1 ZCJY

尚未进行身份认证

将来的你一定会感谢现在努力的你

等级
TA的排名 14w+

TextBlob包和nltk包安装

win10手动安装TextBolb,nltk包。首先将这两个压缩包解压到你环境下的Lib/site-packages下面。每个人的环境都是不一样的所以不要抄,你只需要找到你的site-packages。如果真的找不到就在命令行中直接下载,虽然不会成功,但是它会提示你要安装的路径。然后在你的环境先下面按住shift然后右键打开Powershell窗口。 然后输入上面的命令(他的意思是运...

2020-03-15 19:30:39

线性规划

python做线性规划总结。用scipy.optimize.linprog实现线性规划pulp包求解整数线性规划运输问题

2020-03-14 20:09:54

nltk语言包

首先去github上下载安装包安装包下载下载完成后。将文件夹packages文件夹重命名成nltk_data,并将其放到C:/user/你电脑用户名下面。这个是我的地址。...

2020-03-14 20:02:54

numpy处理nan

import numpy as npnp.random.seed(10)# a = np.random.randint(10, 20, (4, 5))# a = a.astype(float)# a[:, 1] = 0# a[2, 2] = np.nan# # 判断非0 的个数:# print(np.count_nonzero(a))# # 判断nana的个数:# print(...

2020-01-20 20:49:51

交叉验证

# knn的算法思想就是看离他最近的几个元组都是属于哪个类,把最多的作为他的类别from sklearn import datasetsfrom sklearn.model_selection import train_test_splitfrom sklearn.neighbors import KNeighborsClassifierfrom sklearn.model_selecti...

2020-01-19 20:48:50

knn分类

import numpy as npfrom sklearn import datasetsfrom sklearn.model_selection import train_test_splitfrom sklearn.neighbors import KNeighborsClassifier# 载入数据iris = datasets.load_iris()iris_X = iri...

2020-01-18 21:52:16

数据库杂例

数据库日常维护:备份与恢复,完整性维护,安全性维护,存储空间管理和并发性控制数据流程图中一个处理至少有一个输入流和一个输出流从功能角度可以将数据库划分成四个层次1、表示层:用于显示数据和接受数据(用户友好界面)2、业务逻辑层:是表示层和数据访问层之间的桥梁,主要负责数据的传递和处理,也就是应用程序的逻辑3、数据访问层:负责与DBMS进行交互,提取或存入4、数据持久层:负责保存和管理应用...

2020-01-18 19:12:54

map函数

# map(function, iterable, …)# map(func, *iterables) --> map objecta=map(lambda x: x ** 2, [1, 2, 3, 4, 5]) # 使用 lambda 匿名函数for i in a: print(i)参数:函数,列表返回值:map object 可以用循环打印出来...

2020-01-18 19:10:25

今天正式学习计算机视觉

从几天开始,在接下来的半个月开始跟着大佬们学习计算机视觉和深度学习经典的网络。加油吧!

2020-01-17 20:09:55

python处理时间

import time, datetime# 字符类型的时间tss1 = '2013-10-10 23:40:00'# 转为时间数组timeArray1 = time.strptime(tss1, "%Y-%m-%d %H:%M:%S")print(timeArray1)# timeArray可以调用tm_year等print(timeArray1.tm_year) # 20...

2020-01-17 20:06:35

设置多个子图的label

from matplotlib import pyplot as pltimport matplotlibimport pandas as pdimport numpy as npfont = {'family': 'MicroSoft YaHei', 'weight': 'bold', 'size': '4'}matplotlib.rc("font",...

2020-01-17 20:05:30

plt.subplots()练习

import pandas as pdimport numpy as npimport matplotlib.pyplot as plt# First create some toy data:x = np.linspace(0, 2 * np.pi, 400)y = np.sin(x ** 2)# Creates just a figure and only one subplo...

2020-01-17 19:59:53

为柱状图添加数据

from matplotlib import pyplot as pltimport matplotlibimport pandas as pdimport numpy as npfont = {'family': 'MicroSoft YaHei', 'weight': 'bold', 'size': '8'}matplotlib.rc("font",...

2020-01-17 19:52:44

累积条形图

from matplotlib import pyplot as pltimport matplotlibimport pandas as pdimport numpy as npfont = {'family': 'MicroSoft YaHei', 'weight': 'bold', 'size': '40'}matplotlib.rc("font"...

2020-01-12 22:32:37

最小二乘法线性回归、sklearn.linear_model.LinearRegression

最小二乘法线性回归:sklearn.linear_model.LinearRegression(fit_intercept=True, normalize=False,copy_X=True, n_jobs=1)主要参数说明:fit_intercept(添加截距):布尔型,默认为True,若参数值为True时,代表训练模型需要加一个截距项b;若参数为False时,代表模型无需加截距项。nor...

2020-01-12 00:38:44

散点图的大小

plt.scatter(data.x, data.y, s=data.time_slots,alpha=0.5)plt.xlabel('x')plt.ylabel('y')plt.show()

2020-01-11 23:12:30

直方图

from matplotlib import pyplot as pltimport randomimport matplotlibfont = {'family': 'MicroSoft YaHei', 'weight': 'bold', 'size': '7'}matplotlib.rc("font", **font)# 随机生成数据random...

2020-01-09 23:29:33

条形图比较

from matplotlib import pyplot as pltimport matplotlibfont = {'family': 'MicroSoft YaHei', 'weight': 'bold', 'size': '7'}matplotlib.rc("font", **font)a = ['战狼2', '速度与\n激情8', '功夫瑜伽...

2020-01-08 21:47:17

matplotlib条形图

from matplotlib import pyplot as pltimport matplotlibfont = {'family': 'MicroSoft YaHei', 'weight': 'bold', 'size': '7'}matplotlib.rc("font", **font)a = ['战狼2', '速度与\n激情8', '功夫瑜伽...

2020-01-07 20:33:43

两个散点图比较

import numpy as npimport matplotlib.pyplot as pltimport matplotlibmatplotlib.rcfont = {'family': 'MicroSoft YaHei', 'weight': 'bold', 'size': '8'}matplotlib.rc("font", **font)# ...

2020-01-06 23:32:22

查看更多

勋章 我的勋章
  • 持之以恒
    持之以恒
    授予每个自然月内发布4篇或4篇以上原创或翻译IT博文的用户。不积跬步无以至千里,不积小流无以成江海,程序人生的精彩需要坚持不懈地积累!
  • 勤写标兵Lv4
    勤写标兵Lv4
    授予每个自然周发布9篇以上(包括9篇)原创IT博文的用户。本勋章将于次周周三上午根据用户上周的博文发布情况由系统自动颁发。