欢迎回来，上一周我们整理了基础课中三大结构有关内容的具体应用及案例。可以通过以下几篇推文进行回溯：Python语言基础50课我的Python - 100天笔记 |D1-D7我的Python - 100天笔记 |D8-D14列表是Python中非常常见的数据结构，在基础课中也占了不小的篇幅。今天的推送就列表相关的内容再整理。列表是包含有索引
转载
2023-09-19 11:07:29
277阅读
维度：一维数据的组织形式；python中没有数组一说‘列表和数组的差别：列表中数据类型可以不同，在这个列表中可以是整型，字符串等；但是对于数组来说从概念上来说，其必须是同一类型；import numpy as np
def pysum():
a=np.array([0 1 2 3 4])
b=np.array([9 8 7 6 5])
c=a*
转载
2024-03-07 13:32:26
32阅读
数据归一化数据的归一化是将数据按比例缩放，使之落入一个小的特定范围。 最典型的是将数据统一映射到【0，1】区间上。数据归一化，简单说就是对不同性质的数据进行书同文、车同轨的规范化，将数据映射到同一个范围，这样便于对比分析不同性质的数据之间的区别和联系，而数据之间更普遍的联系会让他们产生1+1>2的效果。无论是从整体还是局部上看，数据规划都会让我们对数据的认识更加深入透彻，也会让数据发挥出更强
转载
2024-04-05 09:56:08
163阅读
多维数组 数组是一种常见的数据类型，由于数组中各元素具有相同的数据类型，并且数据元素的下标一般具有固定的上界和下界。 数组是一种元素个数固定的线性表 数组一般不做插入和删除的操作，因此数组一旦建立，结构中的元素个数和元素间的关系就不再发生变化，所以一般用顺序存储方法来表示数组 由于计算机的内存结构是一维的，所以二位数组一般用行向量，列向量形式表示&n
转载
2023-07-07 23:59:06
40阅读
河南前几天出现1例输入性新冠肺炎确诊病例，打破了连续十几天“0”增加的记录，也把河南人民重新带入疫情的黑暗恐怖之中。为了让大家的清晰地掌握该“毒王”的行程，我用pyecharts画出了他的动态路线图。第一步：安装pyecharts安装说起来比较简单，但是也有一些坑，直接在命令行用pip安装即可，但是要选择版本，因为最新版的pyecharts有些库不能用，如下图：但是运行后会出现如下错误：这个很好解
目录一、iris数据集介绍 二、一维数据可视化 三、二维数据可视化 四、多维数据可视化 五、参考资料一、iris数据集介绍iris数据集有150个观测值和5个变量，分别是sepal length、sepal width、petal length、petal width、species，其中species有3个取值：setosa、virginica、versicolor，反正就是鸾尾花的3个不同品种
转载
2024-04-07 13:27:36
94阅读
# 预先导入库
from sklearn.linear_model import LinearRegression
from sklearn.preprocessing import PolynomialFeatures
import matplotlib.pyplot as plt
import numpy as np
from scipy import interpolate在本例中，输入变量
转载
2023-12-26 14:34:50
61阅读
本文先导：在我们平时看NBA的时候，可能我们只关心球员是否能把球打进，而不太关心这个球的颜色，品牌，只要有3D效果，看到球员扣篮的动作就可以了，比如下图：如果我们直接对篮球照片进行几百万像素的处理，会有几千维甚至几万维的数据要计算，计算量很大。而往往我们只需要大概勾勒出篮球的大概形状就可以描述问题，所以必须对此类数据降维，这样会使处理数据更加轻松。这个在人脸识别中必须要降维，因为我们在做特征提取的
一、高维多元数据非线性/线性拟合：Matlab绘制三维空间网格散点图，使用cftool工具箱实现三维空间绘图。cftool工具箱是应用程序中的Curve Fitting应用。选择拟合曲线的类型，工具箱提供的拟合类型有：1) Custom Equations：用户自定义的函数类型。根据需求自行设定，但是有时候要根据实际数据情况设定，不然会出现偏差太大的问题，特别是对于实验结果数据拟合时，要根据变量与
转载
2023-09-13 22:31:12
802阅读
前言：这两天着手做毕设，在今年的研究生数学建模的基础上研究“大数据下多流形聚类分析”问题，导师要求我这周把每一个算法的实现对比一下效果展示给他看，表示今天google的搜索结果中没有找到诸如SSC的函数教程，又养成了不copy代码的习惯，那就自己从头开始学呗，刚好mathworks上面提供一篇详细的聚类分析的教程，特此翻译一下，希望自己和读者都能更好的咬文嚼字，以作为未来几天高维度数据matl
转载
2024-07-12 15:33:17
24阅读
自古以来，我们就希望预知未来，现如今，随着大数据人工智能技术的发展，我们早已经不满足传统的同比、环比等数据分析方法，但是时间序列趋势预测的传统算法又很专业，很难用于日常生产经营中。深度学习神经网络为我们提供较为通用的解决方案，我们将在这里实践基于Python Keras LSTM多维输入输出时序预测模型。1. 关于时间序列分析1.1. 时间序列分析时间序列就是按时间顺序排列的一组数据序列，以揭示随
转载
2023-11-22 12:25:23
163阅读
目录1 数据的维度2 Numpy介绍3 Numpy的数组对象：ndarry3.1 ndarray数组的创建方法3.2 ndarray数组的变换方法3.3 ndarray数组的操作3.4 ndarray数组的运算4 Numpy数据的存取4.1 数据的CSV文件存取4.2 多维数据的存取4.3 Numpy的便捷文件存取5 Numpy的函数5.1 Numpy的随机数函数5.2 Numpy的统计函数5.
转载
2023-07-25 23:20:08
130阅读
卷积神经网络（Convolutional Nerual Network）概述（Overview）卷积神经网络（ CNN ）是有一个或多个卷积层（常伴有下采样步骤）并后面跟一个或多个全连接层的标准多层神经网络。卷积神经网络在体系结构的设计利用了输入图像的二维结构（其它的二维输入还有语音信号等）。 卷积神经网络的实现是借助局部连接和在其之后的绑定权重，其中池化操作有平移不变特征。卷积神经网络的另一个
转载
2023-11-13 16:38:16
54阅读
# Python List 降维的介绍与实例
在数据处理和机器学习中，数据的维度常常是我们需要关注的重要因素。降维（dimensionality reduction）是将高维数据转换为低维数据，同时尽可能保留原始数据的特征。在Python中，有多种方法可以实现降维，其中一个常用的手段是利用列表（list）和NumPy库。
## 什么是降维？
降维的目的是减少数据的复杂性，降低计算成本，并提高
# 如何使用 Python 绘制高维图
高维图（高维数据可视化）是数据科学中一个重要的技术，能够帮助我们理解复杂的数据结构。本文将引导你如何使用 Python 绘制高维图，整体流程会以流程图的形式展示，并每一步的实现代码也将详细讲解。
## 整体流程
在实现高维图的过程中，我们将遵循以下步骤：
```mermaid
flowchart TD
A[数据准备] --> B[选择绘图库]
引言之前我们有一篇文章《一文读懂多维分析技术（OLAP）的进化过程》为大家介绍了多维分析技术（即联机分析处理（On-Line Analytical Processing），简称OLAP）的前世今生及发展方向。正是由于多维分析技术在业务分析系统的核心功能中的不可替代性，随着商业智能系统的深入应用，分析系统的数据量呈指数级增长，原有依赖硬盘IO处理性能（包括传统数据库、多维立方体文件）的多维分析技术遭
转载
2024-03-01 20:55:42
36阅读
Python元组-操作-拷贝Python的元组与列表类似，不同之处在于元组的元素不能修改。元组中的元素也不能被删除，但可以删除整个元组元组使用小括号，列表使用方括号。元组创建，只需要在括号中添加元素，并使用逗号隔开即可。1.元组的定义[笛卡尔积]中每一个素（d1，d2，…，dn），叫作一个n元组（n-tuple）或简称元组。当关系是一张表，二维表中的行表中的每行(即中的每条记录)就是一个元组，每列
转载
2023-08-19 22:09:25
60阅读
数据聚合、汇总和可视化是支撑数据分析领域的三大支柱。长久以来，数据可视化都是一个强有力的工具，被业界广泛使用，却受限于 2 维。在本文中，作者将探索一些有效的多维数据可视化策略（范围从 1 维到 6 维）。一、可视化介绍描述性分析（descriptive analytics）是任何分析生命周期的数据科学项目或特定研究的核心组成部分之一。数据聚合（aggregation）、汇总（summarizat
转载
2024-08-30 20:55:31
47阅读
一、Numpy优势Numpy运算速度上的优势Numpy的数组内存块风格Numpy的并行化运算1、Numpy介绍Numpy（Numerical Python）是一个开源的Python科学计算库，用于快速处理任意维度的数组。Numpy支持常见的数组和矩阵操作。对于同样的数值计算任务，使用Numpy比直接使用Python要简洁的多。Numpy使用ndarray对象来处理多维数组，该对象是一个快速而灵活的
转载
2024-07-30 11:35:06
40阅读
# 多维数据拟合与Python
在数据分析领域，我们经常需要对多维数据进行拟合，以发现数据间的规律和趋势。通过数据拟合，我们可以更好地理解数据背后的含义，并为未来的预测和决策提供支持。Python作为一种功能强大的编程语言，提供了许多工具和库来实现多维数据的拟合。本文将介绍如何使用Python进行多维数据拟合，并给出相关的代码示例。
## 数据准备
首先，我们需要准备一组多维数据，以便进行拟
原创
2024-03-28 03:52:54
247阅读
