Other articles

  1. python爬虫cookbook-爬虫入门

    技术支持qq群：437355848 630011153 144081101

    本文最新版本

    第一章 爬虫入门

    • Requests和Beautiful Soup 爬取python.org
    • urllib3和Beautiful Soup 爬取python.org
    • Scrapy 爬取python.org
    • Selenium和PhantomJs爬取Python.org

    请确认可以打开：https://www.python.org/events/pythonevents 安装好requests、bs4，然后我们开始实例1：Requests和Beautiful Soup 爬取python.org, 安装如果有问题尽量自己google，如果实在搞不定可以群里提问，或私聊咨询qq37391319, 咨询是需要收费，qq红包10元起

    1
    # pip3 install requests bs4

    Requests和Beautiful Soup 爬取python.org

    • 目标： 爬取https …
    read more

  2. python数据分析快速入门教程4-数据汇聚

    本书目录

    我们需要的所有信息可能记录在单独的文件和数据帧中。例如，可能有一个公司信息单独表和股票价格表，数据被分成独立的表格以减少冗余信息。

    连接

    • 添加行

    4-1.py

    import pandas as pd

df1 = pd.read_csv('data/concat_1.csv')
df2 = pd.read_csv('data/concat_2.csv')
df3 = pd.read_csv('data/concat_3.csv')

print(df1)
print(df2)
print(df3)

row_concat = pd.concat([df1, df2, df3])
print(row_concat)
print(row_concat.iloc[3, ])

new_row_series …
    read more

  4. python opencv3 cookbook1: I/O和GUI

    • I/O和GUI 图像的基本操作以及视频：加载、保存和显示。
    • 矩阵，颜色和过滤器，访问图像，通道和图像的区域、像素。各种颜色空间之间的转换和过滤器的使用
    • 轮廓​​和分段。显示如何创建图像掩码，查找轮廓和细分图像。
    • 对象检测和机器学习，描述检测和跟踪不同类型的物体，特别是（QR代码和ArUCo标记）
    • 深度学习概述了OpenCV中的新功能与深层神经网络连接。加载深度学习模型并将其应用于计算机视觉任务。
    • 线性代数。解决线性代数问题型并将其应用于计算机视觉。
    • 测器和描述符 包含有关如何使用图像特征描述符：如何用它们进行计算、显示、匹配
    • 图像和视频处理 图像序列并根据相关性得到结果序列。
    • 多视图几何 如何使用摄像机检索关于场景的3D几何的信息

    第一章：I/O和GUI

    介绍

    很少没有任何缺失值的数据集。 有许多缺失数据的表示。 在数据库中是NULL值，一些编程语言使用NA。缺失值可以是空字符串：''或者甚至是数值88或99等。Pandas显示缺失值为NaN。

    本章将涵盖：

    • 从文件中读取图像
    • 简单的图像转换 - 调整大小和翻转
    • 使用有损和无损压缩保存图像
    • 在OpenCV窗口中显示图像
    • 使用UI元素 …
    read more

  5. python数据分析快速入门教程5-处理缺失数据

    本书目录

    第5章 缺失数据

    介绍

    很少没有任何缺失值的数据集。 有许多缺失数据的表示。 在数据库中是NULL值，一些编程语言使用NA。缺失值可以是空字符串：''或者甚至是数值88或99等。Pandas显示缺失值为NaN。

    本章将涵盖：

    • 什么是缺失值
    • 如何创建缺失值
    • 如何重新编码并使用缺失值进行计算

    什么是缺失值

    可以从numpy中获得NaN值，在Python中看到缺失值使用几种方式显示：NaN，NAN或nan，他们都是相等的。

    NaN不等于0或空字符串''。

    In [1]: from numpy import NaN, NAN, nan

In [2]: print(NaN == True, NaN == False, NaN == 0, NaN == '', sep='|')
False|False|False|False

In [3]: print(NaN == NaN …
    read more

  6. pandas大数据分析性能优化实例-read_csv引擎和分组等

    需求

    人脸识别的人名如下，共452人

     1
 2
 3
 4
 5
 6
 7
 8
 9
10
11
    $ head i_enroll.txt 
output/enroll_list/D23
output/enroll_list/I54
output/enroll_list/G23
output/enroll_list/G43
output/enroll_list/F38
output/enroll_list/I20
output/enroll_list/J19
output/enroll_list/E42
output/enroll_list/F31
output/enroll_list/F22

    人脸识别的图片列表如下，共269796张

     1 …
    read more

  7. pandas入门

    pandas入门

    简介

    pandas包含的数据结构和操作工具能快速简单地清洗和分析数据。

    pandas经常与NumPy和SciPy这样的数据计算工具，statsmodels和scikit-learn之类的分析库及数据可视化库（如matplotlib）等一起用使用。pandas基于NumPy的数组，经常可以不使用循环就能处理好大量数据。

    pandas适合处理表格数据或巨量数据。NumPy则适合处理巨量的数值数组数据。

    这里约定导入方式：

    技术支持qq群：630011153

    1
    import pandas as pd

    pandas数据结构介绍

    • 技术支持 (可以加钉钉pythontesting邀请加入) qq群：144081101 591302926 567351477

    • 道家技术-手相手诊看相中医等钉钉群21734177 qq群：391441566 184175668 338228106 看手相、面相、舌相、抽签、体质识别。服务费50元每人次起。请联系钉钉或者微信pythontesting

    接口自动化性能测试数据分析人工智能从业专家一对一线上培训大纲

    主要数据结构:Series和DataFrame。

    Series

    Series类似于一维数组的对象,它由一组数据(NumPy类似数据类型)以及相关的数据标签(即索引)组成。仅由一组数据即可产生最简单的Series:

     1 …
    read more

  8. python数据分析快速入门教程-目录

    本书目录

    参考资料

    read more

  9. python数据分析快速入门教程1-开胃菜.

    本书目录

    简介

    Pandas是用于数据分析的开源Python库,也是目前数据分析最重要的开源库。它能够处理类似电子表格的数据，用于快速数据加载，操作，对齐，合并等。为Python提供这些增强功能，Pandas的数据类型为：Series和DataFrame。DataFrame为整个电子表格或矩形数据，而Series是DataFrame的列。DataFrame也可以被认为是字典或Series的集合。

    加载数据

    load.py

    #!/usr/bin/env python3
# -*- coding: utf-8 -*-
# load.py

import pandas as pd

df = pd.read_csv(r"../data/gapminder.tsv", sep='\t') 

print("\n\n查看前五行")
print(df.head())

print("\n\n查看类型 …
    read more

Page 1 / 2 »

links