- 博客(90)
- 资源 (2)
- 收藏
- 关注
RSS订阅原创 5分钟Python安装实战（MAC版本）
值得注意的是，有些mac出厂自带python，但是版本可能不是最新的，大家可以试试自己的Mac，测试步骤是：（1）打开terminal终端（2）输入命令：python或者python3，如果出现python的版本号则代表已经安装，但还是推荐大家进行更新，无需卸载旧版本，之间安装新版本即可。方法（2）还是打开terminal终端，输入python3，第一次输入版本号可能有问题，不过没关系，关闭重新打开一下即可正常显式。方法（1）打开IDLE，输入： print("hello word")
2023-11-09 00:15:40
632
转载 什么是数字签名？其安全性从何而来？
一、数字签名简介数字签名是基于公钥密码体制（非对称密钥密码体制）的。1.1.基本特征数字签名必须保证以下三点：报文鉴别——接收者能够核实发送者对报文的签名； 报文的完整性——接收者不能伪造对报文的签名或更改报文内容。 不可否认——发送者事后不能抵赖对报文的签名；1.2.数字签名的验证过程上图位用户A使用数字签名向用户B传输一份文件的过程：首先，文件经过单向散列函数的处理得到一份占128位的摘要（无论文件多大，经过单向散列函数的处理，生成的摘要都是128位），这份摘要相当
2022-04-03 18:19:25
20900
1
转载 常用数据库访问接口简介
不同的程序设计语言会有各自不同的数据库访问接口，程序语言通过这些接口，执行 SQL 语句，进行数据库管理。主要的数据库访问接口主要有ODBC、JDBC、ADO.NET 和 PDO。ODBCODBC（Open Database Connectivity，开放数据库互连）为访问不同的 SQL 数据库提供了一个共同的接口。ODBC 使用 SQL 作为访问数据的标准。这一接口提供了最大限度的互操作性。一个应用程序可以通过共同的一组代码访问不同的 SQL 数据库管理系统。一个基于 ODBC 的应用程序对..
2021-08-18 17:36:49
1359
原创 法律意义上可靠的电子签名是如何实现的
法律意义上可靠的电子签名是如何实现的。什么是法律意义上可靠的电子签名。什么是PKI体系。什么是公开密钥加密。一份电子文件的数字签名及加密传输过程。为什么是对Hash值加密，为什么Hash值未变，即可断定文件未被修改。CA机构与数字证书。表达签署人签署意愿。基于PKI体系实现的数字签名是否法律意义上可靠的电子签名。
2021-01-19 19:20:05
1177
原创 Python数据分析实战【第三章】3.15-Matplotlib表格样式调用【python】
1.定位空值df = pd.DataFrame(np.random.rand(5,4),columns = list('ABCD'))df['A'][2] = np.nandf.style.highlight_null(null_color='red')2.色彩映射df = pd.DataFrame(np.random.rand(10,4),columns = list('ABC...
2020-04-28 16:57:38
243
原创 Python数据分析实战【第三章】3.14-Matplotlib表格显示控制【python】
1.按照百分数显示df = pd.DataFrame(np.random.randn(10,4),columns=['a','b','c','d'])print(df.head())df.head().style.format("{:.2%}")2.显示小数点数df.head().style.format("{:.4f}")3.显示正负数df.head().style.for...
2020-04-28 16:54:43
234
原创 Python数据分析实战【第三章】3.13-Matplotlib表格样式创建【python】
【课程3.13】 表格样式创建表格视觉样式：Dataframe.style → 返回pandas.Styler对象的属性，具有格式化和显示Dataframe的有用方法样式创建：① Styler.applymap：elementwise → 按元素方式处理Dataframe② Styler.apply：column- / row- / table-wise → 按行/列处理Dataframe...
2020-04-27 23:42:23
269
原创 Python数据分析实战【第三章】3.12-Matplotlib箱型图【python】
【课程3.12】 箱型图箱型图：又称为盒须图、盒式图、盒状图或箱线图，是一种用作显示一组数据分散情况资料的统计图包含一组数据的：最大值、最小值、中位数、上四分位数（Q3）、下四分位数（Q1）、异常值① 中位数 → 一组数据平均分成两份，中间的数② 上四分位数Q1 → 是将序列平均分成四份，计算(n+1)/4与(n-1)/4两种，一般使用(n+1)/4③ 下四分位数Q3 → 是将序列平均分...
2020-04-27 22:16:26
438
原创 Python数据分析实战【第三章】3.11-Matplotlib极坐标图【python】
1.创建极坐标轴s = pd.Series(np.arange(20))theta=np.arange(0,2*np.pi,0.02)print(s.head())print(theta[:10])# 创建数据fig = plt.figure(figsize=(8,4))ax1 = plt.subplot(121, projection = 'polar')ax2 = plt.s...
2020-04-27 21:06:10
2055
原创 Python数据分析实战【第三章】3.10-Matplotlib散点图、矩阵散点图【python】
【课程3.10】 散点图、矩阵散点图plt.scatter(), pd.scatter_matrix()1.plt.scatter()散点图# plt.scatter(x, y, s=20, c=None, marker='o', cmap=None, norm=None, vmin=None, vmax=None, # alpha=None, linewidths=None, verts...
2020-04-27 19:42:02
508
原创 Python数据分析实战【第三章】3.9-Matplotlib直方图【python】
1.直方图+密度图s = pd.Series(np.random.randn(1000))s.hist(bins = 20, histtype = 'bar', align = 'mid', orientation = 'vertical', alpha=0.5, normed =True)# bin：箱子的宽度# n...
2020-04-26 23:36:18
314
原创 Python数据分析实战【第三章】3.8-Matplotlib面积图、填图、饼图【python】
【课程3.8】 面积图、填图、饼图plt.plot.area()plt.fill(), plt.fill_between()plt.pie()1.面积图fig,axes = plt.subplots(2,1,figsize = (8,6))df1 = pd.DataFrame(np.random.rand(10, 4), columns=['a', 'b', 'c', 'd'])...
2020-04-26 23:33:22
618
原创 Python数据分析实战【第三章】3.7-Matplotlib柱状图、堆叠图【python】
1.柱状图与堆叠图fig,axes = plt.subplots(4,1,figsize = (10,10))s = pd.Series(np.random.randint(0,10,16),index = list('abcdefghijklmnop')) df = pd.DataFrame(np.random.rand(10,3), columns=['a','b','c'])s....
2020-04-26 21:26:26
1781
原创 Python数据分析实战【第三章】3.6-Matplotlib基本图表绘制【python】
【课程3.6】 基本图表绘制 plt.plot()图表类别：线形图、柱状图、密度图，以横纵坐标两个维度为主同时可延展出多种其他图表样式plt.plot(kind='line', ax=None, figsize=None, use_index=True, title=None, grid=None, legend=False, style=None, logx=False, logy=Fa...
2020-04-26 18:53:09
373
原创 Python数据分析实战【第三章】3.5-Matplotlib子图【python】
【课程3.5】 子图在matplotlib中，整个图像为一个Figure对象在Figure对象中可以包含一个或者多个Axes对象每个Axes(ax)对象都是一个拥有自己坐标系统的绘图区域plt.figure, plt.subplot1.plt.figure() 绘图对象# plt.figure(num=None, figsize=None, dpi=None, facecolor=No...
2020-04-25 23:44:54
273
原创 Python数据分析实战【第三章】3.4-Matplotlib 刻度、注解、图表输出【python】
【课程3.4】 刻度、注解、图表输出主刻度、次刻度1.刻度from matplotlib.ticker import MultipleLocator, FormatStrFormattert = np.arange(0.0, 100.0, 1)s = np.sin(0.1*np.pi*t)*np.exp(-t*0.01)ax = plt.subplot(111) #注意:一般都在ax...
2020-04-25 21:42:49
324
原创 Python数据分析实战【第三章】3.3-Matplotlib 图表的样式参数【python】
【课程3.3】 图表的样式参数linestyle、style、color、marker1.linestyle参数plt.plot([i**2 for i in range(100)], linestyle = '-.')# '-' solid line style# '--' dashed line style# '-.' dash-d...
2020-04-25 21:19:16
252
原创 Python数据分析实战【第三章】3.2-Matplotlib图表的基本元素【python】
【课程3.2】 图表的基本元素图表内基本参数设置1.图名，图例，轴标签，轴边界，轴刻度，轴刻度标签等df = pd.DataFrame(np.random.rand(10,2),columns=['A','B'])fig = df.plot(figsize=(6,4))# figsize：创建图表窗口，设置窗口大小# 创建图表对象，并赋值与figplt.title('Interes...
2020-04-25 18:03:33
217
原创 Python数据分析实战【第三章】3.1-Matplotlib简介及图表窗口【python】
【课程3.1】 Matplotlib简介及图表窗口Matplotlib → 一个python版的matlab绘图接口，以2D为主，支持python、numpy、pandas基本数据结构，运营高效且有较丰富的图表库1.图表窗口1 → plt.show()import numpy as npimport pandas as pdimport matplotlib.pyplot as plt...
2020-04-25 16:33:57
376
原创 Python数据分析实战【第三章】2.21-Pandas数据读取【python】
【课程2.22】 数据读取核心：read_table, read_csv, read_excel1.读取普通分隔数据：read_table# 可以读取txt，csvimport osos.chdir('C:/Users/Hjx/Desktop/')data1 = pd.read_table('data1.txt', delimiter=',',header = 0, index_c...
2020-04-24 17:29:23
168
原创 Python数据分析实战【第三章】2.21-透视表及交叉表【python】
【课程2.21】 透视表及交叉表类似excel数据透视 - pivot table / crosstab1.透视表：pivot_table# pd.pivot_table(data, values=None, index=None, columns=None, aggfunc='mean', fill_value=None, margins=False, dropna=True, marg...
2020-04-24 17:12:25
333
原创 Python数据分析实战【第三章】2.20-分组转换及一般性“拆分-应用-合并”【python】
【课程2.20 分组转换及一般性“拆分-应用-合并”】 课程作业1.数据分组转换,transformdf = pd.DataFrame({'data1':np.random.rand(5), 'data2':np.random.rand(5), 'key1':list('aabba'), ...
2020-04-24 16:35:56
262
原创 Python数据分析实战【第三章】2.19-Pandas数据分组【python】
【课程2.19】 数据分组分组统计 - groupby功能① 根据某些条件将数据拆分成组② 对每个组独立应用函数③ 将结果合并到一个数据结构中1.分组df = pd.DataFrame({'A' : ['foo', 'bar', 'foo', 'bar','foo', 'bar', 'foo', 'foo'], 'B' : ['one', 'on...
2020-04-24 15:11:05
1069
原创 Python数据分析实战【第三章】2.18-Pandas去重及替换【python】
【课程2.18】 去重及替换1.去重 .duplicated.duplicated / .replaces = pd.Series([1,1,1,1,2,2,2,3,4,5,5,5,5])print(s.duplicated())print(s[s.duplicated() == False])print('-----')# 判断是否重复# 通过布尔判断，得到不重复的值#通过...
2020-04-24 11:13:16
132
原创 Python数据分析实战【第三章】2.17-Pandas连接与修补 concat、combine_first【python】
【课程2.17】 连接与修补 concat、combine_first连接 - 沿轴执行连接操作1.连接：concats1 = pd.Series([1,2,3])s2 = pd.Series([2,3,4])s3 = pd.Series([1,2,3],index = ['a','c','h'])s4 = pd.Series([2,3,4],index = ['b','e','d'...
2020-04-23 23:56:33
205
原创 Python数据分析实战【第三章】2.16-Pandas合并 merge、join【python】
【课程2.16】 合并 merge、joinPandas具有全功能的，高性能内存中连接操作，与SQL等关系数据库非常相似1.merge合并 → 类似excel的vlookupdf1 = pd.DataFrame({'key': ['K0', 'K1', 'K2', 'K3'], 'A': ['A0', 'A1', 'A2', 'A3'], ...
2020-04-23 23:22:41
227
原创 Python数据分析实战【第三章】2.15-文本数据【python】
【课程2.15】 文本数据Pandas针对字符串配备的一套方法，使其易于对数组的每个元素进行操作1.通过str访问，且自动排除丢失/ NA值s = pd.Series(['A','b','C','bbhello','123',np.nan,'hj'])df = pd.DataFrame({'key1':list('abcdef'), 'key2':['h...
2020-04-23 22:10:21
211
原创 Python数据分析实战【第三章】2.14-数值计算和统计基础【python】
【课程2.14】 数值计算和统计基础常用数学、统计方法1.基本参数：axis、skipnaimport numpy as npimport pandas as pddf = pd.DataFrame({'key1':[4,5,3,np.nan,2], 'key2':[1,2,np.nan,4,5], 'key3':[...
2020-04-23 20:29:51
308
原创 Python数据分析实战【第三章】2.13-时间序列 - 重采样【python】
【课程2.13】 时间序列 - 重采样将时间序列从一个频率转换为另一个频率的过程，且会有数据的结合降采样：高频数据 → 低频数据，eg.以天为频率的数据转为以月为频率的数据升采样：低频数据 → 高频数据，eg.以年为频率的数据转为以月为频率的数据1.重采样：.resample()# 创建一个以天为频率的TimeSeries，重采样为按2天为频率rng = pd.date_range...
2020-04-23 13:35:41
894
1
原创 Python数据分析实战【第三章】2.12- 时间序列 - 索引及切片【python】
【课程2.12】 时间序列 - 索引及切片TimeSeries是Series的一个子类，所以Series索引及数据选取方面的方法基本一样同时TimeSeries通过时间序列有更便捷的方法做索引和切片1.索引from datetime import datetimerng = pd.date_range('2017/1','2017/3')ts = pd.Series(np.rando...
2020-04-23 10:50:50
595
原创 Python数据分析实战【第三章】2.11- Pandas时期：Period【python】
【课程2.11】 Pandas时期：Period核心：pd.Period()1.pd.Period()创建时期p = pd.Period('2017', freq = 'M')print(p, type(p))# 生成一个以2017-01开始，月为频率的时间构造器# pd.Period()参数：一个时间戳 + freq 参数 → freq 用于指明该 period 的长度，时间戳则说明...
2020-04-23 09:43:33
1015
原创 Python数据分析实战【第三章】2.10-Pandas时间戳索引：DatetimeIndex【python】
【课程2.10】 Pandas时间戳索引：DatetimeIndex核心：pd.date_range()1.pd.DatetimeIndex()与TimeSeries时间序列rng = pd.DatetimeIndex(['12/1/2017','12/2/2017','12/3/2017','12/4/2017','12/5/2017'])print(rng,type(rng))pr...
2020-04-23 00:28:17
1848
原创 Python数据分析实战【第三章】2.9-Pandas时刻数据：Timestamp【python】
【课程2.9】 Pandas时刻数据：Timestamp时刻数据代表时间点，是pandas的数据类型，是将值与时间点相关联的最基本类型的时间序列数据pandas.Timestamp()1.pd.Timestamp()import numpy as npimport pandas as pddate1 = datetime.datetime(2016,12,1,12,45,30) ...
2020-04-22 21:40:45
533
原创 Python数据分析实战【第三章】2.8-时间模块：datetime【python】
【课程2.8】 时间模块：datetimedatetime模块，主要掌握：datetime.date(), datetime.datetime(), datetime.timedelta()日期解析方法：parser.parse1.datetime.date：date对象import datetime # 也可以写 from datetime import datetoday = ...
2020-04-22 20:36:20
191
原创 Python数据分析实战【第三章】2.7-Pandas数据结构Dataframe：基本技巧【python】
【课程2.7】 Pandas数据结构Dataframe：基本技巧数据查看、转置 / 添加、修改、删除值 / 对齐 / 排序1.数据查看、转置df = pd.DataFrame(np.random.rand(16).reshape(8,2)*100, columns = ['a','b'])print(df.head(2))print(df.tail(...
2020-04-22 17:39:00
340
原创 Python数据分析实战【第三章】2.6-Pandas数据结构Dataframe：索引【python】
【课程2.6】 Pandas数据结构Dataframe：索引Dataframe既有行索引也有列索引，可以被看做由Series组成的字典（共用一个索引）选择列 / 选择行 / 切片 / 布尔判断1.选择行与列df = pd.DataFrame(np.random.rand(12).reshape(3,4)*100, index = ['one','tw...
2020-04-22 13:36:03
1157
原创 Python数据分析实战【第三章】2.5-Pandas数据结构Dataframe：基本概念及创建【python】
【课程2.5】 Pandas数据结构Dataframe：基本概念及创建"二维数组"Dataframe：是一个表格型的数据结构，包含一组有序的列，其列的值类型可以是数值、字符串、布尔值等。Dataframe中的数据以一个或多个二维块存放，不是列表、字典或一维数组结构。1.Dataframe 数据结构# Dataframe是一个表格型的数据结构，“带有标签的二维数组”。# Datafram...
2020-04-21 12:51:20
386
原创 Python数据分析实战【第三章】2.4- Pandas数据结构Series：基本技巧【python】
【课程2.4】 Pandas数据结构Series：基本技巧数据查看 / 重新索引 / 对齐 / 添加、修改、删除值1.数据查看s = pd.Series(np.random.rand(50))print(s.head(10))print(s.tail())# .head()查看头部数据# .tail()查看尾部数据# 默认查看5条-------------------------...
2020-04-20 23:16:27
213
原创 Python数据分析实战【第三章】2.3- Pandas数据结构Series：索引【python】
【课程2.3】 Pandas数据结构Series：索引 位置下标 / 标签索引 / 切片索引 / 布尔型索引1.位置下标，类似序列s = pd.Series(np.random.rand(5))print(s)print(s[0],type(s[0]),s[0].dtype)print(float(s[0]),type(float(s[0])))#print(s[-1])# 位置下标...
2020-04-19 23:57:14
297
原创 Python数据分析实战【第三章】2.2- Pandas数据结构Series：基本概念及创建【python】
【课程2.2】 Pandas数据结构Series：基本概念及创建"一维数组"Serise# Series 数据结构# Series 是带有标签的一维数组，可以保存任何数据类型（整数，字符串，浮点数，Python对象等）,轴标签统称为索引import numpy as npimport pandas as pd # 导入numpy、pandas模块s = pd.Series(np...
2020-04-19 23:20:04
377
空空如也
TA创建的收藏夹 TA关注的收藏夹
TA关注的人