qq_42839893-CSDN博客

需要注意的是，C++中的示例使用了C++标准库中的map容器，实际使用中还可以使用其他容器，如unordered_map等。最后，通过for循环遍历map，打印出键值对的内容。在Python和C++中，dict和map是用于存储键值对的数据结构，但在语法和实现上存在一些差异。键和值的类型：Python的dict可以存储各种类型的键和值，包括不同的数据类型和对象。语言和语法：dict是Python的内置数据类型，在Python中直接使用，而map是C++标准库中的容器，需要包含相应的头文件和使用命名空间。

2023-09-08 18:28:52 370

原创代码随想录算法训练营第二天 | 242. 有效的字母异位词、349. 两个数组的交集、1. 两数之和

242. 有效的字母异位词、349. 两个数组的交集、1. 两数之和。

2023-09-07 17:23:21 167

原创代码随想录算法训练营第一天 |142.环形链表II

今天是代码随想录的第一天！做了142.环形链表II这道题目。两个数学推导挺有意思的；

2023-09-06 13:23:08 501

原创 8.旭日图+热力地图

旭日图+热力地图1.旭日图2.热力地图（中国和世界）2.1 2020年全国各省市GDP排名前十省市2.2新冠肺炎累计确诊病例数最多的十个国家1.旭日图from pyecharts.charts import Sunburstfrom pyecharts.faker import Fakerimport pyecharts.options as optsdata=[ opts.SunburstItem(1000,name='三爷爷',children=[

2021-06-28 16:34:46 431

原创 7.雷达图+玫瑰图

雷达图+玫瑰图雷达图玫瑰图import pandas as pdimport numpy as npfrom pyecharts.charts import Radarimport pyecharts.options as optsdata1 = [81, 87,65, 78, 73]data2 = [92, 76, 82, 63, 88]雷达图ind=['语文','数学','英语','科学','社会']rii=[]for i in ind: rii.append(opts.R

2021-06-28 16:30:57 510

原创 6.月K线图+日历图

月K线图+日历图月K线图日历图月K线图from pyecharts.charts import Klineimport pyecharts.options as optsimport pandas as pd#读数据df = pd.read_csv("stocks.csv",header=None)#选时间df['Date'] = pd.to_datetime(df[0])data = df[(df['Date']>=pd.Timestamp('2017-01-01'))&(

2021-06-28 16:28:42 277

原创 5.环形图+双坐标轴图

环形图+双坐标轴图环形图双坐标轴图环形图import pandas as pdimport numpy as npfrom pyecharts.faker import Fakerfrom pyecharts.charts import Pieimport pyecharts.options as optsfrom pyecharts.charts import Line,Bardef classify(data): dic = {} for i in data:

2021-06-28 16:25:43 166

原创 4.火柴杆图

火柴杆图import pandas as pdimport numpy as npimport matplotlib.pyplot as pltdata = pd.read_csv("sales4.csv",encoding = "GBK")data_1 = data.groupby("产品")['第1季度','第2季度','第3季度','第4季度'].agg(np.sum)x = list(data_1.index)y = data_1['第1季度']m = data_1['第1季度']

2021-06-28 16:22:14 663

原创 3.直方图和箱形图

直方图和箱形图1.直方图2.箱形图import matplotlib.pyplot as pltimport numpy as npimport pandas as pddata = pd.read_csv("customers.csv",header=None)data1.直方图plt.hist(data[2],bins= 14,range=(10,80),edgecolor='k')t = range(10,80,5)plt.xticks(t)plt.xlabel("年龄")

2021-06-28 16:18:30 308

原创 2.折线图和饼图

绘制折线图和饼图1.任务一：对每个季度绘制一条折线，其数据点为每个客户对应该季度所有产品的销售额2.任务二：分别统计每个季度的销售总额（不分产品和客户），然后绘制出4个季度销售总额的饼图。import pandas as pdimport matplotlib.pyplot as pltimport numpy as npdata = pd.read_csv("sales4.csv",encoding = "GBK")1.任务一：对每个季度绘制一条折线，其数据点为每个客户对应该季度所有产

2021-06-28 16:08:47 192

原创 1.分组+条形图

分组+条形图Step1:分组step2:画条形图#所有的数据以及代码已经放到“我的资源”里面了import pandas as pdimport numpy as npimport matplotlib.pyplot as pltdf = pd.read_csv("sales4.csv",encoding = "GBK")Step1:分组df_group = df.groupby("产品")['第1季度','第2季度','第3季度','第4季度'].agg(np.sum)step2:画条

2021-06-28 16:05:12 223

转载 2021美赛|3|决策树可视化

参考这一篇了https://developer.aliyun.com/article/7535072021美赛|2|第三题决策树分类模型1.训练决策树模型1.导包import matplotlib.pyplot as pltfrom sklearn.datasets import load_irisfrom sklearn.datasets import load_breast_cancerfrom sklearn.tree import DecisionTreeClassifierfro

2021-02-10 12:17:26 465

原创美赛2021D题｜第1问｜pagerank算法

美赛2021D题｜1｜pagerank算法import networkx as nximport matplotlib.pyplot as plt if __name__ == '__main__': # 读入有向图，存储边 f = open('influence_data_pagerank1.txt', 'r') # 将两个节点进行区分开来 edges = [line.strip('\n').split('\t') for line in f]

2021-02-10 12:04:03 384

原创以商圈为例，进行层次聚类，k-means聚类，T-SNE，PCA降维

以商圈为例，进行层次聚类，k-means聚类，T-SNE，PCA降维data的地址：链接: https://pan.baidu.com/s/1A95Dg1O3ovnkpST1c1EFLw 密码: i3cc层次聚类，k-means聚类，T-SNE，PCA降维1.读取数据1.1归一化2.层次聚类3.k-means聚类4.TSNE降维5.PCA降维5.1解释的比例5.2绘制图像呈现1.读取数据import pandas as pddf = pd.read_excel("business_circle.

2021-02-01 14:56:21 919

转载元胞自动机

https://github.com/xhguleixin123/Cellular-Automataimport matplotlib.pyplot as pltimport numpy as npfrom matplotlib import animationclass Autocell(object): """ 实例化 width : 元胞数组的宽度 height ：元胞数组的宽度从而实例化 cells 元胞数组 """ def

2021-01-31 21:55:12 165

原创 np.roll的用法

import numpy as np# np.roll(a, shift, axis=None)# 意思是将a，沿着axis的方向，滚动shift长度# example1a = np.arange(10)print(a)for i in range(5): a = np.roll(a, 2) print(a)# example 2b = np.reshape(a, (2, 5))print(b)for j in range(5): b = np.roll(b

2021-01-31 21:52:28 1909

转载用python实现传染病模型传染病模型

用python实现传染病模型1.SI模型1.1 代码实现1.2 模型的结果2.SIS （治愈后仍然还是易感者）2.1 代码实现2.2模型的结果3 SIR模型（治愈后直接移除）3.2代码实现3.2绘制图像：4.SEIR 模型（新增一个人群，叫潜伏者E）4.1代码实现4.2模型的结果参考文章为：https://www.kesci.com/mw/project/60161bf6ac79f40016b7d7d91.SI模型示意图：我们假设城市有一千万（N=10的7次方）人，每个患者每天接触感染每天0.

2021-01-31 12:07:40 8416

原创 Machine Learning Explainability（1）

PI_kaggleMachine Learning Explainability（1）Why Are These Insights Valuableexample:!!!Permutation Importance code:PI方法不受量纲影响Why Are These Insights ValuableThese insights have many uses, includingDebuggingInforming feature engineeringDirecting future

2021-01-29 17:22:30 197

原创 Ubuntu下rar带密码压缩/解压命令

sudo apt-get install unrar进行安装unrar的东西示例：rar -p a 1.rar 2.csv会提示输入两次密码。解压：unrar x 1.rar会提示输入密码。

2021-01-26 22:21:18 2607

原创 PAT Day 2 代码训练

PAT Day 2 代码训练PAT Day2B1001B1011注意点A1051feelingsPAT Day2B1001//B1001#include <cstdio>int main(){ int n; scanf("%d" , &n); int number = 0; while(n != 1){ if (n % 2 == 0){ n = n / 2; number++;

2021-01-23 21:21:40 582 1

原创 kaggle_course_Interactive_Maps（3）交互式html

Interactive_Maps 3导包one tip1.simplest 的 map2.map+点3.map+聚集起来的点4.map+根据数量多少变化颜色的点5.map+热力图6.map+区域密度显示图Execrise:1.地震和板块的边界2.日本人口密度分布3.人口密度和地震强度导包import pandas as pdimport geopandas as gpdimport mathimport foliumfrom folium import Choropleth, Circle,

2021-01-16 00:39:50 278

原创 kaggle_courses_geospatial-analysis(2)

coordinate reference system (CRS)这个有点没看懂(what is the meaning of that?)kaggle_courses_geospatial-analysis 2IntroductionTips计算面积regions.geometry.area（.geometry.area）将dataframe格式的文件转化为GeoDataFrame看一下是否有这两个大陆在这个world['continent']中计算某个地区的面积（以南美South America.

2021-01-15 16:48:08 163

原创特征工程6大方法

1) Add interaction featuresHere you’ll add interaction features for each pair of categorical features (ip, app, device, os, channel). The easiest way to iterate through the pairs of features is with itertools.combinations. For each new column, join the va

2021-01-15 00:08:56 151

原创 kaggle_courses_geospatial-analysis(1)

geospatial-analysisIntroduction读入数据绘制地图！！！得到所有国家的地图边界数据！！！画出我中华人民共和国的地图画出Kiva慈善组织的在全世界范围内的行善地点IntroductionIn this micro-course, you’ll learn about different methods to wrangle and visualize geospatial data, or data with a geographic location.Along th

2021-01-14 17:10:42 114

原创 kaggle_course_overfitting & early-stopping

Early stoppingoverfitting & early-stoppingIntroductionInterpreting the Learning CurvesCapacityEarly Stoppingone example !!!1.数据预处理2.搭建网络与进行编译3.模型训练与可视化loss曲线图overfitting & early-stoppingIntroductionRecall from the example in the previous lesson

2021-01-12 16:38:05 502

原创 kaggle course for feature_Engineering_Skill 1 Categorical Encodings

Skill 1 Categorical Encodings预先的操作使用LGB进行预测以ROC来进行模型的评价1) Construct features from timestamps2) Label Encoding(preprocessing.LabelEncoder()函数，直接用数字不同代表不同)3.Create train/validation/test splitsSkill 1 Categorical Encodingsway 1 count encodingCount Encodingw

2021-01-12 12:55:39 121

原创 kaggle_course(Parsing Dates)

change the string to datatime64标准形式landslides[‘date_parsed’] = pd.to_datetime(landslides[‘date’], format="%m/%d/%y")pd.to_datetime(landslides[‘date’], infer_datetime_format=True)有的时候比较智能，能自动识别格式然而，也可能犯错的.dt.day 可以将day提取出来np.where函数用来找东西...

2021-01-07 17:08:37 87

原创 How to handle the missing value && scale and normalization

How to handle the missing value && scale and normalizationHow to handle the missing value.dropna函数按照行进行丢弃（axis = 0）.dropna函数按照列进行丢弃(axis = 1).fillna(0)将缺失值直接填充为0.fillna(method='bfill', axis=0)：将下一行的缺失数据直接填充为上一行的数据scale and normalizationscaling you

2021-01-07 16:25:12 277

数据可视化课程整体代码+数据.zip

专栏数据可视化所需数据.zip

空空如也