pandas是Python的一个第三方开源库，是Python数据分析的必备高级工具，Pandas 这个名字来源于面板数据（Panel Data）与数据分析（data analysis）这两个名词的组合。在经济学中，Panel Data 是一个关于多维数据集的术语。Pandas 最初被应用于金融量化交易领域，现在它的应用领域更加广泛，涵盖了农业、工业、交通等许多行业。Series是一个一维标记数组，

颜色空间转换

其中A为常量，通常为1，而γ分为解码伽马值和加码伽马值，前者通常为2.2，后者通常为-2.2人眼对于较暗（接近0）的亮度值比较敏感，对于较亮（接近1）的亮度值则不太敏感。进行伽马矫正的原因是人类的眼睛在感知光线时，眼睛对亮度的感知遵循近似的幂函数（如图），而不是线性函数。当gamma>1，高光部分动态范围被压缩，低光部分动态范围被扩展(使低光部分的细节可以看清)，图像整体变暗；当gamma

这里我们对下面我们目前所属的桌面，也就是下面桌面1，点击右键进行重命名同时我们可以看到输入法的中英文状态，如果我们平时用中文多即可按住shift键改为中文即可。在Win11系统中，我们在输入法改为中文状态使用时，有时候切换窗口在换回时间系统会默认为英文，有时候会很不方便。这里因为桌面默认输入法为英文。我们可以按住Win+tab键盘打开桌面窗口，如下图我的是笔记本，以笔记本为例。

混淆矩阵是一种用于评估分类模型性能的重要工具。它通过矩阵形式清晰地展示了模型对样本进行分类的结果，帮助我们理解模型在不同类别上的表现。混淆矩阵概述混淆矩阵是一个二维矩阵，用于总结分类模型在不同类别上的预测结果，包括 True Positive (TP)、False Negative (FN)、False Positive (FP)、True Negative (TN)。性能指标准确率（Accura

混淆矩阵是一种用于评估分类模型性能的重要工具。它通过矩阵形式清晰地展示了模型对样本进行分类的结果，帮助我们理解模型在不同类别上的表现。混淆矩阵概述混淆矩阵是一个二维矩阵，用于总结分类模型在不同类别上的预测结果，包括 True Positive (TP)、False Negative (FN)、False Positive (FP)、True Negative (TN)。性能指标准确率（Accura

图像梯度计算的是图像变化的幅度。对于图像的边缘部分，其灰度值变化较大，梯度值变化也较大；相反，对于图像中比较平滑的部分，其灰度值变化较小，相应的梯度值变化也较小。一般情况下，图像梯度计算的是图像的边缘信息。它在图像处理和计算机视觉中具有重要的应用，常用于边缘检测、特征提取和图像增强等任务。

混淆矩阵是一种用于评估分类模型性能的重要工具。它通过矩阵形式清晰地展示了模型对样本进行分类的结果，帮助我们理解模型在不同类别上的表现。混淆矩阵概述混淆矩阵是一个二维矩阵，用于总结分类模型在不同类别上的预测结果，包括 True Positive (TP)、False Negative (FN)、False Positive (FP)、True Negative (TN)。性能指标准确率（Accura

本片文章我们来介绍pandas的另一个数据类型DataFrameDataFrame是一个二维标记数据结构，其中包含可能不同类型的列。您可以将其视为电子表格或SQL表，或者Series对象的字典。它通常是最常用的pandas对象。与Series一样，DataFrame接受许多不同类型的输入：一维ndarray，列表，字典，或字典的Series二维numpy.ndarray结构化或记录数组一个Seri