使用Python连接SQL Server进行取数操作。输出：DataFrame。

1. ListExamplea = list([1, 3, 5, 2, 10])b = list([1, 4, 5, 10, 20])1.1 set运算符法# 求交集list(set(a) & set(b)) # [1, 10, 5]# 求并集list(set(a) | set(b)) # [1, 2, 3, 4, 5, 10, 20]# 求差集# a有而b没有list(set(a) -

多个项目部署到一个服务器上的部署方式：使用Docker将项目封装在独立的容器中。

dataframe行和列的获取分三个维度行和列选取：df[]，一次只能选取行或列区域选取：df.loc[], df.iloc[]，可以同时为行或列设置筛选条件单元格选取：df.at[], df.iat[]，准确选取某个单元格先随机生成一个dataframeimport numpy as npimport pandas as pddf = pd.DataFrame(np.random.randn(1

翻了一下网上的资料，其中一种解决方法是sklearn库版本太低，可以更新库或重装库。

emotion analysis中往往会使用词典的方法获取句子的情绪这里使用Python和NRC词典获取句子的8种情绪总量NRC词典下载链接：NRC Word-Emotion Association Lexicon# load libraries for emotion analysisimport nltkfrom nltk.stem.snowball import SnowballStemme

对于一些离线预测任务，或者D+1天的预测任务，可以简单地采用Crontab做定时调用项目代码运行项目

异常值在一般的预测问题中，模型通常是对整体样本数据结构的一种表达方式，这种表达方式通常抓住的是整体样本一般性的性质，而那些在这些性质上表现完全与整体样本不一致的点，我们就称其为异常点，通常异常点在预测问题中是不受开发者欢迎的，因为预测问题通产关注的是整体样本的性质，而异常点的生成机制与整体样本完全不一致，如果算法对异常点敏感，那么生成的模型并不能对整体样本有一个较好的表达，从而预测也会不准确。从另

最近这段时间使用VMWare安装了一下Ubuntu版本的Linux虚拟机，在这里记录一下安装时参考的文章以及需要注意的细节。

anaconda安装tensorflow