北辰0518

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)

MQ和多线程异步有什么区别？大唐雨夜分布式 java 分布式经验分享
在系统调用时，我们可能使用MQ实现自产自销。此处直接使用多线程异步是否也可以实现？使用多线程异步也可以实现，但是不够优雅。主要在于多线程和MQ的区别。CPU消耗。多线程异步可能存在CPU竞争，而MQ不会消耗CPU.可靠性。MQ可以保证可靠性，而多线程不能保证，当前系统宕机可能导致任务丢失。削峰或者消息堆积能力。当业务系统处于高并发，MQ可以将消息堆积在Broker实例中，而多线程会创建大量线程，甚
为AI聊天工具添加一个知识系统之73 详细设计之14 正则表达式之1 一水鉴天智能制造人工语言软件智能网络人工智能
本文要点要点今天讨论“当代符号学的正则表达式：StringProcessor”。StringProcessor被视为当代符号学的正则表达式，表达的是思维的纯粹形式（逻辑表示无关，语言表达无关，程序实现无关）。StringProcessor自带投影规则-关注空性中心（符号学立场），它内嵌转换规则-隐藏共性内核（建筑术视角）和外挂映射规则-悬置个性外壳（诠释学观点）。正则表达式的三方智能合约：字母转换
为AI聊天工具添加一个知识系统之72 详细设计之13 图灵机一水鉴天软件智能人工语言智能制造人工智能
本文要点要点实际上是要设计一个图灵机，利用λ转换规则和λ演算来定义StringProcessor的发生产规则的转换功能。三种文法型运行图灵机来处理不同的串---符号串，数字串和文字串一个StrIngProcessor，图灵机（利用λ转换规则和λ演算来定义StringProcessor的发生产规则的转换功能），三种串(字符/数字/文字)，三种语法公式（term/atom/formula），三种文法型
智能工厂的设计软件应用场景的一个例子：为AI聊天工具添加一个知识系统之7 附件（项目文档）一水鉴天人工语言智能制造软件智能人工智能
为AI聊天工具添加一个知识系统Part1人性化&去中心化前情提要这一次我们暂时抛开前面对“智能工厂的软件设计”的考虑--其软件智能产品就是应用程序。直接将这些思维方式和方法论运用在其具体应用场景中。本文是其中的一个应用场景。今天用了一个新的AI助手工具来交流。下面是就这一应用场景和“天意ChatGPT”（自称是ChatGPT4.0的直通通道）的Q&A。在现在各种AI聊天工具层出不穷的今天，我觉得特
智能工厂的设计软件应用场景的一个例子：为AI聊天工具添加一个知识系统之4 两种描述文件：source的自述文件和resource的描述文件一水鉴天人工智能
本文要点前面是为“描述”格式中描述项的未尽描述所所的扩展思考。现在我们回到前面的讨论。前面分析了我拿出来做例句的一段话中的三行文字（“自述”）--也基本上是文档“为AI聊天工具添加一个知识系统”的“枢纽”。进一步讨论这样的“枢纽”要怎样才能具备这个资格？那么，我们是否能基于这些讨论进一步准确根据三种处理器的描述文字确定三者在系统中的地位或作用呢？---就像刚刚我们确定了”语言处理器“或”网络“组件
服务器中热备份和冷备份的区别 wanhengidc 服务器运维
服务器中最为常见的两种备份策略为热备份和冷备份，是用于在数据丢失或者是系统出现故障时恢复服务器状态和数据信息的，小编今天主要来为大家介绍一下热备份和冷备份之间的区别都有哪些！热备份通常是指在服务器正常运行的状态下进行的数据备份，在进行热备份的过程中，服务器依旧可以继续接收并处理用户的请求，其中备份程序会将数据信息实时复制到另一个存储位置或者是备份服务器中。冷备份则是指在服务器停止运行后再进行的备份
「Py」模块篇之 Python中的subprocess模块详解何曾参静谧「Py」Python程序设计 python 数据库开发语言
✨博客主页何曾参静谧的博客（✅关注、点赞、⭐收藏、转发）全部专栏（专栏会有变化，以最新发布为准）「Win」Windows程序设计「IDE」集成开发环境「定制」定制开发集合「C/C++」C/C++程序设计「DSA」数据结构与算法「UG/NX」NX二次开发「QT」QT5程序设计「File」数据文件格式「UG/NX」BlockUI集合「Py」Python程序设计「Math」探秘数学世界「PK」Paras
鸿蒙学习自由流转与分布式运行环境-价值与架构定义(1) 技术分享，共享成长鸿蒙 harmonyos 学习架构
文章目录价值与架构定义1、价值2、架构定义随着个人设备数量越来越多，跨多个设备间的交互将成为常态。基于传统OS开发跨设备交互的应用程序时，需要解决设备发现、设备认证、设备连接、数据同步等技术难题，不但开发成本高，还存在安全隐私、兼容性、性能等诸多问题。为了适应万物互联时代的环境变化，鸿蒙系统构建了基于分布式运行环境所需要的基础设施，为开发者提供了基础的分布式框架能力，使开发者可以更方便的实现跨设备
【Python】已解决：error: subprocess-exited-with-error 屿小夏 python 开发语言 linux
个人简介：某不知名博主，致力于全栈领域的优质博客分享|用最优质的内容带来最舒适的阅读体验！文末获取免费IT学习资料！文末获取更多信息精彩专栏推荐订阅收藏专栏系列直达链接相关介绍书籍分享点我跳转书籍作为获取知识的重要途径，对于IT从业者来说更是不可或缺的资源。不定期更新IT图书，并在评论区抽取随机粉丝，书籍免费包邮到家AI前沿点我跳转探讨人工智能技术领域的最新发展和创新，涵盖机器学习、深度学习、自然
智能工厂的设计软件应用场景的一个例子：为AI聊天工具添加一个知识系统之6 三端架构的本质/内在/外观：自明性/信念/bank词扇一水鉴天软件智能智能制造人工语言人工智能
本文提要一些补充在为前端和后端锁定的两个中心词“概念”（命题“作文”的程序公共逻辑语言）和“描述”（谓词“描述”的自然描述语言）的基础上，暂时将中端的中心词锁定在“环境”（情境“意义”的人工语义网络语言）。三者的共同性--都需要通过“演算”得到（命题演算/谓词演算/情境演算）。每种演算都以本地或局部的this此岸为输入（A-box，最初是一个条件分支符--条件表达式），远处或全局的彼岸that（T
Stable Diffusion：Python图像生成实战指南 AI绘画咪酱 stable diffusion python 人工智能 AI作画 AIGC ai
前言今天要跟大家分享一个特别有趣的话题-如何使用Python和StableDiffusion来生成AI艺术作品。作为一名Python爱好者，我特别喜欢探索AI领域的新技术，而StableDiffusion则是最近特别火热的AI图像生成工具之一。1.StableDiffusion简介与环境配置StableDiffusion是一个强大的AI图像生成模型，它能够根据文字描述生成高质量的图像。在开始实战之
在Eclipse安装时报错：Version 1.8.0_281 of the JVM is not suitable for this product CheeseZhangz 学习 eclipse windows java jdk
近日，在QQ群里看到鹏飞大佬的文章，突然想coding一发，又因为没用过Eclipse，于是开始撸IDE…可谁曾想，前方正有一堆坑…下载是一坑百度搜索Eclipse，打开官网下载，点击下载，官网的下载速度就是…满心欢喜，开局惊喜啊：(So记住这个小海豚，可爱吧~清华大学开源软件镜像站,致力于为国内和校内用户提供高质量的开源软件镜像、Linux镜像源服务,帮助用户更方便地获取开源软件https://
Node.js 中的中间件：概念与应用 JJCTO袁龙 Node.js node.js 中间件
Node.js中的中间件：概念与应用在当今的网络开发中，Node.js作为一种高效、可扩展的JavaScript运行环境，正在快速占领开发者的心智。而在Node.js的生态中，中间件（Middleware）是一个不可或缺的概念，它为构建灵活而高效的应用程序提供了强大的支持。在这篇文章中，我们将详细探讨Node.js中的中间件的概念、工作原理以及实际应用，帮助你更好地理解和使用这一强大工具。什么是中
系统设计面试题慢慢慢时光面试准备面试系统设计
比较开放，需要灵活应对，列出基本的一些思路。文章目录**设计一个短网址服务**：如何将长网址转换为短网址，并支持短网址的生成、存储、解析和重定向等功能**设计一个分布式文件系统**：考虑如何实现文件的存储、访问、备份、容错等功能，以及如何处理大规模数据和高并发访问。**设计一个聊天系统**：包括消息的发送、接收、存储、展示等功能，以及如何处理实时通信、离线消息、群聊等需求设计一个推荐系统：根据用户
Python常用的内置函数（会持续增加的）一个小白hyc python
Python常用内置函数如下：不是原创，但是都是自己整理的1.abs()函数返回数字的绝对值。print(abs(-45))#返回45print("abs(0.2):",abs(0.2))#返回abs(0.2):0.22.all()函数用于判断给定的参数中的所有元素是否都为TRUE，如果是返回True，否则返回False。元素除了是0、空、None、False外都算True；空元组、空列表返回值为
分布式架构搭建 ManchiBB 分布式架构
搭建分布式架构涉及多个方面，包括系统设计、网络架构、数据存储、服务拆分、负载均衡、容错处理等。基本步骤和考虑因素1、需求分析明确业务需求，包括系统的功能、性能、扩展性、安全性等要求。确定系统的用户规模、数据规模以及可能的增长趋势。2、系统设计微服务架构：将系统拆分为多个独立的服务，每个服务负责特定的业务功能。这有助于提高系统的可维护性和可扩展性。服务治理：使用服务注册与发现、负载均衡、熔断降级等机
python删除类方法_026.Python面向对象类的相关操作以及对象和类的删除操作 weixin_39708502 python删除类方法
类的相关操作定义的类访问共有成员的成员和方法定义的类动态添加公有成员的属性和方法定义的类删除公有成员的属性和方法1定义一个基本的类#定义一个类classPlane():#添加一个共有成员属性capitain="John"#添加一个私有成员属性__flight_attendant=20#共有绑定方法deffly(self):print("飞机飞行速度更快")#共有普通方法，这个只能是使用类来调用de
html手机端富文本,移动端富文本踩坑 weixin_39608657 html手机端富文本
最近在做一个vue的项目。之前的前端同事离职了，和女朋友去云南潇洒去了，剩下我一个苦逼坐在电脑前哒哒哒敲代码。刚刚接手就开始做移动端富文本编辑器的需求。主管说压了半个月，尽快做出来。在网上找了不少编辑器，前段时间做过react的后台项目，用了百度的编辑器。功能很多很强，遗憾的是ios不支持flash，在移动端并不适用。因为要兼容ios和Android，而且还要在vue的项目中使用，在网上找了很多编
探索人工智能在计算机视觉领域的创新应用与挑战戒了9 人工智能学习方法
一、引言1.1研究背景与意义在科技飞速发展的当下，人工智能（ArtificialIntelligence,AI）已然成为引领新一轮科技革命和产业变革的重要驱动力。作为AI领域的关键分支，计算机视觉（ComputerVision,CV）致力于让计算机具备像人类一样理解和解析图像、视频等视觉信息的能力，近年来取得了令人瞩目的进展。二者的深度融合，更是为众多领域带来了前所未有的变革与机遇。从技术发展历程
人工智能前沿技术进展与应用前景探究戒了9 人工智能搜索引擎百度
一、引言1.1研究背景与意义人工智能作为一门极具变革性的前沿技术，正深刻地改变着人类社会的各个层面。从其诞生之初，人工智能便承载着人类对智能机器的无限遐想与探索。自20世纪中叶起，人工智能踏上了它的发展征程，历经了多个重要阶段，每一阶段都伴随着理论的突破、技术的革新以及应用领域的拓展。在初级阶段（1943-1956），沃伦・麦卡洛克和沃尔特・皮茨提出的人工神经网络基本模型，为人工智能的发展奠定了初
JVM 堆内存分配过程富士康质检员张全蛋运维必须知道的JVM知识 jvm
设置堆内存大小和OOMJava堆用于存储Java对象实例，那么堆的大小在JVM启动的时候就确定了，我们可以通过-Xmx和-Xms来设定-Xms用来表示堆的起始内存，等价于-XX:InitialHeapSize-Xmx用来表示堆的最大内存，等价于-XX:MaxHeapSize如果堆的内存大小超过-Xmx设定的最大内存，就会抛出OutOfMemoryError异常。我们通常会将-Xmx和-Xms两个参
JVM CMS垃圾收集器详解 NewBird_jhone jvm
CMS定义和使用CMS（ConcurrentMarkSweep）垃圾收集器是一种以获取最短回收停顿时间为目标的收集器。它非常符合在注重用户体验的应用上使用。CMS垃圾收集器是一种基于“标记-清除”算法实现。在jdk8中使用CMS相关的核心参数：-XX:+UseConcMarkSweepGC：启用cms-XX:ConcGCThreads：并发的GC线程数-XX:+UseCMSCompactAtFul
《spring编程常见错误50例》学习笔记 Day1 qq_31273845 学习 spring
1.为什么有时候我们代码移了一下包，就扫描不到了？在构建web服务的时候，我们启动服务程度如果不设置扫描包的话，默认会扫描运行程序所在的包。如果包和应用程序不在同一个包，就会失效。这个之前知道，至于为什么？今天才了解到，我就这里复述一下：@SpringBootApplication里面会有@ComponentScan注解。参考配置如下@ComponentScan(excludeFilters={@
深入理解JVM中的栈和堆刘小豆豆豆 Java #JVM java jvm 栈内存泄漏
深入理解栈栈又名堆栈，它是一种运算受限的线性表。其限制是仅允许在表的一端进行插入和删除运算。这一端被称为栈顶，相对地，把另一端称为栈底。其特性是先进后出。栈是线程私有的，生命周期跟线程相同，当创建一个线程时，同时会创建一个栈，栈的大小和深度都是固定的。方法参数列表中的变量，方法体中的基本数据类型的变量和引用数据类型的引用都存放在栈中，成员变量和对象本身不存放在栈中。运行时，成员函数的局部变量引用也
Java转Go入门学习丙麟 java golang 学习
大家好，最近感觉java有点难了，决定重新找门语言再重新学习一下，提升一下自己。于是，听公司一个十年经验的老大哥说，目前rust和golang语言是比较不错的，刚好周末有空去图书馆借了本《Go语言入门经典》这本书，看完总结了一下，废话不多书说，这篇博客呢，适用于有编程经验的童鞋，之前接触过的，从Java的角度来快速学习的go语言。Golang语言的吉祥物Gopher:首先，先简单介绍下Go语言，又
微服务架构设计面试题留不住的人面试突击微服务 java 架构
微服务架构设计面试前言：我认为你们在了解了整个微服务架构之后，需要能够明白，微服务架构重点在于架构二字，这个内容搞清楚了，其实任何的架构，任何的手段都是一个工具，如何去利用这些工具解决一些问题才是最重要的。架构的本质：用最简单的手段解决复杂的问题。系统整理是复杂的没错，然而80%（数字只是一个比喻，表示大多数）的用户和80%的场景都是简单的，架构的目的就是首先保证80%的简单性问题能够得到真正简单
构建大规模分布式服务--高并发、高可用架构系列，高质量原创好文 90后小伙追梦之路后端架构 java java 程序人生分布式开发语言面试
当我们在谈论“服务治理”的时候，都在谈论些什么？我从业之初接触到的便是一堆基于Webservice、Hessain等实现的跨语言的分布式系统，那是SOA架构和理念十分盛行的时代，我常常听到前辈们在谈论“SOA治理”等高大上的词，但我当时并没有理解何为“治理”，甚至在想：为什么不叫“管理”呢？在此之前，我仅在小学课本上接触过“污水治理”这个词。直到近些年互联网企业大规模服务化进程的推进，以Dubbo
【jQuery】jQuery 处理 Ajax 以及解决跨域问题的方式一二¬ 前端 jquery javascript 前端
文章目录HTTP原生创建AjaxjQuery处理Ajax$.ajax()$().load()$.get()$.post()跨域CORSJSONPiframewebsocketsHTTP超文本传输协议（HTTP，HyperTextTransferProtocol)是互联网上应用最为广泛的一种网络协议。设计HTTP最初的目的是为了提供一种发布和接收HTML页面的方法。一次HTTP操作称为一个事务，其工
【Java Web】JSON 以及 JSON 转换一二¬ #Java Web java json
JSON（JavaScriptObjectNotation）一种灵活、高效、轻量级的数据交换格式，广泛应用于各种数据交换和存储场景。基本特点1、简单易用：JSON格式非常简单，易于理解和使用。2、轻量级：相比XML等其他数据格式，JSON占用的空间更小，传输效率更高。3、跨平台：JSON是一种纯文本格式，可以轻松地在不同的系统和编程语言之间交换数据。4、可读性强：JSON格式的数据结构清晰，易于阅
day6手机摄影社区，可以去苹果摄影社区学习拍摄技巧今天会营业手机摄影摄影
逛自己手机的社区：即××（手机牌子）摄影社区拍照时防止抖动可以控制自己的呼吸，不要大喘气拍一张照片后，如何简单的用手机修图？HDR模式就是让高光部分和阴影部分更协调（拍风紧时可以打开，拍人时不要打开）例如上图中如果没有使用HDR模式，天空可能会更亮山可能会更暗，打开HDR后天空会变暗，山会变亮些。拍照要四平八稳，即横是横，竖是竖线条不要歪七扭八的专业模式中：ISO代表感光度，感光度越高照片越亮照片
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