2021
07-08
07-08
Python数据分析之pandas比较操作
目录一、比较运算符和比较方法二、两个DataFrame比较三、两个Series比较四、与数字或字符串比较五、与array进行比较一、比较运算符和比较方法比较运算符用于判断是否相等和比较大小,Python中的比较运算符有==、!=、<、>、<=、>=六个,Pandas中也一样。在Pandas中,DataFrame和Series还支持6个比较方法,详见下表。方法英文全称用途eq...
继续阅读 >
目录一、xpath:基本属性定位二、xpath:其他属性定位三、xpath:标签定位四、xpath:相对路径/绝对路径定位五、xpath:索引六、xpath:逻辑运算七、xpath:模糊匹配一、xpath:基本属性定位上一篇文章讲了通过元素的id、name、class这些属性定位的用户,使用xpath方法结合元素属性也可以很准确的定位元素,如下图 于是可以用以下xpath方法定位二、xpath:其他属性定位在实际工作过程中,往往会遇到一个元素id、name、class属性都没有...
一、检索当前目录下所有文件、文件夹fromglobimportglobglob('./*')Output:['./0a.wav','./aaa','./1b.wav','./1a.wav','./0b.wav']#返回一个list二、检索当前目录下指定后缀名文件假设我们需要获取当前文件夹下所有后缀名为".wav"的文件,fromglobimportglobglob('./*.wav')Output:['./0a.wav','./1b.wav','./1a.wav','./0b.wav']#返回一个包含".wav"文件路径的list二、检索当前目录下包含指定字符文件假设我们...
一、python版本写了个pythonopencv的小demo,可以通过键盘按下字母s进行采集图像。功能说明“N”新建文件夹data/用来存储图像“S”开始采集图像,将采集到的图像放到data/路径下“Q”退出窗口pythonopencv源码'''“N”新建文件夹data/用来存储图像"S"开始采集图像,将采集到的图像放到data/路径下“Q”退出窗口'''importnumpyasnp#数据处理的库Numpyimportcv2#图像处理的库OpenCvimport...
Windows系统一、执行控制台指令方法例如打开QQ1.使用os库中的system函数importosos.system('startD:\\QQ\\QQ.exe')'''如果不加start,打开QQ后控制台窗口不关闭,直到QQ关闭,控制台窗口才关闭一条os.system()语句执行完成控制台会关闭,所以当执行后续命令需要依赖前面的命令时,将多条命令写到一条os.system()语句内,多条控制台命令用&&连接'''2.同样是os库中的importos#返回输出结果os.popen('startD:\\...
目录简介一.Aconada安装二.配置conda环境变量三.TensorFlow安装四.问题整理简介TensorFlow是一个端到端开源机器学习平台。它拥有一个全面而灵活的生态系统,其中包含各种工具、库和社区资源,可助力研究人员推动先进机器学习技术的发展,并使开发者能够轻松地构建和部署由机器学习提供支持的应用。那它能干什么用呢?轻松地构建模型:在即刻执行环境中使用Keras等直观的高阶API轻松地构建和训练机器学习模型,该环境...
目录一、浪漫玫瑰花二、浪漫玫瑰加爱心三、心心相印四、粉嫩爱心五、丘比特一键穿心六、发射爱心小人七、浪漫动态樱花树八、专属心形词云九、女朋友画像字符画一、浪漫玫瑰花实现代码:fromturtleimport*importtimesetup(1000,800,0,0)speed(0)penup()seth(90)fd(340)seth(0)pendown()speed(5)begin_fill()fillcolor('red')circle(50,30)foriinrange(10):fd(1)left(10)circle(40,40)foriinrange(6):fd(...
前言复习试题时,发现一道复数问题问题关于Python的复数类型,以下选项中描述错误的是A复数的虚数部分通过后缀“J”或者“j”来表示B对于复数z,可以用z.real获得它的实数部分C对于复数z,可以用z.imag获得它的实数部分D复数类型表示数学中的复数正确答案:C首先我们来明确一下什么是复数:复数在数学上面的定义是由实数部分和虚数部分所组成的数,形如a+bj.其中a、b为实数,j为“虚数单位”,j的平方等于-1.a、b分别叫做...
目录一、算法概述二、算法步骤三、相关概念四、算法优缺点五、算法实现六、算法优化一、算法概述主成分分析(PrincipalComponentAnalysis,PCA)是一种掌握事物主要矛盾的统计分析方法,它可以从多元事物中解析出主要影响因素,揭示事物的本质,简化复杂的问题。PCA是最常用的一种降维方法,它的目标是通过某种线性投影,将高维的数据映射到低维的空间中,并期望在所投影的维度上数据的方差最大,以此使用较少的维度,...