * 2是重复列表，而非每个元素乘2），需避免用列表的思维操作numpy数组；数据类型不匹配：numpy数组元素类型必须一致，若混合int和float，会自动转为float，需根据游戏场景（如战力为整数）用astype()手动转换；条件切片忘记加括号：多个条件筛选时，每个条件必须加括号，用&
本文介绍了NumPy库的基本使用方法，文章通过代码示例详细演示了NumPy的核心功能，适合初学者快速掌握数组操作
例题 1: np.zeros()全0 np.zeros()代码# 全0print(arr)# 去掉数组中的.print(arr)结果float64[[0 0 0][0 0 0]]int64例题 2: np.ones()全1 np.ones()代码# 全1np.ones()print(arr)结果[[1 1 1][1 1 1]]int64例题 3: np.empty()np.empty()代码# 未
控制障碍函数（CBF）结合二次规划（QP），为多智能体系统的安全控制提供了一个极其优雅的框架。将“想做什么（编队目标）”放入优化函数，将“绝对不能做什么（撞击、断联）”放入约束条件，这种思维方式在无人机集群、无人车以及水面无人艇等领域都有着广阔的应用前景。希望本文的代码与推导能为您的研究提供参考。
Matplotlib 的patches模块允许创建任意形状，但需要手动计算路径坐标。"""自定义形状补丁示例"""# 1. 自定义路径创建星形alpha=0.8)# 2. 贝塞尔曲线形状vertices=[(0, 0), # 起点(0.5, 1), # 控制点1(1, 0), # 控制点2(1.5, 1), # 控制点3(2, 0) # 终点],codes=[alpha=0.6)# 3. 复杂多边
Pyecharts 支持多种内置主题，并允许自定义颜色。
本文系统介绍了Python数据科学四大核心工具：Anaconda（集成环境管理）、NumPy（科学计算基础库）、Pandas（数据处理分析）和Matplotlib（数据可视化）。重点讲解了NumPy的数组创建、索引切片、数学运算和矩阵计算；Pandas的Series/DataFrame数据结构及其常用属性和统计方法；以及Matplotlib的图表绘制功能。通过具体代码示例演示了各库的核心操作，为P
自存python实验六：面向对象编程
本文深入探讨了np.random.randint()在Python数据科学中的高效应用，特别是在数据增强和模拟实验场景中的优势。通过性能对比、核心用法解析和实战案例，展示了其相比标准random模块的显著性能提升和NumPy生态的无缝集成，帮助开发者提升数据处理效率。
NumPy 数组核心操作指南 NumPy是Python数据科学的基础库，相比列表具有三大优势：内存高效（连续存储同类型数据）、计算快速（C语言向量化运算）、功能丰富（支持线性代数等高级操作）。
ndarray：同质多维数组，核心属性shapedtypendimsize。创建方式np.array()np.zeros()np.ones()等。索引与切片：基本索引、切片（返回视图）、布尔索引（返回副本）、花式索引（返回副本）。广播机制：形状兼容的数组可直接运算，自动扩展维度，规则清晰。通用函数（ufunc）np.sqrt()np.exp()np.sin()等，逐元素高效计算。数组运算：元素级算
本文设计并实现了一个基于 Python `tkinter` 和 `threading` 模块的随机温馨弹窗程序。该程序利用多线程并发技术，在极短时间内弹出150个独立窗口，每个窗口随机显示一条温馨提示文字，并随机生成窗口位置与背景颜色。本文详细阐述了程序的架构设计、关键代码实现、多线程调度策略，并通过实验分析了其对CPU、内存及用户体验的影响。实验结果表明，该程序能有效展示多线程并发GUI的典型问
摘要：本文介绍了一个基于Python Flask框架的人脸搜索系统，使用InsightFace（ArcFace实现）提取人脸特征并建立SQLite索引。用户可通过浏览器上传目标人脸照片，系统会在本地图片库中查找相似人脸。程序支持调整相似度阈值（建议0.2以上）和返回结果数量，首次运行需创建索引，后续可增量更新。系统采用特征向量比对和余弦相似度计算，提供可视化界面展示匹配结果及相似度评分。代码包含完
这是一个基于人物姿势的图片搜索应用。用户通过浏览器上传人物照片后，程序会分析其姿势特征，并在本地文件夹中查找相似姿势的图片。主要功能包括： 支持上传查询图片并自动分析姿势特征 可对指定文件夹创建姿势索引（首次较耗时） 可选择关注特定身体部位（如左右手、腿）进行匹配 可调节相似度阈值和返回结果数量 提供姿势骨骼可视化功能，支持图片缩放查看 技术特点： 使用MediaPipe进行姿势检测 基于Proc
高频考点闭眼都要过一遍——可变与不可变对象区别、装饰器写法、生成器与迭代器原理、GIL是什么、深拷贝浅拷贝、*args/**kwargs、闭包。数据结构上，列表字典的底层实现、哈希冲突解决，基本必问。算法至少刷到LeetCode中等，重点是双指针、滑动窗口、二叉树遍历。
NumPy（Numerical Python的缩写）是Python数值计算最重要的基础包之一。许多提供科学计算功能的包都使用NumPy的数组对象作为数据交换的标准接口“通用语”。我所介绍的NumPy知识大多也能迁移到pandas中。由于NumPy提供了完善且有详尽文档的C API，因此可以轻松地将数据传递给用低级语言编写的外部库，也可以让外部库以NumPy数组的形式将数据返回给Python。这一特
本文探讨了如何利用Python的pandas和numpy高效处理10万级重复数据，从算法竞赛思维到工程化实践的转变。通过对比传统算法与pandas的`drop_duplicates()`方法，分析了其在可维护性、扩展性和业务适配方面的优势，并提供了性能优化和混合场景处理的实战指南。
本文介绍了一个基于Python的本地图片搜索工具，该工具支持通过局部截图查找包含该内容的本地图片。程序启动后，用户访问http://127.0.0.1:5000，上传待查图片并选择本地文件夹路径，系统会创建图片索引（首次较耗时）。索引完成后，用户可上传局部截图进行搜索，结果会显示匹配图片及其相似度。该工具采用Flask框架提供Web界面，使用SIFT算法提取特征，通过SQLite存储索引，支持图片
plt.plot(df["天数"], df["隔天进步1%"], label="隔天进步1%", color="green")plt.plot(df["天数"], df["每天退步1%"], label="每天退步1%", color="blue")plt.plot(df["天数"], df["每天进步1%"], label="每天进步1%", color="red")plt.savefig("天
`pd.read_csv(文件路径)`/`pd.read_excel(文件路径)`：读取外部表格文件；- `plt.xlabel(名称)`/`plt.ylabel(名称)`：设置横、纵坐标轴名称；- `plt.figure(figsize=(宽,高))`：创建并设置画布大小；- `np.random.rand(维度)`：生成0~1之间的随机浮点数组。- `optimize.minimize(函数,
Python数据科学不是算法堆砌，而是以pandas、numpy、scikit-learn等为基础工具链的工程实践。其底层原理涉及内存管理、向量化计算、接口一致性与统计可解释性；技术价值在于支撑清洗、建模、诊断、可视化全链路高效交付；典型应用场景包括电商漏斗分析、库存预警、AB测试报告与BI看板开发。尤其在大文件处理、内存优化、Pipeline复用和中文可视化等高频痛点上，pandas的categ
费行惥门âœ。
本文基于Python主流数据分析库Pandas，从零讲解数据表读取、缺失值处理、筛选分组、数据合并、结果可视化完整实操流程，配套可直接运行代码，解决新手数据清洗踩坑、分组统计逻辑混乱等常见问题，适合零基础数据分析入门学习。res2 = df[(df["城市"] == "西安") & (df["销量"] > 50)]df["销售额"] = df["销售额"].fillna(df["销售额"].mea
二、linux三、sql四、numpy五、pandas六、机器学习七、深度学习。
【代码】Python-Numpy 的基础知识。
摘要二进制对称信道（BSC）是离散无记忆信道最基础模型，多级BSC信道串联是通信链路多级中继传输的简化模型。本文先推导两级BSC串联等效转移矩阵与信道容量闭式解，进一步推广得到m级串联BSC通用容量公式；通过Python完成数值仿真，绘制信道容量随误码率、串联级数变化的关系曲线，直观分析串联链路对传输容量的衰减规律，同时结合通信工程场景解释结论物理意义。一、研究背景与意义二进制对称信道BSC广泛用
NumPy是Python科学计算的核心库，通过C语言实现高性能数组运算，解决原生Python列表计算慢的问题。它提供N维数组对象、广播机制、线性代数等功能，是pandas、scikit-learn等库的底层基础。典型应用包括创建数组、矩阵运算和高效切片操作，适用于数据分析、机器学习、科研计算等领域。作为Python数据科学的必备工具，NumPy以高效内存管理和向量化计算著称，能够将计算速度提升至C
xarray是一个为NumPy多维数组添加标签功能的Python库，专为处理带维度标签的科学数据设计。它通过引入维度名称、坐标值和元数据属性，支持按标签而非整数索引操作数据，简化了多维数组处理。xarray提供标签化运算、数据选择、广播计算、分组聚合等功能，并与netCDF、dask等工具深度集成，适用于地球科学、生物信息学等需要处理高维数据的领域。该库可通过pip或conda安装，拥有完善的文档
天气预报是我们日常生活中经常用到的数据。作为Python初学者，用爬虫抓取天气数据是一个非常经典且有趣的练手项目。本文将带你使用requests爬取【中国天气网】北京未来七天的天气预报，并教你如何将数据保存到 CSV 文件中。Requests（发送HTTP请求）BeautifulSoup4（解析HTML网页）
在Python数据科学实践中，pandas、numpy、scikit-learn、matplotlib和seaborn并非简单工具集合，而是基于内存布局、向量化计算、接口契约与可视化分层等底层原理深度耦合的技术栈。numpy以连续同质ndarray和C级向量化运算构成性能地基；pandas通过标签索引与NaN语义将业务逻辑嵌入数据结构；scikit-learn以fit/predict统一协议保障训
本课先复盘第二天基础语法，再讲解编程核心基础：变量定义、命名规范与赋值逻辑，详解整数、浮点数、字符串、布尔四类基础数据类型，配套输入输出函数实操案例。包含类型转换实操与新手高频易错点避坑，是后续字符串、列表等序列知识的前置铺垫，搭建完整Python底层数据处理逻辑。
这是Python零基础入门第5天教程，开篇先回顾前一日字符串、列表基础操作，核心讲解for循环相关知识。文章介绍for循环基础语法，可直接遍历字符串、列表；详解range函数三种传参格式，遵循左闭右开规则，并举例1至10累加；区分break终止全部循环、continue仅跳过本轮循环的作用；最后搭配遍历字符、筛选列表偶数的实操代码，完整覆盖for循环基础、数字序列生成、循环控制与简单遍历实战。
你的文件是.xlsx？→ 用 openpyxl你的文件是.xls？→ 用 xlutils两种格式都有？├─ 能转换格式？→ 全转.xlsx，用 openpyxl└─ 不能转换？→ 用 xlwings（需安装Excel）需要执行宏/复杂公式？→ 用 xlwings经验之谈：很多团队在项目初期没有规范表格处理库的使用，导致后期同一个项目里出现了3-4个不同的表格处理库，排查问题非常痛苦。建议在项目初期
Python零基础入门第6天教程聚焦while循环的核心用法与常见问题。主要内容包括： while循环定位：用于未知循环次数、依靠条件真假控制循环的场景，与for循环形成互补。 标准语法结构：初始化变量→设置循环条件→循环内更新变量的三步写法，强调缩进规则和变量更新必要性。 关键问题解析： 死循环成因与解决方案（忘记更新变量/永久真值） break和continue的正确使用（特别注意contin
本软件采用python编写的一个类似cass for AutoCAD的程序，可以用于工程测绘数据对应的三维地形地貌图形显示，同时可以用于平基土石方挖填方工程量计算。
方式1：lambda匿名函数# 方式2：自定义函数三大库是机器学习入门的必备基础NumPy：底层数值支撑，负责高效数组运算、矩阵计算，是所有库的基础Pandas：上层数据处理，专注结构化表格清洗、筛选、统计，适配业务数据Matplotlib：数据可视化输出，将抽象数据转化为直观图表，辅助数据分析与模型调试熟练掌握这三大库，即可完成机器学习数据采集、清洗、处理、可视化全流程，为后续Scikit-le
numpy
——numpy
联系我们（工作时间：8:30-22:00）
400-660-0108 kefu@csdn.net
亚马逊云科技技术品牌专区
DAMO开发者矩阵
