Python数据分析-数据科学专业问答社区-CDA答疑社区

热线电话：13121318867

登录

詹惠儿

如何在python有效使用迭代器？

循环扩展：i）单个循环结构的两个迭代器：在这种情况下，使用枚举函数在单个循环块中的每次迭代中使用列表和字典。让我们看看例子。# Two separate lists cars = ["Aston", "Audi", "McLaren"] accessories = ["GPS kit", "Car repair-tool kit"] # Single dictionary hold

0.0000

0

8

0

关注作者

收藏

詹惠儿

POS标记器如何去停用词？

文字可能包含“the”，“is”，“are”等停用词。可以从要处理的文本中过滤停用词。在nlp研究中没有通用的停用词列表，但是nltk模块包含一个停用词列表。您可以添加自己的停用词。转到您的NLTK下载目录路径- >语料库- >停用词- >更新停用词文件取决于您使用的语言。这里我们使用英语（stopwords.words（'english'））。import nltk from nltk.

0.0000

0

2

0

关注作者

收藏

詹惠儿

可迭代与迭代器有什么不同

Iterable是一个可以迭代的对象。它传递给iter()方法时会生成一个Iterator 。Iterator是一个对象，用于使用__next __（）方法迭代可迭代对象。迭代器有 __next__() 方法，它返回对象的下一个项目。请注意，每个迭代器也是可迭代的，但并非每个迭代都是迭代器。例如，列表是可迭代的，但列表不是迭代器。可以使用该函数从迭代中创建迭代器iter()。为了实现这一点，对象

0.0000

0

4

0

关注作者

收藏

詹惠儿

编码器和解码器要注意的问题

编码器：它使用深度神经网络层并将输入字转换为相应的隐藏向量。每个向量代表当前单词和单词的上下文。解码器：它类似于编码器。它将编码器生成的隐藏矢量，其自身的隐藏状态和当前字作为输入，以产生下一个隐藏矢量，最后预测下一个字。a除了这两个，许多优化导致seq2seq的其他组件：注意：解码器的输入是一个向量，它必须存储有关上下文的所有信息。这成为大序列的问题。因此，应用注意机制，其允

50.0000

1

2

0

关注作者

收藏

詹惠儿

Seq2seq模块的工作原理

Seq2seq 最初是由Google推出的用于机器翻译的。在此之前，翻译工作非常天真。您曾经输入的每个单词都被转换为目标语言，不考虑其语法和句子结构。Seq2seq通过深度学习彻底改变了翻译过程。它不仅在翻译时考虑当前的单词/输入，还考虑其邻域。如今，它被用于各种不同的应用，如图像字幕，会话模型，文本摘要等。Seq2seq工作：顾名思义，seq2seq将一系列单词（句子或句子）作为输入，并生

0.0000

0

1

0

关注作者

收藏

詹惠儿

DataGenerator函数解释

ImageDataGenerator重新缩放图像，在某个范围内应用剪切，缩放图像并对图像进行水平翻转。此ImageDataGenerator包含图像的所有可能方向。train_datagen.flow_from_directory是用于从train_dataset目录准备数据的函数，用于Target_size指定图像的目标大小。test_datagen.flow_from_directory用

50.0000

1

0

0

关注作者

收藏

詹惠儿

图像分类常用函数解释

Conv2D是将图像卷积成多个图像的层Activation是激活函数。MaxPooling2D用于最大化来自给定大小矩阵的值，并且用于接下来的2个层。然后，Flatten用于展平卷积后获得的图像的尺寸。Dense用于使其成为完全连接的模型，并且是隐藏层。Dropout用于避免过度拟合数据集。Dense是输出层只包含一个神经元，决定哪个类别图像属于。

0.0000

0

3

0

关注作者

收藏

詹惠儿

python如何检查图像格式？

检查图像格式：if K.image_data_format() == 'channels_first': input_shape = (3, img_width, img_height) else: input_shape = (img_width, img_height, 3) 这部分是检查数据格式，即RGB通道首先或最后，所以无论它是什么，模型将首先检查，然后输入形状将相应地

0.0000

0

1

0

关注作者

收藏

詹惠儿

图像分类的定义

图像分类是一种使用以下方法将图像分类到各自的类别类别的方法：从头开始培训小型网络使用VGG16微调模型的顶层让我们讨论如何从头开始训练模型并对包含汽车和飞机的数据进行分类。列车数据：列车数据包含每辆车和飞机的200张图像，即在训练数据集中总共400张图像测试数据：测试数据包含每辆车和飞机的50张图像，即测试数据集中的100张图像总数模型描述：在开始使用模型之前，首先准备数据集及其安

0.0000

0

4

0

关注作者

收藏

詹惠儿

如何将函数作为参数传给另一个参数？

函数可以作为参数传递给其他函数：因为函数是对象，我们可以将它们作为参数传递给其他函数。可以接受其他函数作为参数的函数也称为高阶函数。在下面的示例中，我们创建了一个函数greet，它将函数作为参数。# Python program to illustrate functions # can be passed as arguments to other functions def sho

0.0000

0

1

0

关注作者

收藏

詹惠儿

如何删除指定列名的列

示例＃：删除列名称的列在他的代码中，使用列名删除Passed列。axis 参数保持为1，因为1表示列。# importing pandas module import pandas as pd # making data frame from csv file data = pd.read_csv("nba.csv", index_col ="Name" ) # droppin

0.0000

0

2

0

关注作者

收藏

詹惠儿

如何删除指定索引标签的行

示例：按索引标签删除行在其代码中，传递索引标签列表，并使用.drop（）方法删除与这些标签对应的行。# importing pandas module import pandas as pd # making data frame from csv file data = pd.read_csv("nba.csv", index_col ="Name" ) # dropping

0.0000

0

0

0

关注作者

收藏

詹惠儿

drop函数的参数解释

Pandas为数据分析人员提供了一种使用.drop()方法删除和过滤数据框的方法。可以使用此方法使用索引标签或列名称删除行或列。语法：DataFrame.drop（labels = None，axis = 0，index = None，columns = None，level = None，inplace = False，errors ='raise'）参数：labels：引用行或列名称

50.0000

1

1

0

关注作者

收藏

詹惠儿

python如何将内容转换为字符串？

str（）：此函数将所有内容转换为字符串。# Python program showing # a use of str() function a = 1print(type(a)) # converting integer # into string a = str(a) print(type(a)) s =[1, 2, 3, 4, 5] print(type(s))

0.0000

0

6

0

关注作者

收藏

詹惠儿

如何查看python的属性列表

dir（）：此函数返回与该对象关联的方法和属性列表。# Python program showing # a use of dir() function import math rk =[1, 2, 3, 4, 5] # print methods and attributes of rk print(dir(rk)) rk =(1, 2, 3, 4, 5) # print

50.0000

1

5

0

关注作者

收藏

詹惠儿

python中的内省是什么

python中的所有东西都是一个对象。Python中的每个对象都可能具有属性和方法。通过使用内省，我们可以动态地检查python对象。Code Introspection用于检查类，方法，对象，模块，关键字并获取有关它们的信息，以便我们可以使用它。内省揭示了有关程序对象的有用信息。Python是一种动态的，面向对象的编程语言，提供了巨大的内省支持。Python对内省的支持在整个语言中运行得非常广泛

0.0000

0

0

0

关注作者

收藏

wo56565

排序算法（选择、冒泡和归并）和查找算法（顺序和折半）

def select_sort(origin_items, comp=lambda x, y: x < y): """简单选择排序""" items = origin_items[:] for i in range(len(items) - 1): min_index = i for j in range(i 1, len(items))

0.0000

0

2

0

关注作者

收藏

dreamhappy2012

DBSCAN的优缺点

问、DBSCAN的优缺点答：◼ DBSCAN的主要优点有：✓ 不需要输入聚类个数，可以对任意形状的稠密数据集进行聚类，相对的，K-Means之类的聚类算法一般只适用于凸数据集✓ 可以在聚类的同时发现异常点，对数据集中的异常点不敏感✓ 聚类结果没有偏倚，相对的，K-Means之类的聚类算法初始值对聚类结果有很大影响◼ DBSCAN的主要缺点有：✓ 如果样本集的密度不均匀、聚类间距差

0.0000

0

2

0

关注作者

收藏

wo56565

Python语言进阶

数据结构和算法算法：解决问题的方法和步骤评价算法的好坏：渐近时间复杂度和渐近空间复杂度。渐近时间复杂度的大O标记：- 常量时间复杂度 - 布隆过滤器 / 哈希存储- 对数时间复杂度 - 折半查找（二分查找）- 线性时间复杂度 - 顺序查找 / 桶排序- 对数线性时间复杂度 - 高级排序算法（归并排序、快速排序）- 平方时间复杂度 - 简单排序算法（选择排序、插入排序、冒泡排序-

0.0000

0

3

0

关注作者

收藏

dreamhappy2012

DBSCAN算法步骤：

问、DBSCAN算法步骤：答：✓ 指定合适的E和Min-points✓ 计算所有的样本点，如果p的E邻域里有超过Min-points个点，则创建一个以p为核心点的新簇✓ 反复寻找这些核心点直接密度可达（之后能是密度可达）的点，将其加入到相应簇，对于核心点发生“密度相连”状况的簇，给予合并✓ 当没有新的点可以被添加到任何簇时，算法结束

0.0000

0

3

0

关注作者

收藏

<1…414243…123>

CDA考试动态

CDA报考指南