pandas数据映射、聚合和绘图函数

import pandas as pd
pd.__version__
# 就是pandas模块，对一些汉字，处理不好，版本会继续升级的

输出

‘0.22.0’

# pandas数据处理

import numpy as np
from pandas import Series, DataFrame

## 1、删除重复元素 ### 使用duplicated()函数检测重复的行，返回元素为布尔类型的Series对象，每个元素对应一行，如果该行不是第一次出现，则元素为True

# 在mysql中有属性表，城市，省份 市 市的名字只能是唯一，唯一键的效率低
# 如果有属性数据重复，那么pandas拿到的就是一个带有数据冗余的表

df = DataFrame({'color': ['white', 'red', 'white'], 'size': [10, 20, 10]})
df

.dataframe tbody tr th:only-of-type { vertical-align: middle; } .dataframe tbody tr th { vertical-align: top; } .dataframe thead th { text-align: right; }

	color	size
0	white	10
1	red	20
2	white	10

# 
df.duplicated()

输出

0 False
1 False
2 True
dtype: bool

### 使用drop_duplicates()函数删除重复的行

df.drop_duplicates()

.dataframe tbody tr th:only-of-type { vertical-align: middle; } .dataframe tbody tr th { vertical-align: top; } .dataframe thead th { text-align: right; }

	color	size
0	white	10
1	red	20

### 如果使用pd.concat([df1,df2],axis = 1)生成新的DataFrame，新的df中columns相同，使用pandas低版本使用duplicate()和drop_duplicates()都会出问题

df2 = pd.concat([df, df], axis=1)
df2

.dataframe tbody tr th:only-of-type { vertical-align: middle; } .dataframe tbody tr th { vertical-align: top; } .dataframe thead th { text-align: right; }

	color	size	color	size
0	white	10	white	10
1	red	20	red	20
2	white	10	white	10

df2.duplicated()

输出

0 False
1 False
2 True
dtype: bool

df2.drop_duplicates()

.dataframe tbody tr th:only-of-type { vertical-align: middle; } .dataframe tbody tr th { vertical-align: top; } .dataframe thead th { text-align: right; }

	color	size	color	size
0	white	10	white	10
1	red	20	red	20

# 如果真的出现了两列完全相同，那么我们该怎么删除列
# drop 会删除所有的
df2.T.drop_duplicates().T

.dataframe tbody tr th:only-of-type { vertical-align: middle; } .dataframe tbody tr th { vertical-align: top; } .dataframe thead th { text-align: right; }

	color	size
0	white	10
1	red	20
2	white	10

## 2. 映射映射的含义：创建一个映射关系列表，把values元素和一个特定的标签或者字符串绑定需要使用字典： `map = { ‘label1’:’value1’, ‘label2’:’value2’, … } ` 包含三种操作： - replace()函数：替换元素 - 最重要：map()函数：新建一列 - rename()函数：替换索引 ### 1) replace()函数：替换元素

df

.dataframe tbody tr th:only-of-type { vertical-align: middle; } .dataframe tbody tr th { vertical-align: top; } .dataframe thead th { text-align: right; }

	color	size
0	white	10
1	red	20
2	white	10

df.mean()

输出

size 13.333333
dtype: float64

d = {'white': 255, 'red': 128}
df.replace(d)

.dataframe tbody tr th:only-of-type { vertical-align: middle; } .dataframe tbody tr th { vertical-align: top; } .dataframe thead th { text-align: right; }

	color	size
0	255	10
1	128	20
2	255	10

d = {'white': 255, 'gray': 128}
df.replace(d)

# map也可以用来检索文章中敏感词

.dataframe tbody tr th:only-of-type { vertical-align: middle; } .dataframe tbody tr th { vertical-align: top; } .dataframe thead th { text-align: right; }

	color	size
0	255	10
1	red	20
2	255	10

### 使用replace()函数，对values进行替换操作作用：数据处理时，需要将，String类型转换成int，然后才可以进行计算机运算性别，男：0；女：1 ### 首先定义一个字典 ### 调用.replace() ### replace还经常用来替换NaN元素

df

.dataframe tbody tr th:only-of-type { vertical-align: middle; } .dataframe tbody tr th { vertical-align: top; } .dataframe thead th { text-align: right; }

	color	size
0	white	10
1	red	20
2	white	10

df['size'][0] = np.nan

C:\Users\Administrator\Anaconda3\lib\site-packages\ipykernel_launcher.py:1: SettingWithCopyWarning: A value is trying to be set on a copy of a slice from a DataFrame See the caveats in the documentation: http://pandas.pydata.org/pandas-docs/stable/indexing.html#indexing-view-versus-copy “”“Entry point for launching an IPython kernel. C:\Users\Administrator\Anaconda3\lib\site-packages\pandas\core\indexing.py:194: SettingWithCopyWarning: A value is trying to be set on a copy of a slice from a DataFrame See the caveats in the documentation: http://pandas.pydata.org/pandas-docs/stable/indexing.html#indexing-view-versus-copy self._setitem_with_indexer(indexer, value)

# 我们的表中有中如果nan,我们想填充0， fillna()

d = {np.nan: 0}
df.replace(d)

.dataframe tbody tr th:only-of-type { vertical-align: middle; } .dataframe tbody tr th { vertical-align: top; } .dataframe thead th { text-align: right; }

	color	size
0	white	0.0
1	red	20.0
2	white	10.0

### 2) map()函数：新建一列使用map()函数，由已有的列生成一个新列适合处理某一单独的列。

df2 = DataFrame(np.random.randint(0, 150, size=(4, 2)),
               columns=['Python', 'Java'],
               index=list('abcd'))
df2

.dataframe tbody tr th:only-of-type { vertical-align: middle; } .dataframe tbody tr th { vertical-align: top; } .dataframe thead th { text-align: right; }

	Python	Java
a	58	1
b	99	71
c	66	7
d	104	143

#使用map函数新建一列
# 生成一个Math的列
df2['Math'] = df2['Python'].map(lambda x: x + 20)
df2

.dataframe tbody tr th:only-of-type { vertical-align: middle; } .dataframe tbody tr th { vertical-align: top; } .dataframe thead th { text-align: right; }

	Python	Java	Math
a	58	1	78
b	99	71	119
c	66	7	86
d	104	143	124

def level(x):
    if x > 100:
        return '完美'
    elif x > 100 and x >= 80:
        return '优秀'
    elif x < 80 and x >= 60:
        return '及格'
    else:
        return '不及格'

#用数学成绩判断这个人的等级，然后将判断得到的等级添加为一列
df2['level'] = df2['Math'].map(level)
df2

.dataframe tbody tr th:only-of-type { vertical-align: middle; } .dataframe tbody tr th { vertical-align: top; } .dataframe thead th { text-align: right; }

	Python	Java	Math	level
a	58	1	78	不及格
b	99	71	119	完美
c	66	7	86	不及格
d	104	143	124	完美

### 仍然是新建一个字典 ### map()函数中可以使用lambda函数 ### transform()和map()类似 transform是变形的意思 transform中的值只能是一个function

df2['Math'] = df2['Math'].transform(lambda x: x + np.random.randint(0, 50, size=1)[0])
df2

.dataframe tbody tr th:only-of-type { vertical-align: middle; } .dataframe tbody tr th { vertical-align: top; } .dataframe thead th { text-align: right; }

	Python	Java	Math	level
a	58	1	121	不及格
b	99	71	161	完美
c	66	7	134	不及格
d	104	143	158	完美

使用map()函数新建一个新列

df2.drop('level', axis=1, inplace=True)
df2

# 我们在pandas中map中最大区别一个使用dict一个不可以使用
df2['level'] = df2['Java'].transform(level)
df2

.dataframe tbody tr th:only-of-type { vertical-align: middle; } .dataframe tbody tr th { vertical-align: top; } .dataframe thead th { text-align: right; }

	Python	Java	Math	level
a	58	1	121	不及格
b	99	71	161	及格
c	66	7	134	不及格
d	104	143	158	完美

### 3) rename()函数：替换索引仍然是新建一个字典使用rename()函数替换行索引

df2

.dataframe tbody tr th:only-of-type { vertical-align: middle; } .dataframe tbody tr th { vertical-align: top; } .dataframe thead th { text-align: right; }

	Python	Java	Math	level
a	58	1	121	不及格
b	99	71	161	及格
c	66	7	134	不及格
d	104	143	158	完美

#这个是不行的
df2.index[0] = '张三'

# rename 要替换的索引存在则替换，不存在就不管
df2.rename({'a':'张三', 'Python': '大蟒蛇'},axis=1)

.dataframe tbody tr th:only-of-type { vertical-align: middle; } .dataframe tbody tr th { vertical-align: top; } .dataframe thead th { text-align: right; }

	大蟒蛇	Java	Math	level
a	58	1	121	不及格
b	99	71	161	及格
c	66	7	134	不及格
d	104	143	158	完美

# rename中的参数值可以是一个func
def index_rename(item):
    if item == 'a':
        return '张三'
    else:
        return '李四'

df2.rename(index_rename)

.dataframe tbody tr th:only-of-type { vertical-align: middle; } .dataframe tbody tr th { vertical-align: top; } .dataframe thead th { text-align: right; }

	Python	Java	Math	level
张三	58	1	121	不及格
李四	99	71	161	及格
李四	66	7	134	不及格
李四	104	143	158	完美

## 3. 异常值检测和过滤使用describe()函数查看每一列的描述性统计量

# 数据中比较大或特别小的都可以认为是异常值
# 大头子和小头爸爸都算是人类中的异常值
# NaN也是异常值

df3 = DataFrame(np.random.randint(0, 150, size=(10, 4)),
               columns=['Python', 'Java', 'PHP', 'VR'])
df3

.dataframe tbody tr th:only-of-type { vertical-align: middle; } .dataframe tbody tr th { vertical-align: top; } .dataframe thead th { text-align: right; }

	Python	Java	PHP	VR
0	122	19	146	88
1	82	105	120	146
2	134	19	81	127
3	0	78	75	39
4	3	115	19	8
5	16	147	71	44
6	16	92	124	131
7	42	141	64	114
8	31	103	64	13
9	103	83	128	108

df3.describe()

.dataframe tbody tr th:only-of-type { vertical-align: middle; } .dataframe tbody tr th { vertical-align: top; } .dataframe thead th { text-align: right; }

	Python	Java	PHP	VR
count	10.000000	10.000000	10.000000	10.000000
mean	54.900000	90.200000	89.200000	81.800000
std	50.858081	43.649615	39.000855	51.410764
min	0.000000	19.000000	19.000000	8.000000
25%	16.000000	79.250000	65.750000	40.250000
50%	36.500000	97.500000	78.000000	98.000000
75%	97.750000	112.500000	123.000000	123.750000
max	134.000000	147.000000	146.000000	146.000000

使用std()函数可以求得DataFrame对象每一列的标准差

df3.std()

输出

Python 50.858081
Java 43.649615
PHP 39.000855
VR 51.410764
dtype: float64

根据每一列的标准差，对DataFrame元素进行过滤。

借助any()函数, 测试是否有True，有一个或以上返回True，反之返回False

对每一列应用筛选条件,去除标准差太大的数据

df3

.dataframe tbody tr th:only-of-type { vertical-align: middle; } .dataframe tbody tr th { vertical-align: top; } .dataframe thead th { text-align: right; }

	Python	Java	PHP	VR
0	122	19	146	88
1	82	105	120	146
2	134	19	81	127
3	0	78	75	39
4	3	115	19	8
5	16	147	71	44
6	16	92	124	131
7	42	141	64	114
8	31	103	64	13
9	103	83	128	108

# 大于70的数据我们认定为异常值
cond1 = df3 >= 70
cond2 = cond1.all(axis=1)
df3[cond2]

.dataframe tbody tr th:only-of-type { vertical-align: middle; } .dataframe tbody tr th { vertical-align: top; } .dataframe thead th { text-align: right; }

	Python	Java	PHP	VR
1	82	105	120	146
9	103	83	128	108

删除特定索引df.drop(labels,inplace = True)

## 4. 排序使用.take()函数排序可以借助np.random.permutation()函数随机排序

# 生成指定大小的矩阵
np.random.permutation([4, 2])

输出

array([4, 2])

df2

.dataframe tbody tr th:only-of-type { vertical-align: middle; } .dataframe tbody tr th { vertical-align: top; } .dataframe thead th { text-align: right; }

	Python	Java	Math	level
a	58	1	121	不及格
b	99	71	161	及格
c	66	7	134	不及格
d	104	143	158	完美

df2.iloc[::-1]

.dataframe tbody tr th:only-of-type { vertical-align: middle; } .dataframe tbody tr th { vertical-align: top; } .dataframe thead th { text-align: right; }

	Python	Java	Math	level
d	104	143	158	完美
c	66	7	134	不及格
b	99	71	161	及格
a	58	1	121	不及格

# 通过手写的方式将矩阵进行颠倒
df2.take([3, 2, 1, 0])

.dataframe tbody tr th:only-of-type { vertical-align: middle; } .dataframe tbody tr th { vertical-align: top; } .dataframe thead th { text-align: right; }

	Python	Java	Math	level
d	104	143	158	完美
c	66	7	134	不及格
b	99	71	161	及格
a	58	1	121	不及格

# 怎么进行一个随机的排序
df2.take(np.random.permutation(4), axis=1)

.dataframe tbody tr th:only-of-type { vertical-align: middle; } .dataframe tbody tr th { vertical-align: top; } .dataframe thead th { text-align: right; }

	Python	level	Java	Math
a	58	不及格	1	121
b	99	及格	71	161
c	66	不及格	7	134
d	104	完美	143	158

### 随机抽样当DataFrame规模足够大时，直接使用np.random.randint()函数，就配合take()函数实现随机抽样

df4 = DataFrame(np.random.randint(0, 150, size=(1000, 4)),
               columns=['Python', 'Java', 'Math', 'China'])
df4

.dataframe tbody tr th:only-of-type { vertical-align: middle; } .dataframe tbody tr th { vertical-align: top; } .dataframe thead th { text-align: right; }

	Python	Java	Math	China
0	0	94	45	52
1	130	44	120	60
2	45	134	149	14
3	18	62	4	55
4	73	66	112	27
5	17	90	61	136
6	106	101	29	100
7	60	58	142	60
8	47	94	70	24
9	9	115	101	80
10	92	2	135	35
11	149	57	39	92
12	131	143	149	142
13	35	68	12	119
14	137	62	47	68
15	67	74	140	34
16	85	139	88	104
17	32	122	31	145
18	65	24	33	17
19	68	41	60	99
20	76	104	29	78
21	61	9	26	58
22	65	23	12	22
23	27	90	122	93
24	55	119	49	27
25	92	95	116	127
26	127	96	39	60
27	116	15	103	130
28	86	53	11	128
29	120	91	138	124
…	…	…	…	…
970	100	60	17	66
971	122	148	30	22
972	33	133	121	110
973	34	66	62	133
974	88	14	93	131
975	109	86	143	28
976	69	45	86	31
977	55	92	57	138
978	12	63	72	23
979	100	40	116	142
980	113	87	74	80
981	44	62	93	39
982	144	63	130	111
983	38	57	105	55
984	10	18	94	20
985	86	144	12	35
986	96	6	8	54
987	10	93	61	127
988	7	61	79	110
989	28	141	128	76
990	136	136	13	66
991	80	129	61	101
992	141	143	51	38
993	29	46	118	129
994	40	64	69	100
995	92	70	142	54
996	115	71	62	55
997	28	10	93	107
998	31	137	88	75
999	76	36	44	119

1000 rows × 4 columns

# 抽取1000行中50个
#公司年会可以做一个抽奖系统
df4.take(np.random.randint(0, 1000, size=50))

.dataframe tbody tr th:only-of-type { vertical-align: middle; } .dataframe tbody tr th { vertical-align: top; } .dataframe thead th { text-align: right; }

	Python	Java	Math	China
110	11	145	121	64
799	9	4	42	21
333	36	3	134	145
998	31	137	88	75
143	6	146	87	23
602	115	109	59	53
903	132	32	147	81
74	102	57	146	84
500	124	116	84	17
218	4	99	91	126
490	74	56	39	134
771	1	75	57	6
632	39	10	145	106
615	75	113	82	37
369	46	17	139	106
227	50	144	134	67
518	27	99	42	15
866	68	30	79	43
626	47	15	27	111
748	91	111	70	89
135	84	46	131	110
926	1	56	129	148
905	31	136	25	32
387	136	24	103	131
837	145	50	10	18
804	60	75	70	139
727	6	57	98	14
907	142	63	88	25
538	145	41	89	18
81	51	11	33	69
646	130	7	43	15
131	148	117	103	17
846	141	84	99	48
923	111	148	40	78
96	108	128	41	108
275	4	41	93	41
612	15	7	16	81
757	103	79	48	70
581	13	10	73	37
709	53	40	117	121
641	146	17	127	23
724	22	68	16	32
671	134	34	140	80
445	108	45	134	55
883	137	114	112	90
300	139	104	121	9
451	66	134	138	127
711	39	92	147	74
466	14	99	34	70
322	108	86	122	62

## 5. 数据聚合【重点】数据聚合是数据处理的最后一步，通常是要使每一个数组生成一个单一的数值。数据分类处理： - 分组：先把数据分为几组 - 用函数处理：为不同组的数据应用不同的函数以转换数据 - 合并：把不同组得到的结果合并起来数据分类处理的核心： groupby()函数 groupby()在pandas中也担任分组的重担如果想使用color列索引，计算price1的均值，可以先获取到price1列，然后再调用groupby函数，用参数指定color这一列使用.groups属性查看各行的分组情况：

df5 = DataFrame({'item': ['萝卜', '白菜', '西红柿', '辣椒', '冬瓜','萝卜', '西红柿', '白菜',  '西红柿', '辣椒', '冬瓜'],
                'seller': ['李大妈', '李大妈', '李大妈', '王大妈', '王大妈', '王大妈', '王大妈', '赵大妈', '赵大妈', '赵大妈', '赵大妈'],
                'price': np.random.randint(3, 10, size=11)},
               columns = ['item', 'seller', 'price'])
df5

.dataframe tbody tr th:only-of-type { vertical-align: middle; } .dataframe tbody tr th { vertical-align: top; } .dataframe thead th { text-align: right; }

	item	seller	price
0	萝卜	李大妈	9
1	白菜	李大妈	7
2	西红柿	李大妈	8
3	辣椒	王大妈	6
4	冬瓜	王大妈	8
5	萝卜	王大妈	5
6	西红柿	王大妈	4
7	白菜	赵大妈	8
8	西红柿	赵大妈	4
9	辣椒	赵大妈	6
10	冬瓜	赵大妈	6

# 首先是分组，然后是找出一个最小值
# 找出各蔬菜中最便宜的
df5.groupby(['item']).min()

.dataframe tbody tr th:only-of-type { vertical-align: middle; } .dataframe tbody tr th { vertical-align: top; } .dataframe thead th { text-align: right; }

	seller	price
item
冬瓜	王大妈	6
白菜	李大妈	7
萝卜	李大妈	5
西红柿	李大妈	4
辣椒	王大妈	6

df5.groupby(['item']).max()

.dataframe tbody tr th:only-of-type { vertical-align: middle; } .dataframe tbody tr th { vertical-align: top; } .dataframe thead th { text-align: right; }

	seller	price
item
冬瓜	赵大妈	8
白菜	赵大妈	8
萝卜	王大妈	9
西红柿	赵大妈	8
辣椒	赵大妈	6

# 求平均值，并且添加前缀
mean_price = df5.groupby(['item']).mean().add_prefix('mean_')
mean_price
# select avg('item) as asd

.dataframe tbody tr th:only-of-type { vertical-align: middle; } .dataframe tbody tr th { vertical-align: top; } .dataframe thead th { text-align: right; }

	mean_price
item
冬瓜	7.000000
白菜	7.500000
萝卜	7.000000
西红柿	5.333333
辣椒	6.000000

# 把得到的平均值融合到原表中
# left_on 设定左边表的关联列，右表对齐，多对多
df6 = pd.merge(df5, mean_price, left_on='item', right_index=True)
df6

.dataframe tbody tr th:only-of-type { vertical-align: middle; } .dataframe tbody tr th { vertical-align: top; } .dataframe thead th { text-align: right; }

	item	seller	price	mean_price
0	萝卜	李大妈	9	7.000000
5	萝卜	王大妈	5	7.000000
1	白菜	李大妈	7	7.500000
7	白菜	赵大妈	8	7.500000
2	西红柿	李大妈	8	5.333333
6	西红柿	王大妈	4	5.333333
8	西红柿	赵大妈	4	5.333333
3	辣椒	王大妈	6	6.000000
9	辣椒	赵大妈	6	6.000000
4	冬瓜	王大妈	8	7.000000
10	冬瓜	赵大妈	6	7.000000

# 先求一个平方差，求各个的蔬菜价格波动
price_std = df5.groupby(['item']).std().add_prefix('std_')
price_std

.dataframe tbody tr th:only-of-type { vertical-align: middle; } .dataframe tbody tr th { vertical-align: top; } .dataframe thead th { text-align: right; }

	std_price
item
冬瓜	1.414214
白菜	0.707107
萝卜	2.828427
西红柿	2.309401
辣椒	0.000000

# 将蔬菜的波动值融合到原数据中
df7 = pd.merge(df6, price_std, left_on='item', right_index=True)
df7

.dataframe tbody tr th:only-of-type { vertical-align: middle; } .dataframe tbody tr th { vertical-align: top; } .dataframe thead th { text-align: right; }

	item	seller	price	mean_price	std_price
0	萝卜	李大妈	9	7.000000	2.828427
5	萝卜	王大妈	5	7.000000	2.828427
1	白菜	李大妈	7	7.500000	0.707107
7	白菜	赵大妈	8	7.500000	0.707107
2	西红柿	李大妈	8	5.333333	2.309401
6	西红柿	王大妈	4	5.333333	2.309401
8	西红柿	赵大妈	4	5.333333	2.309401
3	辣椒	王大妈	6	6.000000	0.000000
9	辣椒	赵大妈	6	6.000000	0.000000
4	冬瓜	王大妈	8	7.000000	1.414214
10	冬瓜	赵大妈	6	7.000000	1.414214

# std()标准平方差，看数据的波动，描述情况
def std_price(std_p):
    if std_p > 2.5:
        return '价格很坑'
    elif std_p > 1:
        return '价格稳定'
    else:
        return '良心菜价'

# map
# 将各个蔬菜的价格情况添加为一列
df7['std_p'] = df7['std_price'].map(std_price)
df7

.dataframe tbody tr th:only-of-type { vertical-align: middle; } .dataframe tbody tr th { vertical-align: top; } .dataframe thead th { text-align: right; }

	item	seller	price	mean_price	std_price	std_p
0	萝卜	李大妈	9	7.000000	2.828427	价格很坑
5	萝卜	王大妈	5	7.000000	2.828427	价格很坑
1	白菜	李大妈	7	7.500000	0.707107	良心菜价
7	白菜	赵大妈	8	7.500000	0.707107	良心菜价
2	西红柿	李大妈	8	5.333333	2.309401	价格稳定
6	西红柿	王大妈	4	5.333333	2.309401	价格稳定
8	西红柿	赵大妈	4	5.333333	2.309401	价格稳定
3	辣椒	王大妈	6	6.000000	0.000000	良心菜价
9	辣椒	赵大妈	6	6.000000	0.000000	良心菜价
4	冬瓜	王大妈	8	7.000000	1.414214	价格稳定
10	冬瓜	赵大妈	6	7.000000	1.414214	价格稳定

## 6.0 高级数据聚合可以使用pd.merge()函数将聚合操作的计算结果添加到df的每一行使用groupby分组后调用加和等函数进行运算，让后最后可以调用add_prefix()，来修改列名 ### 可以使用transform和apply实现相同功能在transform或者apply中传入函数即可

df7

.dataframe tbody tr th:only-of-type { vertical-align: middle; } .dataframe tbody tr th { vertical-align: top; } .dataframe thead th { text-align: right; }

	item	seller	price	mean_price	std_price	std_p
0	萝卜	李大妈	9	7.000000	2.828427	价格很坑
5	萝卜	王大妈	5	7.000000	2.828427	价格很坑
1	白菜	李大妈	7	7.500000	0.707107	良心菜价
7	白菜	赵大妈	8	7.500000	0.707107	良心菜价
2	西红柿	李大妈	8	5.333333	2.309401	价格稳定
6	西红柿	王大妈	4	5.333333	2.309401	价格稳定
8	西红柿	赵大妈	4	5.333333	2.309401	价格稳定
3	辣椒	王大妈	6	6.000000	0.000000	良心菜价
9	辣椒	赵大妈	6	6.000000	0.000000	良心菜价
4	冬瓜	王大妈	8	7.000000	1.414214	价格稳定
10	冬瓜	赵大妈	6	7.000000	1.414214	价格稳定

# 将各个蔬菜的价格求和
df7.groupby(['item'])['price'].sum()

输出

item
冬瓜 14
白菜 15
萝卜 14
西红柿 16
辣椒 12
Name: price, dtype: int32

df7.groupby(['item'])['price'].transform(sum)

输出

0 14
5 14
1 15
7 15
2 16
6 16
8 16
3 12
9 12
4 14
10 14
Name: price, dtype: int32

transform()与apply()函数还能传入一个函数或者lambda

df = DataFrame({'color':['white','black','white','white','black','black'], 'status':['up','up','down','down','down','up'], 'value1':[12.33,14.55,22.34,27.84,23.40,18.33], 'value2':[11.23,31.80,29.99,31.18,18.25,22.44]})

apply的操作对象，也就是传给lambda的参数是整列的数组

# np.mean()
# apply 与 transform的最大区别，在于transform做了循环(交叉表)CROSS JOIN , apply比较简洁，调用原本的功能
df7.groupby(['item'])['price'].apply(sum)

输出

item
冬瓜 14
白菜 15
萝卜 14
西红柿 16
辣椒 12
Name: price, dtype: int64

df7.groupby(['item'])['price'].apply(np.mean)

- 输出 item 冬瓜 7.000000 白菜 7.500000 萝卜 7.000000 西红柿 5.333333 辣椒 6.000000 Name: price, dtype: float64 Series和DataFrame都有一个都有一个生成各类图标的plot方法，默认情况下锁生成的都是线形图

import numpy as np
import pandas as pd
from pandas import Series, DataFrame
# matplotlib不引入，在调用plot（）的时候不会报错，但是图片也显示不出
# pandas和matplotlib进行了深度合作
import matplotlib.pyplot as plt

# 线形图简单示例Series图例表示.plot()

s = Series(np.random.randint(0 ,20, size=10))
s

输出

0 14
1 6
2 19
3 5
4 7
5 16
6 1
7 10
8 11
9 17
dtype: int32

s.plot()

简单的DataFrame图标实例.plot()

df = DataFrame(np.random.randint(0, 150, size=(5, 4)),columns = ['Python', 'Java', 'PHP', 'Ruby'])
df.plot()

### 柱状图 DataFrame柱状图例

df.plot(kind='bar')

df.plot(kind='barh')

读取tips.csv，查看每天聚会人数，每天各种聚会规模的比例饿
求和并df.sum()，注意灵活使用axis()

tip = pd.read_csv('./tips.csv')
tip

.dataframe tbody tr th:only-of-type { vertical-align: middle; } .dataframe tbody tr th { vertical-align: top; } .dataframe thead th { text-align: right; }

	day	1	2	3	4	5	6
0	Fri	1	16	1	1	0	0
1	Stat	2	53	18	13	1	0
2	Sun	0	39	15	18	3	1
3	Thur	1	48	4	5	1	3

将第一列day数据编程行索引set_index

tip.set_index('day',inplace=True)
tip
# 行 代表是星期几
# 列 代表的事几个人一同去吃饭

.dataframe tbody tr th:only-of-type { vertical-align: middle; } .dataframe tbody tr th { vertical-align: top; } .dataframe thead th { text-align: right; }

	1	2	3	4	5	6
day
Fri	1	16	1	1	0	0
Stat	2	53	18	13	1	0
Sun	0	39	15	18	3	1
Thur	1	48	4	5	1	3

tip.plot(kind='bar')

#将不重要的数据给去除掉
tip.drop(axis=1,labels=['1', '6'], inplace=True)

# 还能用什么方法保留2-5的数据
tip.iloc[:,1:-1].plot(kind='bar')
# 下课自己去尝试一下

tip.plot(kind='bar')

## 直方图 random生成随机直方图，调用hist()方法

nd = np.random.randint(0, 10, size=10)
nd

输出

array([2, 3, 5, 4, 7, 0, 4, 4, 0, 5])

s = Series(nd)
# bins 默认值是10 值越大条越细
s.hist(bins=50)

随机百分比密度图

# density 密度
s.plot(kind='kde')

这两张表经常会被画在一起，直方图以规格形式给出（以便画出密度图），然后在再其上绘制核密度估计。

接下来看看一个由两个不同de 标准正太正太分布组成的双峰分布。

np.random.normal()正太分布函数

直方图hist，函数中心必须添加属性normed = True

nd1 = np.random.normal(loc=15, scale=5, size=1000)
nd1

输出

array([16.50002167, 21.95871306, 22.75958416, 17.31162324, 21.11362045,
18.26581647, 14.3677174 , 14.04193695, 24.47250718, 12.15495935,
9.27291491, 12.31342298, 10.2092411 , 26.50106733, 15.73813638,
15.96716855, 16.69108033, 17.47009465, 23.25585844, 3.75013434,
25.12165759, 9.2131128 , 20.80536815, 15.5412481 , 28.90305594,
20.53246725, 11.80165575, 21.60802209, 11.17585822, 16.32740781,
15.18755747, 18.45527818, 20.69591603, 21.49051133, 17.71510416,
18.80558295, 24.17867724, 20.85117481, 20.24591299, 10.10623473,
14.24666052, 17.52448709, 19.22814077, 15.72357144, 20.43921318,
8.0917059 , 22.00146547, 23.50631652, 9.19318319, 9.66151146,
15.75132368, 15.32207848, 15.48579172, 25.26377042, 9.0799947 ,
7.36254758, 2.42731825, 18.10300724, 10.88015804, 13.39732585,
8.91052017, 24.09794363, 18.02868005, 9.901521 , 13.21712227,
19.5068725 , 10.50911924, 14.89803695, 15.50261478, 17.15580065,
14.98757024, 26.86473339, 12.68019989, 15.02038962, 17.42206335,
11.8994741 , 14.31309029, 13.75152275, 6.47324371, 14.73115004,
21.72693826, 20.54387112, 21.36295281, 25.51458225, 7.25840778,
13.76897525, 19.77348404, 15.09407833, 18.76318749, 5.43239314,
15.45835862, 15.40969353, 16.28667652, 13.07865591, 8.28808502,
13.42694347, 18.38122404, 17.6814759 , 19.28344426, 9.53901169,
14.46634917, 11.84352671, 11.09474199, 4.75771378, 15.53622797,
13.13240292, 11.15249509, 8.30862199, 17.21214064, 17.02251594,
16.28650651, 8.21461943, 14.76498248, 15.98369367, 11.98718219,
17.02526983, 19.97020523, 16.44969423, 13.71055375, 22.77569864,
8.51357972, 6.61518919, 14.84898364, 17.58370265, 17.49575552,
12.93721125, 14.53553582, 18.22937262, 15.59990324, 10.94411136,
15.15079863, 7.75436718, 19.64155892, 8.05933151, 14.14798446,
25.93909358, 9.48265882, 16.06401139, 17.17927089, 16.88383318,
19.95283715, 12.02420859, 18.16494132, 14.31856533, 17.48454134,
19.70450889, 16.15431485, 14.97920007, 12.75705767, 21.13982655,
23.76846867, 20.43796706, 17.5593216 , 13.81091458, 19.4130765 ,
22.30718067, 18.30679605, 18.73435888, 21.1085248 , 16.17991617,
17.66907561, 9.3648496 , 12.53151174, 18.74196939, 14.72622698,
21.91666941, 10.68175022, 28.06536912, 16.92750333, 10.48199841,
16.95819675, 11.6035696 , 17.37937365, 12.65895274, 11.54480806,
18.3616206 , 18.02565635, 15.90571496, 6.96905143, 23.91371845,
18.72841836, 2.36636948, 15.66448126, 19.13919071, 14.37065233,
14.82159192, 13.72377931, 16.78926541, 20.13959017, 16.77379021,
14.84332182, 17.34148733, 18.78528991, 7.46478532, 21.50181241,
7.9833104 , 17.80479141, 16.70124722, 13.64582571, 13.577898 ,
16.37998434, 19.03837668, 16.89253034, 20.42677538, 11.88847021,
11.38631853, 15.50082332, 16.7030249 , 16.088621 , 12.51561343,
15.73055771, 19.48992889, 13.06485701, 8.0678333 , 18.05531125,
5.43515846, 19.04760736, 7.879961 , 20.12691794, 8.43035117,
17.22251733, 8.03678616, 16.0078554 , 16.15014473, 8.21224197,
19.38089222, 9.01029769, 11.26062042, 14.76521656, 17.35078069,
22.80520652, 14.46913352, 17.42879149, 13.37647894, 17.25338735,
18.73637238, 2.88421749, 20.40011706, 10.39826822, 15.05082296,
19.06963941, 16.91706731, 13.82272106, 7.27754931, 16.11283426,
15.5246287 , 13.81157399, 6.09658837, 15.6001777 , 18.92162163,
13.38838482, 12.3894269 , 25.61593369, 14.51006631, 24.07157909,
16.8478554 , 19.06337918, 6.89606982, 15.89648191, 9.94890574,
4.1741199 , 19.96662183, 22.11552452, 20.07915682, 11.81127282,
10.01155602, 16.06106413, 13.72389102, 13.58895892, 6.38356799,
15.51871295, 18.04894363, 6.91148171, 15.76145194, 11.06726095,
15.0972117 , 13.89722476, 17.2514969 , 13.71947839, 15.46657072,
9.57084451, 8.69629316, 18.11964659, 13.78259735, 25.01368229,
9.83800798, 9.04644566, 9.01788547, 13.94342442, 19.78553559,
14.88336783, 7.98179993, 12.39448036, 17.1408828 , 19.33147132,
14.05125452, 17.23008172, 13.65371068, 16.17567752, 12.23122378,
12.10680811, 2.95619838, 6.89529116, 15.51517282, 15.19482832,
12.01639161, 18.7831425 , 17.0239132 , 1.38190082, 13.69724912,
13.06217886, 26.94699552, 22.59459457, 11.97867369, 13.93633583,
17.10552488, 22.58992482, 19.40934193, 19.53641763, 15.88442231,
7.9295681 , 21.77780904, 12.47072318, 13.81039032, 17.39736673,
13.15453916, 21.36911849, 10.70201259, 10.59387373, 12.65426619,
11.54376933, 13.14155316, 16.87773098, 11.76657509, 14.89503279,
11.12283823, 21.28503492, 19.51000396, 16.66250962, 12.52950223,
20.49618371, 16.8304768 , 13.58145978, 5.67632775, 12.51501766,
16.40642439, 17.349106 , 7.89876048, 23.19479679, 10.2073971 ,
14.0566871 , 14.78658926, 20.44095559, 15.54838402, 14.89340323,
12.12392313, 8.92467267, 12.74334742, 17.47857181, 19.19866611,
2.45721744, 8.89357759, 8.14078952, 20.12140264, 13.08791183,
15.15808184, 11.52595765, 9.67495873, 8.53996197, 14.04442005,
22.79638213, 13.1821865 , 12.72650507, 9.90846988, 11.41972578,
17.93019223, 17.29881884, 12.55815741, 14.25266947, 10.33093622,
7.142058 , 21.69019735, 17.25592536, 13.08063266, 8.6764044 ,
10.24371983, 15.41889379, 4.28811294, 11.39411962, 26.56646754,
16.96888119, 18.83606664, 15.01419964, 15.34971026, 22.02537937,
4.36119692, 25.28447139, 10.48726479, 13.59826026, 14.06848502,
12.99063847, 16.78391206, 9.74175223, 19.30650068, 22.54410113,
24.98914811, 9.94762802, 21.40109447, 13.6695364 , 7.72764777,
9.64404477, 11.17475083, 12.60055258, 20.97721358, 23.34476622,
18.61854549, 15.52419453, 18.91436655, 9.62666948, 10.61228808,
18.06891452, 19.51675254, 13.23077434, 19.00453996, 13.32899195,
12.26702829, 15.6820842 , 8.11843937, 21.44353167, 15.52251699,
11.4997531 , 24.72088535, 16.28930122, 8.0863221 , 14.2955109 ,
7.17201489, 13.87547583, 17.67027528, 19.13974024, 22.68693614,
24.18678422, 6.06103468, 24.76111537, 10.97781017, 15.81552381,
10.84972314, 21.14140714, 13.76751962, 6.04277574, 24.58010336,
8.68660216, 16.87910212, 26.79462555, 16.53919855, 12.56473841,
12.48541333, 14.29182684, 10.48183018, 17.41734179, 10.97468455,
11.04737238, 11.98624708, 6.25940958, 14.55275986, 10.96969175,
14.44198921, 12.22024554, 21.06729722, 18.63578895, 15.01203526,
9.78234677, 12.69823694, 18.53826221, 18.33718908, 8.67841207,
12.40316973, 6.25257103, 13.12125998, 23.65467315, 8.48692567,
16.48741407, 22.88008283, 9.74399847, 24.23586658, 20.85856245,
6.93278193, 9.39064606, 11.74417199, 17.26023393, 17.4899952 ,
15.60605781, 17.23917663, 16.29546289, 10.05711149, 7.27520158,
13.98169832, 14.95431197, 15.24916955, 14.78272085, 21.01423717,
11.47976526, 16.05894889, 16.30783588, 11.30069306, 21.44509951,
21.12234178, 13.63871927, 8.67404016, 19.55244501, 10.47571836,
21.03142778, 19.22024405, 17.56288251, 11.91033324, 11.17856874,
11.01553264, 14.59588468, 8.70018864, 12.13660946, 24.77501267,
10.5752547 , 8.6157514 , 6.26227458, 14.93877643, 21.75858592,
17.27632436, 13.10800654, 21.44729017, 11.76678708, 21.22406953,
16.94976341, 5.29558133, 21.19612368, 9.19780541, 18.17468954,
16.2252154 , 19.59557946, 11.66578002, 19.06531132, 21.36638746,
20.6541794 , 15.53407109, 14.31871485, 8.88234657, 19.95083641,
15.33807678, 23.35312598, -0.41594355, 12.99684309, 17.81847784,
8.65620742, 11.11906853, 14.72213943, 10.96787938, 19.0607508 ,
15.06548159, 10.73352375, 7.80835499, 18.45434514, 10.94886255,
17.02581022, 15.74533205, 16.83597387, 15.6272432 , 15.07400084,
21.43340505, 19.8596281 , 15.10743665, 9.8524759 , 18.4157017 ,
8.71576747, 8.81978059, 18.74270385, 20.19611499, 7.78305738,
11.12512739, 11.0320895 , 4.08279734, 19.50883865, 18.3420021 ,
16.38436628, 15.41935401, 14.88358696, 21.28094706, 8.07498229,
5.44891281, 22.96052191, 4.82706329, 18.64935207, 6.81372616,
21.48792701, 10.81966699, 16.51777675, 13.66587892, 5.15167454,
19.6746364 , 18.92921522, 11.80793426, 15.99329862, 13.5428769 ,
17.09127653, 18.0650194 , 16.9966228 , 15.88075782, 10.01499427,
15.53643766, 14.82116696, 19.64805793, 13.38260529, 17.55275748,
12.79123029, 1.60388552, 9.64273317, 14.10328556, 12.80516354,
16.13765219, 24.82846188, 12.40167473, 14.37984687, 7.17152562,
3.57487493, 18.68028442, 22.02231231, 13.08430578, 15.36424363,
12.58209423, 19.16279834, 15.5310864 , 6.74056615, 18.95227059,
9.62725175, 24.77371694, 18.72404572, 22.33711919, 13.33348445,
10.82508722, 9.09203216, 2.25354049, 11.87985931, 9.93989723,
11.64604036, 13.04827512, 20.30953976, 12.18749003, 13.07841278,
16.33515174, 18.03769259, 16.79215097, 25.2966099 , 25.94685352,
5.69546044, 11.92172349, 19.8342691 , 12.6440724 , 20.28437939,
16.35062192, 14.67498508, 18.03873384, 11.98190638, 12.48304321,
17.18353178, 11.6280484 , 14.99820737, 18.62490662, 21.36806158,
10.33361186, 20.65887684, 18.14897646, 13.90046949, 11.97019342,
12.86450733, 14.79502629, 7.12492396, 14.02432214, 7.74633751,
20.42791153, 4.51691996, 12.45499258, 26.46562207, 25.43928357,
16.02156583, 15.77301938, 11.19124392, 20.2017068 , 11.38777201,
15.18199219, 13.06922751, 10.84513727, 16.72115341, 18.10468922,
3.27337482, 15.77864477, 11.69318446, 16.11939922, 5.75250131,
11.70259621, 9.96164663, 14.04692601, 16.66432923, 13.02730275,
22.14321073, 9.97324488, 20.89977249, 16.61452685, 14.98716636,
24.34831533, 12.64388541, 24.29123835, 18.62064405, 14.92635478,
20.6628145 , 12.35438856, 16.62651241, 15.23094509, 15.17337696,
6.55103708, 19.01998175, 23.25536204, 17.41528444, 21.16583531,
18.9232849 , 19.15163022, 7.24348554, 10.57811529, 19.75374939,
18.20943943, 22.28176618, 18.12091144, 12.23462022, 25.14515739,
13.50928872, 8.66583537, 15.73187863, 15.96399654, 12.59117191,
23.55583777, 17.89899462, 18.94571775, 11.52067712, 13.39007944,
12.59774377, 11.15893922, 10.95135673, 14.42674691, 17.96761055,
16.49122727, 12.35296522, 15.12034443, 15.74986747, 12.51710365,
9.03581021, 13.25291267, 10.15981987, 25.01072793, 18.97541121,
19.75442295, 15.72658347, 15.0584492 , 17.99054063, 5.09522099,
12.27876186, 16.19625502, 11.07278001, 20.34912201, 13.00536634,
16.99162583, 13.84421155, 14.38223744, 14.4279466 , 20.38561836,
11.8408168 , 13.61657858, 20.71889558, 13.34126163, 14.15019112,
25.77991025, 22.55302383, 19.96159611, 13.83428248, 10.01061803,
12.17573564, 12.90200549, 13.5309241 , 19.83578067, 9.19966323,
15.90839431, 10.42371807, 13.24996161, 11.84023659, 2.7949252 ,
18.58428929, 14.08771667, 11.87739049, 12.94936314, 5.72137785,
9.00511033, 24.56904689, 12.63663553, 17.76632913, 23.15421102,
17.48732613, 15.18508386, 16.55137541, 21.34679622, 16.29028048,
11.45359196, 20.79345061, 2.00181134, 15.79546808, 20.83970512,
22.25406941, 10.11771432, 8.67460536, 22.40106521, 8.87171 ,
15.65385265, 11.95693078, 17.83327425, 9.60459978, 8.27386886,
13.12833899, 11.16273179, 19.53131749, 23.54517063, 24.42752656,
23.96310917, 18.4784533 , 7.23297108, 10.54061606, 20.86058868,
11.84239435, 18.31885798, 11.17861973, 10.97931156, 16.58560191,
9.07837253, 15.33024139, 23.10263136, 14.38242525, 20.74808168,
14.23372606, 15.70755858, 21.23669843, 1.35217317, 12.37976423,
7.14600676, 18.39477579, 17.74507314, 18.47339341, 15.85955812,
12.03810285, 19.7152867 , 15.52989343, 9.58677829, 12.8273546 ,
13.12251889, 11.9852327 , 9.64979431, 4.67254736, 5.83485027,
25.58650984, 22.28051372, 10.58979922, 18.30552752, 13.38469023,
15.49887756, 18.9906719 , 15.28172592, 13.98672976, 22.84162786,
11.16412929, 28.13020788, 14.53176387, 10.58195681, 13.62227215,
19.39882903, 16.4404991 , 16.22472679, 21.69188583, 9.39591894,
13.51732061, 12.43309456, 24.88460179, 18.21701532, 12.22188839,
17.66401711, 18.73947878, 19.96433349, 12.44923092, 16.2503667 ,
13.93141598, 20.68562248, 13.22824968, 14.49476981, 14.65557226,
13.50932288, 18.78651139, 13.11609163, 13.72922394, 5.48391225,
21.74546083, 4.54749793, 9.61640779, 12.76025987, 16.6814269 ,
7.54157478, 14.12360955, 20.48599741, 7.25144564, 18.90874243,
18.4448861 , 9.92069343, 16.25574177, 6.89835745, 13.93865526,
21.31573413, 13.36223344, 15.66061316, 19.88795267, 17.3822145 ,
18.74051049, 18.76796461, 4.8938116 , 15.55699742, 13.40461 ,
15.95881726, 18.13730597, 24.84545955, -0.18746347, 15.51857936,
14.85838324, 9.53991868, 8.24792235, 14.38302382, 16.59971307,
19.10383007, 16.70314952, 14.83957597, 19.67174747, 21.01421162,
16.47244826, 11.66594006, 17.90942654, 12.45942559, 11.75413215,
15.8393784 , 16.96650233, 21.34297276, 16.89814547, 17.18400988,
23.06562578, 9.31042315, 17.07230418, 14.9523615 , 15.95823228,
21.05921299, 16.08593307, 19.09498751, 10.39794857, 25.96392485,
14.69617158, 17.66141256, 10.20026414, 6.2382827 , 16.86058806,
19.25205008, 13.70010653, 2.27012525, 16.92507514, 24.39321811,
10.85770341, 23.02441749, 19.2417343 , 19.05590996, 22.87654077,
20.41296773, 23.48198919, 16.00712785, 7.06656844, 15.13328042,
12.70216947, 7.8267746 , 23.43791089, 28.6641215 , 14.95792843,
10.89927121, 8.22974538, 6.62927352, 10.62186059, 12.56804649,
13.18951132, 14.61382172, 23.37917646, 20.56671153, 16.86438089,
18.11011443, 20.30088321, 17.27765895, 7.96486177, 9.15479929])

nd2 = np.random.normal(loc=5, scale=1, size=1000)
nd2

输出

array([4.16357325, 5.62772375, 3.9552129 , 5.01722184, 5.94728292,
3.87611474, 6.40455754, 7.46665515, 3.38515994, 5.34430971,
3.92116982, 5.26760858, 3.87753152, 4.91594112, 2.28170611,
5.22466842, 4.24448323, 5.5262917 , 5.51089455, 6.09550044,
6.8681638 , 4.88041697, 4.89141158, 4.26124332, 5.4022748 ,
4.61356982, 4.62460457, 7.67978794, 4.57731853, 6.67464937,
5.10280295, 4.33677994, 4.19373832, 5.36394475, 4.27075858,
5.39031978, 4.30670864, 3.93891792, 6.19342666, 4.07486768,
6.27780597, 4.55468073, 6.73625441, 5.86779949, 5.49083393,
4.58853995, 5.6148867 , 3.48363662, 6.63894092, 5.22175345,
4.39575909, 4.6296257 , 5.13293428, 4.63102278, 5.83887074,
5.23785433, 5.8753402 , 3.73502303, 5.15459362, 4.57097034,
5.67559993, 4.69832925, 5.65150331, 4.33270153, 3.92274046,
5.70642851, 5.60828203, 4.59928909, 4.16696389, 5.27554203,
6.56415018, 5.11148937, 5.33306229, 4.79096096, 7.14275288,
3.24127949, 5.42305971, 4.8503601 , 4.73999867, 3.30017711,
5.48859061, 8.6720081 , 4.61849386, 5.82255506, 4.94013434,
4.29599778, 3.64307498, 5.91702747, 4.53273311, 2.86494732,
4.83081915, 4.66762299, 5.51913047, 4.86923194, 5.64247402,
6.92941377, 5.80016722, 4.71514671, 4.36175335, 5.29760305,
4.03054667, 5.77336301, 4.27461778, 5.39664654, 2.95356186,
5.69516542, 5.65799556, 5.59469922, 6.1820571 , 3.33644612,
5.01553752, 5.61859069, 5.76889055, 5.33857628, 4.44932627,
5.44414466, 6.69054537, 4.95445522, 3.93424904, 6.14749563,
5.1360424 , 4.9205245 , 6.27270956, 3.402828 , 6.63289999,
4.53090779, 4.06289069, 5.68322406, 4.82075541, 4.18470219,
4.23731251, 5.784845 , 4.69988419, 5.60999033, 3.89867943,
4.91213246, 6.32055125, 3.32742804, 4.387534 , 4.22955403,
5.10986226, 5.31619754, 5.26842713, 4.30329285, 4.02172716,
5.12122162, 5.74783566, 4.89342586, 4.14319473, 4.89207417,
5.17976012, 4.92222856, 4.41448012, 6.11759185, 6.20346597,
6.30937222, 4.45736507, 4.19464601, 5.95110871, 5.39087317,
4.56342672, 5.41105951, 5.19021551, 4.44773853, 6.43024933,
4.2240709 , 3.10760838, 4.10843011, 3.49803467, 4.13008625,
4.93954846, 5.36686046, 4.94802037, 5.92916376, 3.6722152 ,
5.59956637, 2.26681606, 4.98058069, 5.52226543, 4.3678841 ,
5.79127271, 7.01911131, 5.54222329, 5.1736914 , 5.12307703,
3.64086435, 4.49529974, 3.09617049, 5.23362009, 4.83003444,
5.97855068, 4.90465821, 3.3488062 , 5.68806677, 3.10608318,
3.59533022, 4.1582079 , 5.42337516, 5.18032938, 3.80619133,
6.16036382, 7.10779899, 5.79528339, 4.20739267, 5.7849504 ,
6.35741234, 4.87889289, 4.67202464, 5.59772812, 3.89601316,
3.81930584, 3.86334162, 2.12820156, 6.03205986, 3.93786607,
4.69154114, 5.01000487, 5.48795451, 5.64960885, 3.28107906,
6.44071533, 5.84515172, 3.77795634, 4.1543535 , 4.76779398,
6.46011012, 4.20959715, 6.12791645, 3.13111379, 6.32404882,
4.01307035, 7.04022176, 5.88297238, 4.77726627, 5.81734169,
4.5834276 , 4.32792513, 4.78572659, 6.2394519 , 4.95323565,
3.76792869, 5.04695662, 4.6782468 , 4.26210285, 2.68574935,
4.87784877, 4.16379962, 4.89492512, 5.29077423, 6.63540688,
5.91601612, 5.79836639, 4.46454219, 5.59057577, 5.64159953,
3.73283891, 5.76728448, 5.59155539, 4.62458597, 4.59258478,
4.26568473, 4.13624814, 5.45664658, 3.20651961, 4.408289 ,
5.91191617, 6.42389566, 5.3310918 , 5.16260576, 5.08216533,
4.23972288, 5.4333913 , 5.52618567, 3.53352888, 6.18801528,
5.09545601, 5.47251721, 4.52145652, 4.48497876, 6.13442928,
5.46427115, 2.29920696, 5.96166798, 6.86041016, 4.64935911,
4.05211169, 5.22005598, 5.03828418, 3.11720228, 6.5067688 ,
4.16690752, 4.31972409, 7.66002522, 6.29075211, 6.54033656,
4.73315998, 4.48450546, 6.9592562 , 3.47862276, 5.30881486,
4.82692032, 5.57301637, 4.19444764, 5.20859468, 4.50189408,
4.34951492, 4.63316205, 5.55343187, 3.70853791, 6.23107709,
4.27639353, 3.43623509, 3.70621964, 4.20023314, 4.38700297,
6.0247284 , 4.10301279, 1.73386839, 3.8811813 , 5.95340252,
3.32468732, 5.33303337, 5.91283534, 6.00924919, 3.6032262 ,
4.59126025, 4.29693335, 6.78247321, 7.06582257, 3.79111525,
3.78370384, 5.66027207, 4.96055824, 5.70154465, 4.65007777,
4.5035654 , 5.61986658, 4.58564207, 6.36564777, 5.77875425,
4.70467287, 5.17829573, 5.82797022, 3.48804111, 5.03259832,
3.43797394, 5.4791678 , 4.29187316, 5.43345946, 2.97895257,
4.17941581, 6.46108478, 4.16631229, 3.82299511, 4.88063746,
5.99597437, 4.2566243 , 5.61937518, 4.45414788, 5.92053089,
3.49520851, 7.42316601, 5.29250923, 4.28792588, 7.36984588,
4.04040733, 4.26886281, 3.77000458, 4.56072738, 4.63605669,
4.95127483, 3.53601143, 3.72015063, 4.80868551, 3.67868907,
4.44574129, 5.95172132, 5.8080427 , 5.30838712, 5.24493577,
5.19000903, 4.74896707, 5.44316688, 3.96915616, 4.68391686,
7.5726147 , 4.91730717, 5.45240095, 5.9629974 , 2.47171197,
3.69924953, 4.68509439, 4.43821199, 4.99523136, 4.40460386,
4.96303014, 4.71679413, 4.57039619, 5.33357121, 5.15079823,
6.49139364, 3.86845536, 4.98871996, 3.7839628 , 4.273599 ,
5.95315578, 3.74863635, 4.11147589, 5.53989483, 4.80278295,
4.90408198, 6.95778251, 5.19522392, 5.5683528 , 5.98498926,
5.37911824, 6.28442773, 6.06750223, 6.05986868, 4.71704863,
3.99302845, 4.95290817, 2.49207559, 4.87651285, 5.15237529,
3.49276428, 4.99630332, 4.53049613, 4.93972966, 5.14459539,
6.43671059, 3.6443922 , 3.62322561, 4.93096589, 4.03285254,
5.12044196, 4.7470407 , 5.05114539, 4.98548726, 3.84715856,
4.38895987, 5.02571047, 4.27669533, 5.80634551, 3.74243646,
5.74672054, 4.30977187, 5.07860367, 5.36591131, 6.49938734,
4.5655998 , 6.72658129, 5.24367282, 4.48870661, 4.71499478,
6.42220582, 6.1114622 , 5.48564748, 5.57308475, 6.15891602,
5.9758781 , 5.85915079, 3.91862602, 2.12821654, 3.87280873,
3.66024374, 4.50284895, 5.21899411, 5.38545771, 7.16073212,
6.59658302, 5.00053088, 6.18178777, 3.63806579, 5.01496147,
5.90991082, 6.97094723, 4.83097336, 5.30165196, 4.661253 ,
5.86529545, 5.02720143, 4.84598703, 4.33055532, 3.21912353,
4.45419335, 4.77518495, 5.14216553, 6.36418059, 6.26262535,
4.59296046, 5.03454922, 6.00619901, 4.18621875, 4.91093635,
3.29685616, 3.79522521, 6.9291816 , 6.4750611 , 4.89884067,
5.78038694, 4.02603052, 5.70340682, 3.66391833, 6.78237457,
5.45288145, 4.96589685, 4.6344795 , 3.73365996, 4.93605937,
6.30098803, 6.15180329, 3.62245617, 4.31080067, 4.89444726,
4.46041046, 6.46807424, 6.69713398, 5.37660044, 3.82659646,
5.74103172, 4.49821583, 5.42852421, 2.79327574, 4.5965607 ,
4.89687084, 5.06394347, 3.76460552, 5.573225 , 3.72458122,
3.05024013, 5.17225729, 4.97343936, 4.62345663, 6.6316699 ,
3.89960346, 4.6849749 , 5.38701991, 5.70404233, 4.69017532,
5.876532 , 4.74405497, 5.44952709, 4.89016766, 6.21227894,
5.01569238, 6.63113838, 6.08459047, 4.42572288, 4.23403788,
4.58841822, 5.13660595, 3.78069157, 4.95872333, 5.94666079,
6.99971432, 5.57830349, 5.19189896, 3.35896715, 5.36527688,
5.72545598, 3.56843588, 4.57611497, 5.73088564, 6.5592119 ,
5.78983926, 4.76242211, 5.51854665, 5.37074764, 4.80702089,
5.68180577, 6.68828184, 3.97815013, 3.86441813, 5.50323984,
6.2954246 , 6.81212302, 4.34765753, 5.38604839, 3.57545063,
4.2153493 , 6.40788719, 5.04704768, 5.71393966, 5.46348939,
4.36487098, 5.72428558, 3.64913714, 5.09075194, 5.10808268,
4.53924537, 3.95084051, 5.80156225, 3.95139318, 6.40185987,
5.10152297, 5.9083863 , 6.77868656, 4.93491808, 6.87341423,
5.00020607, 5.37300145, 4.94257872, 4.05335049, 5.65874513,
7.05585192, 3.07188578, 6.47767778, 5.15548659, 6.61809565,
4.63849661, 4.00552794, 7.4990428 , 5.55064212, 3.95348289,
6.77047746, 5.17235527, 4.08495527, 5.69626916, 5.27694599,
6.5455655 , 5.03440539, 3.79535853, 3.88216299, 5.66687272,
5.42595946, 3.98806174, 5.38019678, 4.85600623, 6.60249457,
4.43772189, 7.31528327, 5.45132995, 6.46431198, 5.05253691,
5.30463532, 5.59352554, 4.46884691, 4.4371996 , 5.15883358,
5.31511306, 6.16704347, 6.77732211, 6.10656385, 5.15621815,
5.46977566, 4.51159292, 3.94227825, 5.31667496, 5.67738107,
5.28083731, 6.15320115, 3.42747691, 5.72918766, 5.91724691,
4.83514468, 4.19425714, 4.59213095, 4.23491379, 4.44307898,
4.85002062, 3.68601655, 3.34430793, 4.44669012, 5.21651207,
4.39399604, 6.1542975 , 5.18053303, 4.56594122, 5.82571705,
5.27565334, 5.06206244, 3.30770505, 3.91693396, 6.98565476,
3.4926006 , 5.1485241 , 6.21774637, 4.28257422, 6.52841365,
4.62857032, 4.23136567, 3.82420662, 3.74394523, 5.0192126 ,
5.16862418, 5.14095923, 6.43276907, 5.84756387, 5.30127721,
5.2689874 , 3.70364905, 6.55048716, 6.30709324, 3.52150307,
5.95410199, 5.04133322, 4.25300762, 4.66354312, 5.79064765,
4.40433573, 4.45537903, 5.89482175, 5.87593757, 5.68857767,
4.86160107, 4.19193785, 5.17753232, 3.9977945 , 4.9442369 ,
6.07835905, 5.02438589, 6.22749511, 5.24584004, 3.63975901,
4.68905444, 4.78441954, 6.4812497 , 3.69047389, 4.88141576,
5.79649154, 5.04203019, 5.83245323, 3.9658845 , 3.81575922,
4.46942339, 3.53117414, 4.055562 , 5.39131185, 4.68754333,
4.53087311, 4.20410031, 6.27197988, 6.85397581, 4.85151187,
5.02835855, 5.27851599, 5.17836394, 4.06129462, 4.4375603 ,
7.08798937, 5.5102644 , 3.81629454, 5.56699322, 5.10566699,
4.86234081, 3.8165508 , 4.40874826, 3.41589827, 4.29403851,
2.93109546, 4.71142032, 4.21331257, 3.94113757, 4.79319043,
4.51598912, 5.84379645, 5.3311838 , 5.62069354, 4.56616148,
3.78008828, 4.12170311, 3.47164841, 6.45149467, 7.07439161,
5.15775446, 4.99605674, 3.68084454, 4.81140656, 5.31432729,
5.44268601, 4.28726986, 7.01091418, 3.61892038, 4.94733244,
4.32424272, 4.0247057 , 5.80500818, 5.6972797 , 5.65320886,
6.39972657, 3.3030268 , 5.06080049, 2.94627967, 5.61769648,
4.40227402, 3.50383268, 5.70211839, 4.11933258, 5.08979386,
4.2676073 , 4.36874 , 5.60255516, 4.0650777 , 3.69051336,
6.11521605, 5.13445683, 5.62023694, 5.67238026, 4.62919193,
6.29114967, 5.76445703, 5.33025919, 3.04761616, 5.74038603,
6.90571771, 4.88536199, 4.37548828, 4.03133291, 3.98986754,
5.18311004, 3.60657778, 4.68029741, 6.77247176, 4.05498816,
5.81458552, 5.68999805, 4.49644808, 7.23364798, 4.78154564,
4.30177813, 4.15465457, 4.53973133, 5.27878305, 4.19131211,
3.85860472, 6.69376269, 6.05901324, 5.08240134, 4.48290616,
4.74503704, 4.56161557, 4.76352048, 5.58432118, 6.72418505,
4.58035456, 6.77123094, 5.92590072, 5.92009114, 3.80774064,
7.94398176, 4.16758862, 4.72331011, 5.78362765, 3.21055947,
5.76164498, 6.4397337 , 4.44481261, 3.33294915, 6.01488334,
6.81204549, 2.42044915, 4.4403678 , 5.47945654, 4.07128056,
5.30664905, 6.41306649, 6.01389555, 4.4295987 , 7.10258643,
4.65877207, 4.96947419, 5.99469993, 6.2051869 , 5.70905434,
4.61033172, 5.73426407, 4.35125811, 4.53512318, 3.95150925,
6.78339022, 4.30245366, 5.76650037, 5.15131781, 5.52825882,
6.8477806 , 5.18687599, 4.53926858, 7.22687264, 5.63437343,
5.86334083, 5.63117323, 3.69713011, 6.21429763, 4.22379533,
4.58421616, 4.20044833, 4.88802996, 6.11973732, 4.91362631,
5.99532401, 5.23794912, 4.71085432, 5.65410814, 5.13094576,
4.77431904, 5.86111277, 5.20227685, 5.20100846, 3.51333093,
5.61254166, 5.17714846, 4.34431496, 4.04362843, 5.32914837,
4.45681308, 5.11813353, 6.10079781, 5.20358212, 3.62758645,
5.52902048, 4.01751996, 5.43673173, 4.99834851, 4.23534757,
4.06770858, 5.3580892 , 4.40710573, 5.43241561, 4.60487781,
6.48997503, 3.70168528, 5.23138227, 6.23080636, 4.74835939,
3.80599272, 3.29946934, 6.34557388, 4.93872346, 6.47946449,
6.41594052, 6.73218324, 3.04289943, 4.15115282, 5.10402299,
4.50899173, 4.5168367 , 4.65360808, 6.01393715, 6.4251474 ,
4.46519491, 5.05383961, 4.87180319, 3.27026279, 5.01396013,
4.34003878, 5.76289112, 5.32605534, 4.25412225, 5.12852744,
3.58240371, 3.23632483, 5.32664125, 4.8313264 , 3.84089868,
6.76103641, 4.67086501, 4.974855 , 5.90858545, 4.11203174,
3.47689329, 4.59854682, 3.79011385, 5.67780065, 4.04810594,
5.67560683, 4.41887216, 5.47302958, 3.9217647 , 4.22237868,
5.03075115, 5.40360709, 5.63968412, 5.95374395, 5.32658004,
5.41877689, 4.8850843 , 4.61497329, 4.62041275, 5.04798966,
5.41226352, 4.7350273 , 2.27956637, 3.28210161, 4.90247233,
5.97151358, 3.03264944, 4.59598116, 5.61863583, 5.10906549,
5.896816 , 5.0875292 , 6.55366492, 6.06902742, 4.61753771,
4.35189183, 4.70411494, 6.3450411 , 4.79457834, 4.91535206])

nd3 = np.concatenate([nd1, nd2])
nd3

输出

array([16.50002167, 21.95871306, 22.75958416, …, 6.3450411 ,
4.79457834, 4.91535206])

s8 =Series(nd3)
s8

输出

0 16.500022
1 21.958713
2 22.759584
3 17.311623
4 21.113620
5 18.265816
6 14.367717
7 14.041937
8 24.472507
9 12.154959
10 9.272915
11 12.313423
12 10.209241
13 26.501067
14 15.738136
15 15.967169
16 16.691080
17 17.470095
18 23.255858
19 3.750134
20 25.121658
21 9.213113
22 20.805368
23 15.541248
24 28.903056
25 20.532467
26 11.801656
27 21.608022
28 11.175858
29 16.327408
…
1970 5.030751
1971 5.403607
1972 5.639684
1973 5.953744
1974 5.326580
1975 5.418777
1976 4.885084
1977 4.614973
1978 4.620413
1979 5.047990
1980 5.412264
1981 4.735027
1982 2.279566
1983 3.282102
1984 4.902472
1985 5.971514
1986 3.032649
1987 4.595981
1988 5.618636
1989 5.109065
1990 5.896816
1991 5.087529
1992 6.553665
1993 6.069027
1994 4.617538
1995 4.351892
1996 4.704115
1997 6.345041
1998 4.794578
1999 4.915352
Length: 2000, dtype: float64

# 密度图
s8.plot(kind='kde')

s8.hist(bins=70)

s8.plot(kind='kde')
# 怎么解决密度线趴下来的问题
# normed 统一的，将数据归一化
s8.hist(bins= 70, normed=True)

## 散布图

df = DataFrame(np.random.randint(0, 150, size=(10, 3)),columns=['Python', 'Java', 'PHP'])
df

.dataframe tbody tr th:only-of-type { vertical-align: middle; } .dataframe tbody tr th { vertical-align: top; } .dataframe thead th { text-align: right; }

	Python	Java	PHP
0	50	148	144
1	43	104	98
2	16	139	91
3	37	54	79
4	120	111	147
5	2	90	132
6	104	33	130
7	59	32	82
8	39	17	52
9	147	49	29

df['C++'] = df['Python'].map(lambda x : 0.7 * x + 20)
df

.dataframe tbody tr th:only-of-type { vertical-align: middle; } .dataframe tbody tr th { vertical-align: top; } .dataframe thead th { text-align: right; }

	Python	Java	PHP	C++
0	50	148	144	55.0
1	43	104	98	50.1
2	16	139	91	31.2
3	37	54	79	45.9
4	120	111	147	104.0
5	2	90	132	21.4
6	104	33	130	92.8
7	59	32	82	61.3
8	39	17	52	47.3
9	147	49	29	122.9

散布图散布图是观察两个一维数据列之间的关系的有效方法

注意是用kind=’scatter’ ，给标签columns

# scatter 需要x和y两个参数，作用是对比
df.plot(kind='scatter',x='Python', y='Java')

df.plot(kind='scatter',x='Python', y='C++')

散布图矩阵，当有多个时，两两点之间的联系

函数：pd.plotting.scatter_matrix(),注意参数diagnol:对角线

pd.plotting.scatter_matrix(df, figsize=(12, 9))

array([[,
        ,
        ,
        ],
       [,
        ,
        ,
        ],
       [,
        ,
        ,
        ],
       [,
        ,
        ,
        ]],
      dtype=object)

pd.plotting.scatter_matrix(df, figsize=(12, 9), diagonal='kde')

# 散点图可以让我们找到两列数据之间的关系
# 一，如果数据量太小，两列数据没有关系，加大数据量，又会形成关系
# 二，并不是说数据量越大，两列之间的关系就越明显，在数据过大的情况下，
# 关系会发生改变

你可能感兴趣的:(pandas数据映射、聚合和绘图函数)

情绪觉察日记第37天露露_e800
今天是家庭关系规划师的第二阶最后一天，慧萍老师帮我做了个案，帮我处理了埋在心底好多年的一份恐惧，并给了我深深的力量！这几天出来学习，爸妈过来婆家帮我带小孩，妈妈出于爱帮我收拾东西，并跟我先生和婆婆产生矛盾，妈妈觉得他们没有照顾好我…。今晚回家见到妈妈，我很欣赏她并赞扬她，妈妈说今晚要跟我睡我说好，当我们俩躺在床上准备睡觉的时候，我握着妈妈的手对她说:妈妈这几天辛苦你了，你看你多利害把我们的家收拾得
芦花鞋一四许叶晗
又是在一个寒冷的夏日里，青铜和葵花决定今天一起去卖芦花鞋，奶奶亲手给他们做了一碗热乎乎的粥对他们说:“就靠你们两挣生活费了这碗粥赶紧趁热喝了吧！”于是青铜和葵花喝完了奶奶给她们做的粥，就准备去镇上卖卢花鞋，这回青铜和葵花穿着新的芦花鞋来到了镇上。青铜这回看到了很多人都在卖，用手势表达对葵花说:“这回有好多人在抢我们生意呢！我们必须得吆喝起来。”葵花点了点头。可是谁知他们也大声的叫，卖芦花喽！卖芦花
关于沟通这件事，项目经理不需要每次都面对面进行流程大师兄
很多项目经理都会遇到这样的问题，项目中由于事情太多，根本没有足够的时间去召开会议，那在这种情况下如何去有效地管理项目中的利益相关者？当然，不建议电子邮件也不需要开会的话，建议可以采取下面几种方式来形成有效的沟通，这几种方式可以帮助你努力的通过各种办法来保持和各方面的联系。项目经理首先要问自己几个问题，项目中哪些利益相关者是必须要进行沟通的？可以列出项目中所有的利益相关者清单，同时也整理出项目中哪些
机器学习与深度学习间关系与区别 ℒℴѵℯ心·动ꦿ໊ོ꫞ 人工智能学习深度学习 python
一、机器学习概述定义机器学习（MachineLearning,ML）是一种通过数据驱动的方法，利用统计学和计算算法来训练模型，使计算机能够从数据中学习并自动进行预测或决策。机器学习通过分析大量数据样本，识别其中的模式和规律，从而对新的数据进行判断。其核心在于通过训练过程，让模型不断优化和提升其预测准确性。主要类型1.监督学习（SupervisedLearning）监督学习是指在训练数据集中包含输入
【iOS】MVC设计模式 Magnetic_h ios mvc 设计模式 objective-c 学习 ui
MVC前言如何设计一个程序的结构，这是一门专门的学问，叫做"架构模式"（architecturalpattern），属于编程的方法论。MVC模式就是架构模式的一种。它是Apple官方推荐的App开发架构，也是一般开发者最先遇到、最经典的架构。MVC各层controller层Controller/ViewController/VC（控制器）负责协调Model和View，处理大部分逻辑它将数据从Mod
一百九十四章. 自相矛盾巨木擎天
唉！就这么一夜，林子感觉就像过了很多天似的，先是回了阳间家里，遇到了那么多不可思议的事情儿。特别是小伙伴们，第二次与自己见面时，僵硬的表情和恐怖的气氛，让自己如坐针毡，打从心眼里难受！还有东子，他现在还好吗？有没有被人欺负？护城河里的小鱼小虾们，还都在吗？水不会真的干枯了吧？那对相亲相爱漂亮的太平鸟儿，还好吧！春天了，到了做窝、下蛋、喂养小鸟宝宝的时候了，希望它们都能够平安啊！虽然没有看见家人，也
UI学习——cell的复用和自定义cell Magnetic_h ui 学习
目录cell的复用手动（非注册）自动（注册）自定义cellcell的复用在iOS开发中，单元格复用是一种提高表格（UITableView）和集合视图（UICollectionView）滚动性能的技术。当一个UITableViewCell或UICollectionViewCell首次需要显示时，如果没有可复用的单元格，则视图会创建一个新的单元格。一旦这个单元格滚动出屏幕，它就不会被销毁。相反，它被添
element实现动态路由+面包屑软件技术NINI vue案例 vue.js 前端
el-breadcrumb是ElementUI组件库中的一个面包屑导航组件，它用于显示当前页面的路径，帮助用户快速理解和导航到应用的各个部分。在Vue.js项目中，如果你已经安装了ElementUI，就可以很方便地使用el-breadcrumb组件。以下是一个基本的使用示例：安装ElementUI（如果你还没有安装的话）:你可以通过npm或yarn来安装ElementUI。bash复制代码npmi
C语言宏函数南林yan C语言 c语言
一、什么是宏函数？通过宏定义的函数是宏函数。如下，编译器在预处理阶段会将Add(x,y)替换为((x)*(y))#defineAdd(x,y)((x)*(y))#defineAdd(x,y)((x)*(y))intmain(){inta=10;intb=20;intd=10;intc=Add(a+d,b)*2;cout<
地推话术，如何应对地推过程中家长的拒绝校师学
相信校长们在做地推的时候经常遇到这种情况：市场专员反馈家长不接单，咨询师反馈难以邀约这些家长上门，校区地推疲软，招生难。为什么？仅从地推层面分析，一方面因为家长受到的信息轰炸越来越多，对信息越来越“免疫”；而另一方面地推人员的专业能力和营销话术没有提高，无法应对家长的拒绝，对有意向的家长也不知如何跟进，眼睁睁看着家长走远；对于家长的疑问，更不知道如何有技巧地回答，机会白白流失。由于回答没技巧和专业
谢谢你们，爱你们！鹿游儿
昨天家人去泡温泉，二个孩子也带着去，出发前一晚，匆匆下班，赶回家和孩子一起收拾。饭后，我拿出笔和本子（上次去澳门时做手帐的本子）写下了1\2\3\4\5\6\7\8\9,让后让小壹去思考，带什么出发去旅游呢？她在对应的数字旁边画上了，泳衣、泳圈、肖恩、内衣内裤、tapuy、拖鞋……画完后，就让她自己对着这个本子，将要带的，一一带上，没想到这次带的书还是这本《便便工厂》(晚上姑婆发照片过来，妹妹累得
C语言如何定义宏函数？小九格物 c语言
在C语言中，宏函数是通过预处理器定义的，它在编译之前替换代码中的宏调用。宏函数可以模拟函数的行为，但它们不是真正的函数，因为它们在编译时不会进行类型检查，也不会分配存储空间。宏函数的定义通常使用#define指令，后面跟着宏的名称和参数列表，以及宏展开后的代码。宏函数的定义方式：1.基本宏函数：这是最简单的宏函数形式，它直接定义一个表达式。#defineSQUARE(x)((x)*(x))2.带参
微服务下功能权限与数据权限的设计与实现 nbsaas-boot 微服务 java 架构
在微服务架构下，系统的功能权限和数据权限控制显得尤为重要。随着系统规模的扩大和微服务数量的增加，如何保证不同用户和服务之间的访问权限准确、细粒度地控制，成为设计安全策略的关键。本文将讨论如何在微服务体系中设计和实现功能权限与数据权限控制。1.功能权限与数据权限的定义功能权限：指用户或系统角色对特定功能的访问权限。通常是某个用户角色能否执行某个操作，比如查看订单、创建订单、修改用户资料等。数据权限：
理解Gunicorn：Python WSGI服务器的基石范范0825 ipython linux 运维
理解Gunicorn：PythonWSGI服务器的基石介绍Gunicorn，全称GreenUnicorn，是一个为PythonWSGI（WebServerGatewayInterface）应用设计的高效、轻量级HTTP服务器。作为PythonWeb应用部署的常用工具，Gunicorn以其高性能和易用性著称。本文将介绍Gunicorn的基本概念、安装和配置，帮助初学者快速上手。1.什么是Gunico
2021年12月19日，春蕾教育集团团建活动感受——黄晓丹黄错错加油
感受:1.从陌生到熟悉的过程。游戏环节让我们在轻松的氛围中得到了锻炼，也增长了不少知识。2.游戏过程中，我们贡献的是个人力量，展现的是团队的力量。它磨合的往往不止是工作的熟悉，更是观念上契合度的贴近。3.这和工作是一样的道理。在各自的岗位上，每个人摆正自己的位置、各司其职充分发挥才能，并团结一致劲往一处使，才能实现最大的成功。新知:1.团队精神需要不断地创新。过去，人们把创新看作是冒风险，现在人们
Cell Insight | 单细胞测序技术又一新发现，可用于HIV-1和Mtb共感染个体诊断尐尐呅
结核病是艾滋病合并其他疾病中导致患者死亡的主要原因。其中结核病由结核分枝杆菌（Mycobacteriumtuberculosis,Mtb）感染引起，获得性免疫缺陷综合症（艾滋病）由人免疫缺陷病毒（Humanimmunodeficiencyvirustype1,HIV-1）感染引起。国家感染性疾病临床医学研究中心/深圳市第三人民医院张国良团队携手深圳华大生命科学研究院吴靓团队，共同研究得出单细胞测序
c++ 的iostream 和 c++的stdio的区别和联系黄卷青灯77 c++算法开发语言 iostream stdio
在C++中，iostream和C语言的stdio.h都是用于处理输入输出的库，但它们在设计、用法和功能上有许多不同。以下是两者的区别和联系：区别1.编程风格iostream（C++风格）：C++标准库中的输入输出流类库，支持面向对象的输入输出操作。典型用法是cin（输入）和cout（输出），使用>操作符来处理数据。更加类型安全，支持用户自定义类型的输入输出。#includeintmain(){in
《投行人生》读书笔记小蘑菇的树洞
《投行人生》----作者詹姆斯-A-朗德摩根斯坦利副主席40年的职业洞见-很短小精悍的篇幅，比较适合初入职场的新人。第一部分成功的职业生涯需要规划1.情商归为适应能力分享与协作同理心适应能力，更多的是自我意识，你有能力识别自己的情并分辨这些情绪如何影响你的思想和行为。2.对于初入职场的人的建议，细节，截止日期和数据很重要截止日期，一种有效的方法是请老板为你所有的任务进行优先级排序。和老板喝咖啡的好
Long类型前后端数据不一致 igotyback 前端
响应给前端的数据浏览器控制台中response中看到的Long类型的数据是正常的到前端数据不一致前后端数据类型不匹配是一个常见问题，尤其是当后端使用Java的Long类型（64位）与前端JavaScript的Number类型（最大安全整数为2^53-1，即16位）进行数据交互时，很容易出现精度丢失的问题。这是因为JavaScript中的Number类型无法安全地表示超过16位的整数。为了解决这个问
Linux下QT开发的动态库界面弹出操作（SDL2） 13jjyao QT类 qt 开发语言 sdl2 linux
需求：操作系统为linux，开发框架为qt，做成需带界面的qt动态库，调用方为java等非qt程序难点：调用方为java等非qt程序，也就是说调用方肯定不带QApplication::exec()，缺少了这个，QTimer等事件和QT创建的窗口将不能弹出(包括opencv也是不能弹出)；这与qt调用本身qt库是有本质的区别的思路：1.调用方缺QApplication::exec()，那么我们在接口
绘本讲师训练营【24期】8/21阅读原创《独生小孩》 1784e22615e0
24016-孟娟《独生小孩》图片发自App今天我想分享一个蛮特别的绘本，讲的是一个特殊的群体，我也是属于这个群体，80后的独生小孩。这是一本中国绘本，作者郭婧，也是一个80厚。全书一百多页，均为铅笔绘制，虽然为黑白色调，但并不显得沉闷。全书没有文字，犹如“默片”，但并不影响读者对该作品的理解，反而显得神秘，梦幻，給读者留下想象的空间。作者在前蝴蝶页这样写到：“我更希望父母和孩子一起分享这本书，使他
店群合一模式下的社区团购新发展——结合链动 2+1 模式、AI 智能名片与 S2B2C 商城小程序源码说私域人工智能小程序
摘要：本文探讨了店群合一的社区团购平台在当今商业环境中的重要性和优势。通过分析店群合一模式如何将互联网社群与线下终端紧密结合，阐述了链动2+1模式、AI智能名片和S2B2C商城小程序源码在这一模式中的应用价值。这些创新元素的结合为社区团购带来了新的机遇，提升了用户信任感、拓展了营销渠道，并实现了线上线下的完美融合。一、引言随着互联网技术的不断发展，社区团购作为一种新兴的商业模式，在满足消费者日常需
消息中间件有哪些常见类型 xmh-sxh-1314 java
消息中间件根据其设计理念和用途，可以大致分为以下几种常见类型：点对点消息队列（Point-to-PointMessagingQueues）：在这种模型中，消息被发送到特定的队列中，消费者从队列中取出并处理消息。队列中的消息只能被一个消费者消费，消费后即被删除。常见的实现包括IBM的MQSeries、RabbitMQ的部分使用场景等。适用于任务分发、负载均衡等场景。发布/订阅消息模型（Pub/Sub
ArcGIS栅格计算器常见公式（赋值、0和空值的转换、补充栅格空值）研学随笔 arcgis 经验分享
我们在使用ArcGIS时通常经常用到栅格计算器，今天主要给大家介绍我日常中经常用到的几个公式，供大家参考学习。将特定值（-9999）赋值为0，例如-9999.Con("raster"==-9999,0,"raster")2.给空值赋予特定的值（如0）Con(IsNull("raster"),0,"raster")3.将特定的栅格值(如1)赋值为空值，其他保留原值SetNull("raster"==
水平垂直居中的几种方法（总结） LJ小番茄 CSS_玄学语言 html javascript 前端 css css3
1.使用flexbox的justify-content和align-items.parent{display:flex;justify-content:center;/*水平居中*/align-items:center;/*垂直居中*/height:100vh;/*需要指定高度*/}2.使用grid的place-items:center.parent{display:grid;place-item
【一起学Rust | 设计模式】习惯语法——使用借用类型作为参数、格式化拼接字符串、构造函数广龙宇一起学Rust #Rust设计模式 rust 设计模式开发语言
提示：文章写完后，目录可以自动生成，如何生成可参考右边的帮助文档文章目录前言一、使用借用类型作为参数二、格式化拼接字符串三、使用构造函数总结前言Rust不是传统的面向对象编程语言，它的所有特性，使其独一无二。因此，学习特定于Rust的设计模式是必要的。本系列文章为作者学习《Rust设计模式》的学习笔记以及自己的见解。因此，本系列文章的结构也与此书的结构相同（后续可能会调成结构），基本上分为三个部分
本周第二次约练 2cfbdfe28a51
中原焦点团队中24初26刘霞2021.12.3约练161次，分享第368天当事人虽然是带着问题来的，但是咨询过程中发现，她是经过自己不断地调整和努力才走到现在的，看到当事人的不容易，找到例外，发现资源，力量感也就随之而来。增强画面感，或者说重温，会给当事人带来更深刻的感受。
放下是一段成长的修行小莳玥
人来到这个世界上，只有两件事：生和死。一件事已经做完了，另一件你还急什么呢?是人，都有七情六欲。是心，都有喜怒哀乐，这些再正常不过了。别总抱怨自己活得累，过得辛苦。永远记住：舒坦是留给死人的。苦，才是生活；累，才是工作；变，才是命运；忍，才是历练；容，才是智慧；静，才是修养；舍，才会得到；做，才会拥有。人生，活得太清楚，才是最大的不明白。有些事，看得很清，却说不清；有些人，了解很深，却猜不透；有些
回溯 Leetcode 332 重新安排行程 mmaerd Leetcode刷题学习记录 leetcode 算法职场和发展
重新安排行程Leetcode332学习记录自代码随想录给你一份航线列表tickets，其中tickets[i]=[fromi,toi]表示飞机出发和降落的机场地点。请你对该行程进行重新规划排序。所有这些机票都属于一个从JFK（肯尼迪国际机场）出发的先生，所以该行程必须从JFK开始。如果存在多种有效的行程，请你按字典排序返回最小的行程组合。例如，行程[“JFK”,“LGA”]与[“JFK”,“LGB
Python数据分析与可视化实战指南 William数据分析 python python 数据
在数据驱动的时代，Python因其简洁的语法、强大的库生态系统以及活跃的社区，成为了数据分析与可视化的首选语言。本文将通过一个详细的案例，带领大家学习如何使用Python进行数据分析，并通过可视化来直观呈现分析结果。一、环境准备1.1安装必要库在开始数据分析和可视化之前，我们需要安装一些常用的库。主要包括pandas、numpy、matplotlib和seaborn等。这些库分别用于数据处理、数学
Linux的Initrd机制被触发 linux
Linux 的 initrd 技术是一个非常普遍使用的机制，linux2.6 内核的 initrd 的文件格式由原来的文件系统镜像文件转变成了 cpio 格式，变化不仅反映在文件格式上， linux 内核对这两种格式的 initrd 的处理有着截然的不同。本文首先介绍了什么是 initrd 技术，然后分别介绍了 Linux2.4 内核和 2.6 内核的 initrd 的处理流程。最后通过对 Lin
maven本地仓库路径修改 bitcarter maven
默认maven本地仓库路径：C:\Users\Administrator\.m2 修改maven本地仓库路径方法： 1.打开E:\maven\apache-maven-2.2.1\conf\settings.xml 2.找到
XSD和XML中的命名空间 darrenzhu xml xsd schema namespace 命名空间
http://www.360doc.com/content/12/0418/10/9437165_204585479.shtml http://blog.csdn.net/wanghuan203/article/details/9203621 http://blog.csdn.net/wanghuan203/article/details/9204337 http://www.cn
Java 求素数运算周凡杨 java 算法素数
网络上对求素数之解数不胜数，我在此总结归纳一下，同时对一些编码，加以改进，效率有成倍热提高。第一种：原理: 6N(+-)1法任何一个自然数，总可以表示成为如下的形式之一： 6N，6N+1，6N+2，6N+3，6N+4，6N+5 (N=0，1，2，…)
java 单例模式 g21121 java
想必单例模式大家都不会陌生，有如下两种方式来实现单例模式： class Singleton { private static Singleton instance=new Singleton(); private Singleton(){} static Singleton getInstance() { return instance; }
Linux下Mysql源码安装 510888780 mysql
1.假设已经有mysql-5.6.23-linux-glibc2.5-x86_64.tar.gz (1)创建mysql的安装目录及数据库存放目录解压缩下载的源码包，目录结构，特殊指定的目录除外：
32位和64位操作系统墙头上一根草 32位和64位操作系统
32位和64位操作系统是指：CPU一次处理数据的能力是32位还是64位。现在市场上的CPU一般都是64位的，但是这些CPU并不是真正意义上的64 位CPU，里面依然保留了大部分32位的技术，只是进行了部分64位的改进。32位和64位的区别还涉及了内存的寻址方面，32位系统的最大寻址空间是2 的32次方= 4294967296（bit）= 4（GB）左右，而64位系统的最大寻址空间的寻址空间则达到了
我的spring学习笔记10-轻量级_Spring框架 aijuans Spring 3
一、问题提问： → 请简单介绍一下什么是轻量级？轻量级（Leightweight）是相对于一些重量级的容器来说的，比如Spring的核心是一个轻量级的容器，Spring的核心包在文件容量上只有不到1M大小，使用Spring核心包所需要的资源也是很少的，您甚至可以在小型设备中使用Spring。
mongodb 环境搭建及简单CURD antlove Web Install curd NoSQL mongo
一搭建mongodb环境 1. 在mongo官网下载mongodb 2. 在本地创建目录 "D:\Program Files\mongodb-win32-i386-2.6.4\data\db" 3. 运行mongodb服务 [mongod.exe --dbpath "D:\Program Files\mongodb-win32-i386-2.6.4\data\
数据字典和动态视图百合不是茶 oracle 数据字典动态视图系统和对象权限
数据字典（data dictionary）是 Oracle 数据库的一个重要组成部分，这是一组用于记录数据库信息的只读（read-only）表。随着数据库的启动而启动,数据库关闭时数据字典也关闭数据字典中包含数据库中所有方案对象（schema object）的定义(包括表，视图，索引，簇，同义词，序列，过程，函数，包，触发器等等) 数据库为一
多线程编程一般规则 bijian1013 java thread 多线程 java多线程
如果两个工两个以上的线程都修改一个对象，那么把执行修改的方法定义为被同步的，如果对象更新影响到只读方法，那么只读方法也要定义成同步的。不要滥用同步。如果在一个对象内的不同的方法访问的不是同一个数据，就不要将方法设置为synchronized的。
将文件或目录拷贝到另一个Linux系统的命令scp bijian1013 linux unix scp
一.功能说明 scp就是security copy，用于将文件或者目录从一个Linux系统拷贝到另一个Linux系统下。scp传输数据用的是SSH协议，保证了数据传输的安全，其格式如下： scp 远程用户名@IP地址：文件的绝对路径
【持久化框架MyBatis3五】MyBatis3一对多关联查询 bit1129 Mybatis3
以教员和课程为例介绍一对多关联关系，在这里认为一个教员可以叫多门课程，而一门课程只有1个教员教，这种关系在实际中不太常见，通过教员和课程是多对多的关系。示例数据：地址表： CREATE TABLE ADDRESSES ( ADDR_ID INT(11) NOT NULL AUTO_INCREMENT, STREET VAR
cookie状态判断引发的查找问题 bitcarter form cgi
先说一下我们的业务背景： 1.前台将图片和文本通过form表单提交到后台，图片我们都做了base64的编码，并且前台图片进行了压缩 2.form中action是一个cgi服务 3.后台cgi服务同时供PC，H5，APP 4.后台cgi中调用公共的cookie状态判断方法（公共的，大家都用，几年了没有问题）问题：（折腾两天。。。。） 1.PC端cgi服务正常调用，cookie判断没
通过Nginx,Tomcat访问日志(access log)记录请求耗时 ronin47
一、Nginx通过$upstream_response_time $request_time统计请求和后台服务响应时间 nginx.conf使用配置方式： log_format main '$remote_addr - $remote_user [$time_local] "$request" ''$status $body_bytes_sent "$http_r
java-67- n个骰子的点数。把n个骰子扔在地上，所有骰子朝上一面的点数之和为S。输入n，打印出S的所有可能的值出现的概率。 bylijinnan java
public class ProbabilityOfDice { /** * Q67 n个骰子的点数 * 把n个骰子扔在地上，所有骰子朝上一面的点数之和为S。输入n，打印出S的所有可能的值出现的概率。 * 在以下求解过程中，我们把骰子看作是有序的。 * 例如当n=2时，我们认为（1，2）和（2，1）是两种不同的情况 */ private stati
看别人的博客，觉得心情很好 Cb123456 博客心情
以为写博客，就是总结，就和日记一样吧，同时也在督促自己。今天看了好长时间博客: 职业规划: http://www.iteye.com/blogs/subjects/zhiyeguihua android学习: 1.http://byandby.i
[JWFD开源工作流]尝试用原生代码引擎实现循环反馈拓扑分析 comsci 工作流
我们已经不满足于仅仅跳跃一次，通过对引擎的升级，今天我测试了一下循环反馈模式，大概跑了200圈，引擎报一个溢出错误在一个流程图的结束节点中嵌入一段方程，每次引擎运行到这个节点的时候，通过实时编译器GM模块，计算这个方程，计算结果与预设值进行比较，符合条件则跳跃到开始节点，继续新一轮拓扑分析，直到遇到
JS常用的事件及方法 cwqcwqmax9 js
事件描述 onactivate 当对象设置为活动元素时触发。 onafterupdate 当成功更新数据源对象中的关联对象后在数据绑定对象上触发。 onbeforeactivate 对象要被设置为当前元素前立即触发。 onbeforecut 当选中区从文档中删除之前在源对象触发。 onbeforedeactivate 在 activeElement 从当前对象变为父文档其它对象之前立即
正则表达式验证日期格式 dashuaifu 正则表达式 IT其它 java其它
正则表达式验证日期格式 function isDate(d){ var v = d.match(/^(\d{4})-(\d{1,2})-(\d{1,2})$/i); if(!v) { this.focus(); return false; } } <input value="2000-8-8" onblu
Yii CModel.rules() 方法、validate预定义完整列表、以及说说验证 dcj3sjt126com yii
public array rules () {return} array 要调用 validate() 时应用的有效性规则。返回属性的有效性规则。声明验证规则，应重写此方法。每个规则是数组具有以下结构：array('attribute list', 'validator name', 'on'=>'scenario name', ...validation
UITextAttributeTextColor = deprecated in iOS 7.0 dcj3sjt126com ios
In this lesson we used the key "UITextAttributeTextColor" to change the color of the UINavigationBar appearance to white. This prompts a warning "first deprecated in iOS 7.0." Ins
判断一个数是质数的几种方法 EmmaZhao Math python
质数也叫素数，是只能被1和它本身整除的正整数，最小的质数是2，目前发现的最大的质数是p=2^57885161-1【注1】。判断一个数是质数的最简单的方法如下： def isPrime1(n): for i in range(2, n): if n % i == 0: return False return True 但是在上面的方法中有一些冗余的计算，所以
SpringSecurity工作原理小解读坏我一锅粥 SpringSecurity
SecurityContextPersistenceFilter ConcurrentSessionFilter WebAsyncManagerIntegrationFilter HeaderWriterFilter CsrfFilter LogoutFilter Use
JS实现自适应宽度的Tag切换 ini JavaScript html Web css html5
效果体验：http://hovertree.com/texiao/js/3.htm 该效果使用纯JavaScript代码，实现TAB页切换效果，TAB标签根据内容自适应宽度，点击TAB标签切换内容页。 HTML文件代码： <!DOCTYPE html> <html xmlns="http://www.w3.org/1999/xhtml"
Hbase Rest API : 数据查询 kane_xie REST hbase
hbase（hadoop）是用java编写的，有些语言（例如python）能够对它提供良好的支持，但也有很多语言使用起来并不是那么方便，比如c#只能通过thrift访问。Rest就能很好的解决这个问题。Hbase的org.apache.hadoop.hbase.rest包提供了rest接口，它内嵌了jetty作为servlet容器。启动命令：./bin/hbase rest s
JQuery实现鼠标拖动元素移动位置（源码+注释）明子健 jquery js 源码拖动鼠标
欢迎讨论指正！ print.html代码： <!DOCTYPE html> <html> <head> <meta http-equiv=Content-Type content="text/html;charset=utf-8"> <title>发票打印</title> &l
Postgresql 连表更新字段语法 update qifeifei PostgreSQL
下面这段sql本来目的是想更新条件下的数据，可是这段sql却更新了整个表的数据。sql如下： UPDATE tops_visa.visa_order SET op_audit_abort_pass_date = now() FROM tops_visa.visa_order as t1 INNER JOIN tops_visa.visa_visitor as t2 ON t1.
将redis,memcache结合使用的方案? tcrct redis cache
公司架构上使用了阿里云的服务，由于阿里的kvstore收费相当高，打算自建，自建后就需要自己维护，所以就有了一个想法，针对kvstore(redis)及ocs(memcache)的特点，想自己开发一个cache层，将需要用到list，set，map等redis方法的继续使用redis来完成，将整条记录放在memcache下，即findbyid，save等时就memcache，其它就对应使用redi
开发中遇到的诡异的bug wudixiaotie bug
今天我们服务器组遇到个问题：我们的服务是从Kafka里面取出数据，然后把offset存储到ssdb中，每个topic和partition都对应ssdb中不同的key，服务启动之后，每次kafka数据更新我们这边收到消息，然后存储之后就发现ssdb的值偶尔是-2,这就奇怪了，最开始我们是在代码中打印存储的日志，发现没什么问题，后来去查看ssdb的日志，才发现里面每次set的时候都会对同一个key

	Python	Java	PHP	VR
0	122	19	146	88
1	82	105	120	146
2	134	19	81	127
3	0	78	75	39
4	3	115	19	8
5	16	147	71	44
6	16	92	124	131
7	42	141	64	114
8	31	103	64	13
9	103	83	128	108

	Python	Java	PHP	VR
0	122	19	146	88
1	82	105	120	146
2	134	19	81	127
3	0	78	75	39
4	3	115	19	8
5	16	147	71	44
6	16	92	124	131
7	42	141	64	114
8	31	103	64	13
9	103	83	128	108

	Python	Java	Math	China
0	0	94	45	52
1	130	44	120	60
2	45	134	149	14
3	18	62	4	55
4	73	66	112	27
5	17	90	61	136
6	106	101	29	100
7	60	58	142	60
8	47	94	70	24
9	9	115	101	80
10	92	2	135	35
11	149	57	39	92
12	131	143	149	142
13	35	68	12	119
14	137	62	47	68
15	67	74	140	34
16	85	139	88	104
17	32	122	31	145
18	65	24	33	17
19	68	41	60	99
20	76	104	29	78
21	61	9	26	58
22	65	23	12	22
23	27	90	122	93
24	55	119	49	27
25	92	95	116	127
26	127	96	39	60
27	116	15	103	130
28	86	53	11	128
29	120	91	138	124
…	…	…	…	…
970	100	60	17	66
971	122	148	30	22
972	33	133	121	110
973	34	66	62	133
974	88	14	93	131
975	109	86	143	28
976	69	45	86	31
977	55	92	57	138
978	12	63	72	23
979	100	40	116	142
980	113	87	74	80
981	44	62	93	39
982	144	63	130	111
983	38	57	105	55
984	10	18	94	20
985	86	144	12	35
986	96	6	8	54
987	10	93	61	127
988	7	61	79	110
989	28	141	128	76
990	136	136	13	66
991	80	129	61	101
992	141	143	51	38
993	29	46	118	129
994	40	64	69	100
995	92	70	142	54
996	115	71	62	55
997	28	10	93	107
998	31	137	88	75
999	76	36	44	119

	Python	Java	Math	China
110	11	145	121	64
799	9	4	42	21
333	36	3	134	145
998	31	137	88	75
143	6	146	87	23
602	115	109	59	53
903	132	32	147	81
74	102	57	146	84
500	124	116	84	17
218	4	99	91	126
490	74	56	39	134
771	1	75	57	6
632	39	10	145	106
615	75	113	82	37
369	46	17	139	106
227	50	144	134	67
518	27	99	42	15
866	68	30	79	43
626	47	15	27	111
748	91	111	70	89
135	84	46	131	110
926	1	56	129	148
905	31	136	25	32
387	136	24	103	131
837	145	50	10	18
804	60	75	70	139
727	6	57	98	14
907	142	63	88	25
538	145	41	89	18
81	51	11	33	69
646	130	7	43	15
131	148	117	103	17
846	141	84	99	48
923	111	148	40	78
96	108	128	41	108
275	4	41	93	41
612	15	7	16	81
757	103	79	48	70
581	13	10	73	37
709	53	40	117	121
641	146	17	127	23
724	22	68	16	32
671	134	34	140	80
445	108	45	134	55
883	137	114	112	90
300	139	104	121	9
451	66	134	138	127
711	39	92	147	74
466	14	99	34	70
322	108	86	122	62

	Python	Java	PHP
0	50	148	144
1	43	104	98
2	16	139	91
3	37	54	79
4	120	111	147
5	2	90	132
6	104	33	130
7	59	32	82
8	39	17	52
9	147	49	29

	Python	Java	PHP	VR
0	122	19	146	88
1	82	105	120	146
2	134	19	81	127
3	0	78	75	39
4	3	115	19	8
5	16	147	71	44
6	16	92	124	131
7	42	141	64	114
8	31	103	64	13
9	103	83	128	108

	Python	Java	PHP	VR
0	122	19	146	88
1	82	105	120	146
2	134	19	81	127
3	0	78	75	39
4	3	115	19	8
5	16	147	71	44
6	16	92	124	131
7	42	141	64	114
8	31	103	64	13
9	103	83	128	108

	Python	Java	Math	China
0	0	94	45	52
1	130	44	120	60
2	45	134	149	14
3	18	62	4	55
4	73	66	112	27
5	17	90	61	136
6	106	101	29	100
7	60	58	142	60
8	47	94	70	24
9	9	115	101	80
10	92	2	135	35
11	149	57	39	92
12	131	143	149	142
13	35	68	12	119
14	137	62	47	68
15	67	74	140	34
16	85	139	88	104
17	32	122	31	145
18	65	24	33	17
19	68	41	60	99
20	76	104	29	78
21	61	9	26	58
22	65	23	12	22
23	27	90	122	93
24	55	119	49	27
25	92	95	116	127
26	127	96	39	60
27	116	15	103	130
28	86	53	11	128
29	120	91	138	124
…	…	…	…	…
970	100	60	17	66
971	122	148	30	22
972	33	133	121	110
973	34	66	62	133
974	88	14	93	131
975	109	86	143	28
976	69	45	86	31
977	55	92	57	138
978	12	63	72	23
979	100	40	116	142
980	113	87	74	80
981	44	62	93	39
982	144	63	130	111
983	38	57	105	55
984	10	18	94	20
985	86	144	12	35
986	96	6	8	54
987	10	93	61	127
988	7	61	79	110
989	28	141	128	76
990	136	136	13	66
991	80	129	61	101
992	141	143	51	38
993	29	46	118	129
994	40	64	69	100
995	92	70	142	54
996	115	71	62	55
997	28	10	93	107
998	31	137	88	75
999	76	36	44	119

	Python	Java	Math	China
110	11	145	121	64
799	9	4	42	21
333	36	3	134	145
998	31	137	88	75
143	6	146	87	23
602	115	109	59	53
903	132	32	147	81
74	102	57	146	84
500	124	116	84	17
218	4	99	91	126
490	74	56	39	134
771	1	75	57	6
632	39	10	145	106
615	75	113	82	37
369	46	17	139	106
227	50	144	134	67
518	27	99	42	15
866	68	30	79	43
626	47	15	27	111
748	91	111	70	89
135	84	46	131	110
926	1	56	129	148
905	31	136	25	32
387	136	24	103	131
837	145	50	10	18
804	60	75	70	139
727	6	57	98	14
907	142	63	88	25
538	145	41	89	18
81	51	11	33	69
646	130	7	43	15
131	148	117	103	17
846	141	84	99	48
923	111	148	40	78
96	108	128	41	108
275	4	41	93	41
612	15	7	16	81
757	103	79	48	70
581	13	10	73	37
709	53	40	117	121
641	146	17	127	23
724	22	68	16	32
671	134	34	140	80
445	108	45	134	55
883	137	114	112	90
300	139	104	121	9
451	66	134	138	127
711	39	92	147	74
466	14	99	34	70
322	108	86	122	62

	Python	Java	PHP
0	50	148	144
1	43	104	98
2	16	139	91
3	37	54	79
4	120	111	147
5	2	90	132
6	104	33	130
7	59	32	82
8	39	17	52
9	147	49	29

	Python	Java	PHP	VR
0	122	19	146	88
1	82	105	120	146
2	134	19	81	127
3	0	78	75	39
4	3	115	19	8
5	16	147	71	44
6	16	92	124	131
7	42	141	64	114
8	31	103	64	13
9	103	83	128	108

	Python	Java	PHP	VR
0	122	19	146	88
1	82	105	120	146
2	134	19	81	127
3	0	78	75	39
4	3	115	19	8
5	16	147	71	44
6	16	92	124	131
7	42	141	64	114
8	31	103	64	13
9	103	83	128	108

	Python	Java	Math	China
0	0	94	45	52
1	130	44	120	60
2	45	134	149	14
3	18	62	4	55
4	73	66	112	27
5	17	90	61	136
6	106	101	29	100
7	60	58	142	60
8	47	94	70	24
9	9	115	101	80
10	92	2	135	35
11	149	57	39	92
12	131	143	149	142
13	35	68	12	119
14	137	62	47	68
15	67	74	140	34
16	85	139	88	104
17	32	122	31	145
18	65	24	33	17
19	68	41	60	99
20	76	104	29	78
21	61	9	26	58
22	65	23	12	22
23	27	90	122	93
24	55	119	49	27
25	92	95	116	127
26	127	96	39	60
27	116	15	103	130
28	86	53	11	128
29	120	91	138	124
…	…	…	…	…
970	100	60	17	66
971	122	148	30	22
972	33	133	121	110
973	34	66	62	133
974	88	14	93	131
975	109	86	143	28
976	69	45	86	31
977	55	92	57	138
978	12	63	72	23
979	100	40	116	142
980	113	87	74	80
981	44	62	93	39
982	144	63	130	111
983	38	57	105	55
984	10	18	94	20
985	86	144	12	35
986	96	6	8	54
987	10	93	61	127
988	7	61	79	110
989	28	141	128	76
990	136	136	13	66
991	80	129	61	101
992	141	143	51	38
993	29	46	118	129
994	40	64	69	100
995	92	70	142	54
996	115	71	62	55
997	28	10	93	107
998	31	137	88	75
999	76	36	44	119

	Python	Java	Math	China
110	11	145	121	64
799	9	4	42	21
333	36	3	134	145
998	31	137	88	75
143	6	146	87	23
602	115	109	59	53
903	132	32	147	81
74	102	57	146	84
500	124	116	84	17
218	4	99	91	126
490	74	56	39	134
771	1	75	57	6
632	39	10	145	106
615	75	113	82	37
369	46	17	139	106
227	50	144	134	67
518	27	99	42	15
866	68	30	79	43
626	47	15	27	111
748	91	111	70	89
135	84	46	131	110
926	1	56	129	148
905	31	136	25	32
387	136	24	103	131
837	145	50	10	18
804	60	75	70	139
727	6	57	98	14
907	142	63	88	25
538	145	41	89	18
81	51	11	33	69
646	130	7	43	15
131	148	117	103	17
846	141	84	99	48
923	111	148	40	78
96	108	128	41	108
275	4	41	93	41
612	15	7	16	81
757	103	79	48	70
581	13	10	73	37
709	53	40	117	121
641	146	17	127	23
724	22	68	16	32
671	134	34	140	80
445	108	45	134	55
883	137	114	112	90
300	139	104	121	9
451	66	134	138	127
711	39	92	147	74
466	14	99	34	70
322	108	86	122	62

	Python	Java	PHP
0	50	148	144
1	43	104	98
2	16	139	91
3	37	54	79
4	120	111	147
5	2	90	132
6	104	33	130
7	59	32	82
8	39	17	52
9	147	49	29