- 博客(2254)
- 资源 (971)
- 问答 (2)
- 收藏
- 关注
RSS订阅
原创 【切记】AI 就是实验科学
像生物学家而不是一数学家一样工作写短脚本而不是长程序可视化一切明白新发现通常发生在你做其他事情的时候让你自己很幸运杂志照片实验 [Hubel and Weasel, 1964]（注：猫的视觉皮层逐层识别形状，奠定了卷积神经网络的生物学基础）
2024-04-19 15:21:41
391
原创 Quant文艺复兴计划正式启动！
此时此刻恰如彼时彼刻，所以我深知，如果我不自己动手写出一批教程，中文互联网就永远没有面向新手的开放教程可用。幸好现在我们有了ChatGPT，它减轻了我的主业工作量，让我有时间投入这个方面；同时，它也大大减轻了编写教程的工作量，能让这些想法迅速实现。再者，良好的量化实现是保证回测准度和自动化的前提之一。总结paperwithbacktest上的Quant前沿论文【自动】，解析代码【自动】寻找gh上的机器学习或深度学习的Quant代码，做源码解析【自动】挑选主流量化框架，翻译文档【自动】，做源码解析【自动】
2024-04-10 22:56:08
191
原创 赚钱周报、风向标、大航海 23&24
龙哥赚钱周报 23在线阅读龙哥赚钱周报 202301-02龙哥赚钱周报 202303龙哥赚钱周报 202304龙哥赚钱周报 202305龙哥赚钱周报 202306龙哥赚钱周报 202307龙哥赚钱周报 202308龙哥赚钱周报 202309龙哥赚钱周报 202310龙哥赚钱周报 202311龙哥赚钱周报 202312龙哥风向标 23在线阅读龙哥风向标 202301龙哥风向标 202302龙哥风向标 202303龙哥风向标 202304龙哥风向标 202305龙哥
2024-04-09 12:03:53
323
原创 关于 AI 应用的新想法（不断更新）
很多导师的问题就是，他们只是说理，但人类记住道理是通过故事的，除了少数编导转型过来的导师之外，其他人讲故事的能力太差了。第二个想到的就是源码解析。可以封装成库，但更好的是封装成一个应用，结合基本面和技术指标，像监控容器那样更好的监控企业健康状态。对于基本面指标（也就是不从OHLC计算的指标），有了 GPT 的加持，便可以从财报里面获取。写作提示词参考需要扩充，找一本写作大词典的PDF，对于每种修辞手法，让GPT尝试给出示例。可以尝试总结一些社科专业的知识图谱，把文字变成结构化图表，辅助学习和记忆。
2024-03-08 17:37:36
545
原创 一些用 GPT 翻译的计算机科学/人工智能 PDF 讲义
3D成像.pdf3D成像.pdf3D成像技术.pdf3D成像技术.pdf3D点云分析.pdf3D点云分析.pdfAAAI 2019 笔记.pdfAAAI 2019 笔记.pdfCMU 10.708 概率图模型讲义.pdfCMU 10.708 概率图模型讲义.pdfCMU 15-312 编程语言基础讲义.pdfCMU 15-312 编程语言基础讲义.pdfCMU 15-411 编译器设计讲义.pdfCMU 15-411 编译器设计讲义.pdfCMU 15-819 同伦类型论讲义.
2024-02-20 22:59:55
1295
原创 Huggingface 中文文档翻译完毕
Accelerate 0.27 中文文档音频课程文档AutoTrain 中文文档AWS 中文文档竞赛中文文档Diffusers 0.26 中文文档深度强化学习课程文档数据集服务器中文文档Datasets 2.17 中文文档 Evaluate 0.4 中文文档Huggingface.js 中文文档Hub 中文文档Hub 客户端库 JS 0.20 中文文档推理 API 中文文档推理端点中文文档NLP 课程文档Optimum 中文文档PEFT 0.8 中文文档Safete
2024-02-16 22:38:08
520
原创 NumPy 1.26 中文官方指南（一）
NumPy 用户指南原文：numpy.org/doc/1.26/user/index.html本指南是一个概述，解释了重要特性；细节请参阅 NumPy 参考文档。入门指南什么是 NumPy?安装NumPy 快速入门NumPy：初学者的绝对基础基础知识和用法NumPy 基础知识数组创建对 ndarrays 进行索引使用 NumPy 进行 I/O数据类型广播复制和视图结构化数组通用函数 (ufunc) 基础适
2024-04-25 12:57:53
435
原创 NumPy 1.26 中文官方指南（四）
原文：numpy.org/doc/1.26/glossary.htmln,)括号中跟着逗号的数字表示一个具有一个元素的元组。尾随逗号将一个元素元组与括号n区分开。-1，指示 NumPy 选择长度，以保持数组元素总数不变。，任何负值表示从右边进行索引。一个省略号。，缺失的轴简称为全切片。它最多可以使用一次；会引发一个IndexError。，NumPy 用...替代大数组的中间元素。要查看整个数组，使用Python 的操作符。与 Python 不同，NumPy 中切片创建一个视图而不是副本。
2024-04-25 12:56:21
518
原创 NumPy 1.26 中文官方指南（三）
MATLAB® 和 NumPy 有很多共同之处，但 NumPy 是为了与 Python 一起使用而创建的，而不是 MATLAB 的克隆。本指南将帮助 MATLAB 用户开始使用 NumPy。在 MATLAB 中，用于自定义环境的主要工具是修改搜索路径，包含您喜欢函数的位置。您可以将这种定制放入 MATLAB 将在启动时运行的启动脚本中。NumPy，或者更确切地说是 Python，具有类似的功能。要修改 Python 搜索路径以包括您自己模块的位置，请定义PYTHONPATH环境变量。
2024-04-25 12:55:19
456
原创 NumPy 1.26 中文官方指南（二）
NumPy: 绝对初学者的基础知识原文：numpy.org/doc/1.26/user/absolute_beginners.html欢迎来到 NumPy 的绝对初学者指南！如果你有评论或建议，请不要犹豫联系我们！欢迎来到 NumPy！NumPy（Numerical Python）是一个开源的 Python 库，几乎在每个科学和工程领域中都被使用。它是 Python 中处理数值数据的通用标准，在科学 Python 和 PyData 生态系统的核心地位不可撼动。NumPy 的用户包括从初学者程序员
2024-04-25 12:53:59
405
原创 Pandas 2.2 中文官方教程和指南（一）
原文：pandas.pydata.org/docs/getting_started/overview.htmlpandas 是一个Python包，提供快速、灵活和表达性强的数据结构，旨在使处理“关系”或“标记”数据变得简单和直观。它旨在成为在 Python 中进行实际、现实世界数据分析的基本高级构建块。此外，它还有更广泛的目标，即成为任何语言中最强大和灵活的开源数据分析/操作工具。它已经在这个目标的道路上取得了很大进展。具有异构类型列的表格数据，如 SQL 表或 Excel 电子表格。
2024-04-24 12:01:09
783
原创 Pandas 2.2 中文官方教程和指南（四）
原文：pandas.pydata.org/docs/与 SQL 比较原文：pandas.pydata.org/docs/getting_started/comparison/comparison_with_sql.html由于许多潜在的 pandas 用户对 SQL 有一定的了解，本页旨在提供使用 pandas 执行各种 SQL 操作的一些示例。如果你是 pandas 的新手，你可能想先阅读 10 分钟入门 pandas 来熟悉这个库。惯例上，我们导入 pandas 和 NumPy 如下：
2024-04-24 12:00:09
921
原创 Pandas 2.2 中文官方教程和指南（十一·二）
使用链式索引时为什么赋值失败？警告写时复制 将成为 pandas 3.0 的新默认值。这意味着链式索引永远不会起作用。因此，SettingWithCopyWarning将不再必要。有关更多上下文，请参见此部分。我们建议打开写时复制以利用改进pd.options.mode.copy_on_write = True即使在 pandas 3.0 可用之前。前面部分的问题只是一个性能问题。关于SettingWithCopy警告是什么？当你做一些可能花费几毫秒额外时间的事情时，我们通常不会发出警告！但事实
2024-04-24 11:59:30
819
原创 Pandas 2.2 中文官方教程和指南（十一·一）
原文：pandas.pydata.org/docs/PyArrow 功能原文：pandas.pydata.org/docs/user_guide/pyarrow.htmlpandas 可以利用PyArrow来扩展功能并改善各种 API 的性能。这包括：与 NumPy 相比，拥有更广泛的数据类型对所有数据类型支持缺失数据（NA）高性能 IO 读取器集成便于与基于 Apache Arrow 规范的其他数据框架库（例如 polars、cuDF）进行互操作性要使用此功能，
2024-04-24 11:58:58
661
原创 Pandas 2.2 中文官方教程和指南（十五）
原文：pandas.pydata.org/docs/处理文本数据原文：pandas.pydata.org/docs/user_guide/text.html文本数据类型在 pandas 中有两种存储文本数据的方式：object -dtype NumPy 数组。StringDtype 扩展类型。我们建议使用StringDtype来存储文本数据。在 pandas 1.0 之前，object dtype 是唯一的选项。这在很多方面都是不幸的：你可能会在object dty
2024-04-24 11:57:57
477
原创 Pandas 2.2 中文官方教程和指南（十四）
原文：pandas.pydata.org/docs/重塑和透视表原文：pandas.pydata.org/docs/user_guide/reshaping.htmlpandas 提供了用于操作Series和DataFrame的方法，以改变数据的表示形式，以便进行进一步的数据处理或数据汇总。pivot() 和 pivot_table()：在一个或多个离散类别中对唯一值进行分组。stack() 和 unstack()：分别将列或行级别的数据透视到相反的轴上。melt() 和 w
2024-04-24 11:57:11
474
原创 Pandas 2.2 中文官方教程和指南（十三）
原文：pandas.pydata.org/docs/写时复制（CoW）原文：pandas.pydata.org/docs/user_guide/copy_on_write.html注意写时复制将成为 pandas 3.0 的默认设置。我们建议现在就启用它以从所有改进中受益。写时复制首次引入于版本 1.5.0。从版本 2.0 开始，大部分通过 CoW 可能实现和支持的优化已经实现。从 pandas 2.1 开始，所有可能的优化都得到支持。写时复制将在版本 3.0 中默认启用。CoW 将导
2024-04-24 11:56:37
837
原创 Pandas 2.2 中文官方教程和指南（十七）
原文：pandas.pydata.org/docs/重复标签原文：pandas.pydata.org/docs/user_guide/duplicates.htmlIndex对象不需要是唯一的；你可以有重复的行或列标签。这一点可能一开始会有点困惑。如果你熟悉 SQL，你会知道行标签类似于表上的主键，你绝不希望在 SQL 表中有重复项。但 pandas 的一个作用是在数据传输到某个下游系统之前清理混乱的真实世界数据。而真实世界的数据中有重复项，即使在应该是唯一的字段中也是如此。本节描述了重复标
2024-04-24 11:55:59
501
原创 Pandas 2.2 中文官方教程和指南（十六）
原文：pandas.pydata.org/docs/处理缺失数据原文：pandas.pydata.org/docs/user_guide/missing_data.html被视为“缺失”的值pandas 使用不同的标记值来表示缺失值（也称为 NA），具体取决于数据类型。numpy.nan适用于 NumPy 数据类型。使用 NumPy 数据类型的缺点是原始数据类型将被强制转换为np.float64或object。In [1]: pd.Series([1, 2], dtype=np.int6
2024-04-24 11:55:26
618
原创 Pandas 2.2 中文官方教程和指南（十九·二）
作用于数据我们使用以下方法传递您的样式函数。这两种方法都接受一个函数（以及一些其他关键字参数），并以某种方式将其应用于 DataFrame，呈现 CSS 样式。.map()（逐元素）：接受一个接受单个值并返回带有 CSS 属性-值对的字符串的函数。.apply()（列-/行-/表格级）：接受一个接受 Series 或 DataFrame 并返回具有相同形状的 Series、DataFrame 或 numpy 数组的函数，其中每个元素都是带有 CSS 属性-值对的字符串。此方法逐个传递您的 Da
2024-04-24 11:54:54
963
原创 Pandas 2.2 中文官方教程和指南（十九·一）
原文：pandas.pydata.org/docs/表格可视化原文：pandas.pydata.org/docs/user_guide/style.html本节演示使用 Styler 类可视化表格数据。有关使用图表进行可视化的信息，请参阅图表可视化。本文档是以 Jupyter Notebook 编写的，可在此处查看或下载这里。Styler 对象和自定义显示样式和输出显示定制应在对数据框中的数据进行处理之后执行。如果对数据框进行进一步更改，Styler不会动态更新。DataFrame.sty
2024-04-24 11:54:23
785
原创 Pandas 2.2 中文官方教程和指南（十二·二）
使用分层索引进行高级索引在使用.loc进行高级索引时，将MultiIndex在语法上整合在一起有点具有挑战性，但我们已经尽力做到了。一般来说，MultiIndex 键采用元组的形式。例如，以下操作会按您的预期工作：In [39]: df = df.TIn [40]: dfOut[40]: A B Cfirst second bar one 0.895717 0.410835 -1.413681 two 0.805244 0.8138
2024-04-24 11:53:20
767
原创 Pandas 2.2 中文官方教程和指南（十二·一）
原文：pandas.pydata.org/docs/MultiIndex / 高级索引原文：pandas.pydata.org/docs/user_guide/advanced.html本节涵盖了使用 MultiIndex 进行索引和其他高级索引功能。查看数据索引和选择以获取一般索引文档。警告在设置操作中返回副本还是引用可能取决于上下文。有时这被称为chained assignment，应该避免。请参阅返回视图与副本。查看食谱以获取一些��级策略。层次化索引（MultiIndex）
2024-04-24 11:52:50
922
原创 Pandas 2.2 中文官方教程和指南（十八）
原文：pandas.pydata.org/docs/可空整数数据类型原文：pandas.pydata.org/docs/user_guide/integer_na.html注意IntegerArray 目前处于实验阶段。其 API 或实现可能会在没有警告的情况下发生变化。使用pandas.NA作为缺失值。在处理缺失数据中，我们看到 pandas 主要使用NaN来表示缺失数据。因为NaN是一个浮点数，这会导致任何带有缺失值的整数数组变为浮点数。在某些情况下，这可能并不重要。但是，如果您的整数
2024-04-24 11:51:34
510
原创 Pandas 2.2 中文官方教程和指南（十·二）
存储多级索引的 DataFrames将多级索引的 DataFrames 存储为表与存储/选择同质索引的 DataFrames 非常相似。In [507]: index = pd.MultiIndex( .....: levels=[["foo", "bar", "baz", "qux"], ["one", "two", "three"]], .....: codes=[[0, 0, 0, 1, 1, 2, 2, 3, 3, 3], [0, 1, 2, 0, 1, 1, 2, 0, 1, 2]
2024-04-24 11:51:03
306
原创 Pandas 2.2 中文官方教程和指南（十·一）
原文：pandas.pydata.org/docs/IO 工具（文本，CSV，HDF5，…）原文：pandas.pydata.org/docs/user_guide/io.htmlpandas I/O API 是一组顶级reader函数，如pandas.read_csv()通常返回一个 pandas 对象。相应的writer函数是对象方法，如DataFrame.to_csv()。下面是包含可用reader和writer的表格。格式类型数据描述读取器写入器文本CSV
2024-04-24 11:50:32
873
原创 Pandas 2.2 中文官方教程和指南（三）
原文：pandas.pydata.org/docs/如何操作文本数据原文：pandas.pydata.org/docs/getting_started/intro_tutorials/10_text_data.html将所有名称字符改为小写。In [4]: titanic["Name"].str.lower()Out[4]: 0 braund, mr. owen harris1 cumings, mrs. jo
2024-04-24 11:48:52
493
原创 Pandas 2.2 中文官方教程和指南（七）
原文：pandas.pydata.org/docs/社区教程原文：pandas.pydata.org/docs/getting_started/tutorials.html这是社区提供的许多 pandas 教程的指南，主要面向新用户。由 Julia Evans 撰写的 pandas cookbook这本 2015 年的 cookbook（由Julia Evans撰写）的目标是为您提供一些具体的示例，帮助您开始使用 pandas。这些都是使用真实数据的示例，以及所有相关的错误和怪异之处。有关
2024-04-24 11:48:13
537
原创 Pandas 2.2 中文官方教程和指南（九·三）
重新索引以与另一个对象对齐你可能希望取一个对象并重新索引其轴，使其标签与另一个对象相同。虽然这个操作的语法虽然冗长但简单，但它是一个常见的操作，因此reindex_like() 方法可用于简化此操作：In [213]: df2 = df.reindex(["a", "b", "c"], columns=["one", "two"])In [214]: df3 = df2 - df2.mean()In [215]: df2Out[215]: one twoa 1.394981
2024-04-24 11:47:09
474
原创 Pandas 2.2 中文官方教程和指南（九·二）
比较类似数组的对象当将 pandas 数据结构与标量值进行比较时，您可以方便地执行逐元素比较：In [65]: pd.Series(["foo", "bar", "baz"]) == "foo"Out[65]: 0 True1 False2 Falsedtype: boolIn [66]: pd.Index(["foo", "bar", "baz"]) == "foo"Out[66]: array([ True, False, False]) pandas 还处理
2024-04-24 11:46:38
677
原创 Pandas 2.2 中文官方教程和指南（九·一）
原文：pandas.pydata.org/docs/基本功能原文：pandas.pydata.org/docs/user_guide/basics.html在这里，我们讨论了与 pandas 数据结构共同的许多基本功能。首先，让我们创建一些示例对象，就像我们在 10 分钟入门 pandas 部分中所做的那样：In [1]: index = pd.date_range("1/1/2000", periods=8)In [2]: s = pd.Series(np.random.randn(5
2024-04-24 11:45:37
512
原创 Pandas 2.2 中文官方教程和指南（二十一·三）
部分字符串索引可以将日期和解析为时间戳的字符串作为索引参数传递：In [100]: ts["1/31/2011"]Out[100]: 0.11920871129693428In [101]: ts[datetime.datetime(2011, 12, 25):]Out[101]: 2011-12-30 0.56702Freq: BME, dtype: float64In [102]: ts["10/31/2011":"12/31/2011"]Out[102]: 2011-10
2024-04-24 11:43:09
678
原创 Pandas 2.2 中文官方教程和指南（二十一·二）
向后重新采样版本 1.3.0 中的新功能。有时，我们需要调整箱子的开始而不是结束，以便使用给定的freq进行向后重新采样。向后重新采样默认将closed设置为'right'，因为最后一个值应被视为最后一个箱子的边缘点。我们可以将origin设置为'end'。特定Timestamp索引的值表示从当前Timestamp减去freq到当前Timestamp的右闭区间的重新采样结果。In [345]: ts.resample('17min', origin='end').sum()Out[345]: 2
2024-04-24 11:42:40
667
原创 Pandas 2.2 中文官方教程和指南（二十一·一）
原文：pandas.pydata.org/docs/窗口操作原文：pandas.pydata.org/docs/user_guide/window.htmlpandas 包含一组紧凑的 API，用于执行窗口操作 - 一种在值的滑动分区上执行聚合的操作。该 API 的功能类似于groupby API，Series和DataFrame调用具有必要参数的窗口方法，然后随后调用聚合函数。In [1]: s = pd.Series(range(5))In [2]: s.rolling(window
2024-04-24 11:40:34
472
公司的自建邮件服务器投不进 163，显示“451 DT:SPM”
2020-02-19
imagemagick 从 png 转换的 pdf 太大了
2020-02-19
TA创建的收藏夹 TA关注的收藏夹
TA关注的人