Gensim—word2vec加载开源预训练词向量其它相关博客：词向量模型Word2Vec模型构建训练加载预训练词向量并使用腾讯AI Lab预训练词向量：https://ai.tencent.com/ailab/nlp/zh/embedding.html本文下载其中最小的文件，点此下载from gensim.models import KeyedVectors# 文件解压，调用txt文件txt_f

改变单列数据类型d = {'玩具':['车','飞机','轮船'], '数量':[3,2,5],'价格':[10000000000000,90000000000000,80000000000000]}df = pd.DataFrame(d)玩具数量价格0车3100000000000001飞机2900000000000002轮船580000000000000df['价格'] = '"' + df['

image 与 Base64互转import cv2import ioimport base64import numpy as npfrom PIL import Imagedef image_to_base64(image_path):"""将图片转为 Base64流:param image_path: 图片路径:return:"""with open(image_path, "rb") as

重置列索引新写一个列表，里面为新的列顺序a = pd.DataFrame(np.arange(12).reshape(4,3),columns=['A','B','C'])输出为ABC001213452678391011# 新的列索引列表：new_col_list = ['C','B','A']a = a[new_col_list]CBA021015432876311109重置行索引使用reset