目录第二章 Python编程基础第三章 函数第四章 面向对象编程基础第五章 模块第六章 Python文件和数据库第二章 Python编程基础1、Python常用的数据类型有数值、字符串、列表、元组和字典，其中，字符串和元组是不可变序列。可以使用type(object)来检测对象的类型。2、字符串、列表和元组都可以通过下标进行元素的访问。字典只能通过键来访问元素。3、字符串、元组、列表、字典分别有不
转载
2023-08-10 22:05:20
101阅读
第1部分 基 础 篇第1章Python语言基础 /21.0 引子 /21.1 工欲善其事，必先利其器（安装Python） /31.2 学跑得先学走（语法基础） /91.3
文章目录python基础内置数据类型python特点：基本内置类型对象内置数据结构（如何组织）序列集合映射拓展数据类型np.ndarray类型数据对象基本属性 ndim shape dtype Itemsize size基本方法Pandas.Series类型数据对象Pandas.DataFrame类型数据对象数据分析方法开源平台与工具 python基础内置数据类型python特点：弱数据类型、面
转载
2023-06-27 15:30:39
55阅读
最近开始学习python，这几天学习了python基础数据类型的相关知识，下面是我对这节内容学习的知识点总结。数字类型及操作round(x,d):对x四舍五入，d是小数截取位数 abs(x): 求x的绝对值 divmod(x,y):商余，同时输出商(整数除)和余数（x//y，x%y） a** b: a的b次方 x//y：整除数，x与y的整数商 x%y：余数 pow(x,y[,z]):幂余，(x**
Python+大数据-Ptython学习(四)1. 集合1.1 集合的定义变量 = {数据1， 数据2， 数据3.。。。}空集合：set（）集合是一个无序的 不重复的数据序列列表 字典 集合,不能放入集合中,作为元素出现
拓展:不能作为集合元素的数据类型,同样不能作为字典的键出现# 集合: 集合是一个无序,不重复的数据序列
# 无序: 程序员无法控制其排不顺序, 程序员无法使用索引查找或修
大数据技术总结大纲概念应用难题技术栈大数据架构1. 数据收集Sqoop/CanalFlumeKafka2. 数据存储HDFSHBaseKudu3. 分布式协调与资源管理ZookeeperYarn4. 数据计算MapReduceSparkImpala/PrestoStormFlink5. 数据分析HivePigSparkSQLMahout/MLLibApache BeamMOLAPHadoop发行
大数据复习第一章、大数据概述1.1 大数据时代背景：2010年前后，大数据、云计算、物联网的快速发展，拉开了第三次信息化浪潮的大幕。大数据时代的技术支撑：存储设备容量不断增加，读写速度提升，价格下降CPU处理能力大幅提高，促进数据量的增加，“摩尔定律”网络带宽不断增加，网络覆盖范围和速度都增加数据产生方式的变革促成了大数据时代的来临：阶段一：运营式系统阶段自数据库诞生开始数据库总保存了大量结构化的
大数据技术原理与应用学习笔记（八）本系列历史文章Hadoop再探讨Hadoop的优化与发展Hadoop1.0到Hadoop2.0不断完善的Hadoop生态系统HDFS2.0新特性HDFS HA（高可用性）HDFS FederationYARN——新一代资源管理调度框架MapReduce1.0中的缺陷YARN设计思路YARN体系结构ResourceManagerApplicationMasterN
大数据概念：大数据是指无法在一定时间内用常规软件工具对其内容进行抓取、管理和处理的数据集合。大数据特征：分布式结构： 由于分布在不同的主机上的进程，协同工作，一起才能构成整个应用。4V特征： Volumn：体量大，单个数据体量大，数据条数也是海量。 Velocity：数据快，数据时效性高，由于数据基数大的原因，数据的操作必须要高速。 Variaty：样式多，可以存储多种类型的数据，包括结构化数据，
Spark的基础编程Spark的一些基本概念1.RDD：弹性分布式数据集，是分布式内存的一个抽象概念，提供了一种高度受限的共享内容模型，即RDD是只读的记录分区的集合，只能基于稳定的物理存储中的数据集来创建RDD，或者通过其它RDD上执行确定的转换操作（如map,join,group by）来创建，这些限制使得实现容错的开销很低。一个RDD 就是一个分布式对象集合，作为数据结构，RDD本质上是一个
1. 数据科学领域中常用的python库Numpy库：数据运算的基础库，运行效率高(底层C语言，高效index)Scipy库：实现了常用的科学计算方法(线性代数，傅里叶变换，信号和图像处理)Pandas库：分析数据的利器，高级数据结构(Series，DataFrame)Matplotlib库：绘图功能(散点，曲线，柱形)2. Anaconda的使用说明介绍：著名的python数据科学平台，开源，跨
大数据技术的体系庞大且复杂，基础的技术包含数据的采集、数据预处理、分布式存储、NoSQL数据库、数据仓库、机器学习、并行计算、可视化等各种技术范畴和不同的技术层面。通用化的大数据处理框架，主要分为下面几个方面：大数据采集与预处理、大数据存储、大数据清洗、大数据查询分析和大数据可视化。一、大数据采集大数据采集，即对各种来源的结构化和非结构化海量数据，所进行的采集。数据库采集：流行的有Sqoop和ET
转载
2023-09-07 12:56:39
49阅读
1.数据产生方式的变革主要经历了三个阶段，以下哪个不属于这三个阶段：A. 数据流阶段B. 运营式系统阶段C. 用户原创内容阶段D. 感知式系统阶段2单选(2分) 第三次信息化浪潮的发生标志是以下哪种技术的普及A. 物联网、云计算和大数据B. CPUC. 个人计算机D. 互联网3单选(2分) 1TB = ( )MBA. 2^20（备注：2的20次方）B. 1024C. 1000D. 2^10（备注：
概述 数据分析即从数据、信息到知识的过程，数据分析需要数学理论、行业经验以及计算机工具三者结合数据分析工具 ：各种厂商开发了数据分析的工具、模块，将分析模型封装，使不了解技术的人也能够快捷的实现数学建模，快速响应分析需求传统分析 ：在数据量较少时，传统的数据分析已能够发现数据中包含的知识，包括
转载
2023-09-15 09:56:40
105阅读
[填空题] 属于材料因素和环境因素的，多以()性缺陷为主。[填空题] 钢结构的防火方法有紧贴包裹法、实心包裹法、和()。[填空题] 砖砌体中长度小于25mm的错缝为通缝，连续()皮通缝为不合格。[单选] 不均匀沉降不会导致()[多选] 常用热轧型钢主要有()。[填空题] 常见建筑工程中的土体滑动有深基基础槽的变位滑动和()。[名词解释] 砂浆的和易性[多选] 单向板的受力特点有()。[单选] 钢板
python大数据numpy期末复习目录python大数据numpy期末复习一、需要安装使用的包二、numpy初使用 1.数组的创建：np.array() 2. 数组元素获取:1.数组名[行数-1，列数-1]2.提取数组元素3.数组信息提取4.多数组操作5.常用数学和统计函数常用数学函数：常用统计函数：6.排序输出7.排序输出  
转载
2023-09-15 22:12:44
66阅读
大数据技术的体系庞大且复杂，基础的技术包含数据的采集、数据预处理、分布式存储、NoSQL数据库、数据仓库、机器学习、并行计算、可视化等各种技术范畴和不同的技术层面。首先给出一个通用化的大数据处理框架，主要分为下面几个方面：数据采集与预处理、数据存储、数据清洗、数据查询分析和数据可视化。一、数据采集与预处理对于各种来源的数据，包括移动互联网数据、社交网络的数据等，这些结构化和非结构化的海量数据是零散
转载
2023-08-10 00:09:02
231阅读
1.试述MapReduce和Hadoop的关系。Google公司最先提出了分布式并行编程模型MapRedece ，Hadoop是一个实现了MapReduce模式的开源的分布式并行编程框架。Google的MapReduce运行在分布式文件系统GFS上，与Google类似，HadoopMapReduce运行在分布式文件系统HDFS上。相对而言，HadoopMapReduce要比GoogleMapRed
一、Hadoop简介及其应用现状1、Hadoop简介 Hadoop（是大数据技术的集合体，一整套解决方案的统称）是由Java开发的，支持多种编程语言。2、Hadoop的理论基础（1）Hadoop的两大核心 ①分布式文件系统（HDFS）； &
转载
2023-06-08 15:42:48
326阅读
Python数据分析的第一步是了解Python的数据结构及对应的数据常规操作。数据基本结构包括元组（tuple)、列表（list)、字典（dictionary)、集合（set)，是构成各类数据的基本要件；存储数据的常见形式包括ndarray、Series、DataFrame，是存储大型数据信息的主要形式，可由元组、列表、字典、集合转换而成；数据常规操作包括数据属性（方法）、数据创建、数据切片（索引
