conda报错CondaHTTPError: HTTP 000 CONNECTION FAILED

docker GPU报错

python pandas生成连续月份

python连接impala

大规模数据处理：pandas DataFrame代替字典dict实现快速查询，避免循环和长耗时结论问题解决方案结论先上结论：对于规模比较大的数据，不要创建以tuple等为键的字典，可以创建pandas DataFrame，利用DataFrame的多层Index来实现查询。这样做的原因有二：创建大规模的字典时，尤其键是tuple这类数据是，非常慢。但是创建同规模的DataFrame时，效率很高。字典

python pandas使用map, apply和applymap实现对DataFrame进行单列/行，多列/行，以及所有元素的操作

python list和numpy常用拼接方式list1，加号+2，append vs extend3，切片，将一个list插入另一个list的指定位置np.array1, np.append(arr, values, axis=None)2.1, np.hstack(tup) 水平拼接，可多个array2.2, np.vstack(tup) 垂直拼接，可多个array3，np.concatena

np.nan,np.isnan,None,pd.isnull,pd.isna整理与小结。

李宏毅 2022机器学习 HW3 boss baseline 上分记录

如何优雅地用字典dict映射numpy array：map和np.vectorize问题方案一：map函数映射一维ndarray方案二：np.vectorize映射多维ndarray问题现在有一个ndarray和字典dict如下：a1 = np.array(['a', 'b'])d = {'a':1, 'b':2}想根据字典d中的对应关系将a1映射成如下：array([1, 2])方案一：map函