本文仅给出最基础的baseline进行图像分类训练，后续可在此代码基础上对模型结构进行修改。

1. 查找缺失值df.isnull() # 查看空缺值，可以识别 null / None / Nandf.isnull().any(axis=0) # 查看每行是否有空缺值df.isnull().any(axis=1) # 查看每列是否有空缺值df.isnull().sum() # 统计每行空缺值的个数df.isnull().sum(axis=1) # 统计每列有空缺值的个数df.isnull()

本文为个人复现GitHub项目Hands-on data analysis第二章第一节的练习记录参考教材：《Python for Data Analysis》数据来源 Kaggle-Titanic二、数据清洗及特征处理???? 2.1 缺失值观察与处理2.1.1 缺失值观察查看列数据df[['Age','Cabin','Embarked']].head()查看特征缺失值个数import numpy

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

YOLOv5是一个非常流行的图像识别框架，这里介绍一下使用YOLOv5给自己的数据集进行训练和测试下面逐步来演示一下