文档建议反馈控制台
首页
学习
活动
专区
圈层
工具
MCP广场
文章/答案/技术大牛
发布
    • 您找到你想要的搜索结果了吗？
    是的
    没有找到

    用Python统计 新浪微博 各种表情使用频率

    用新浪微博API积累了微博广场的1.4万条数据，我选择了21个字段输出为TXT文件，想用Python稍微处理一下，统计一下这1.4万条微博里面表情使用情况，统计结构在最后。...无聊的时候用了下新浪JAVA版的API，对JAVA还不熟悉，但是稍微改一下还是没问题的，数据保存为TXT文件，再用Python处理，JAVA部分很简单，Python部分只涉及到表情的正则提取，都不好意思写出来了...3、Python处理数据 目标：查看微博用户表情使用情况，暂时只分性别，如果积累了合适的数据后可以分析各个时间段人们爱用哪种表情。...步骤： $ 读取TXT文件，递归处理每一行 $ 单独提取出微博字段，正则提取表情字段，同时把性别提取出来，放到一个dict里面，dict的格式是：表情/女性使用频率/男性使用频率，递归处理，累积频率 $...把结果写入到文件 注意：Python正则提取中文部分，先解码成unicode编码，再正则提取，表情的标志是[]，虽有误差，但无大碍。

    1.3K50

    Python数据处理，pandas 统计连续停车时长

    (白色行)：由于有些车是停放多于1小时才开走，统计一天中，连续停放n(1至10)小时的数量 如下： 第一个停车位中，连续出现3次的区域只有一个(3个"GG") ，因此这个停车位"连续停车3小时"结果是...，分组统计即可： 我这只考虑一列的处理情况，因为所有列批量处理只需要调用 apply 即可 这里同样可以使用 Series.value_counts() 做到一样的效果 基于这个结果，统计每一种次数的计数即可...： 行3：按之前的处理，统计次数 注意此时结果是一个 Series，index(上图红框) 是"连续n小时停车"。...value(上图蓝框) 是连续n小时停车出现的次数 把这个过程定义为一个函数： 行6：选出一列执行看看效果 最后，通过 apply 就能处理所有的列： 注意 行索引(蓝框) 是"连续n小时停车" 但是...看看第5个停车点： 连续停4个小时应该有1个吧 大于4个小时的应该是0吧 但是我们的结果是： 连续6小时竟然有1次 原来，我们的统计过程只是简单的按车牌分组统计，却没有考虑连续问题。

    1.8K50

    用Python统计新浪微博各种表情使用频率

    用新浪微博API积累了微博广场的1.4万条数据，我选择了21个字段输出为TXT文件，想用Python稍微处理一下，统计一下这1.4万条微博里面表情使用情况，统计结构在最后。...无聊的时候用了下新浪JAVA版的API，对JAVA还不熟悉，但是稍微改一下还是没问题的，数据保存为TXT文件，再用Python处理，JAVA部分很简单，Python部分只涉及到表情的正则提取，都不好意思写出来了...3、Python处理数据 目标：查看微博用户表情使用情况，暂时只分性别，如果积累了合适的数据后可以分析各个时间段人们爱用哪种表情。...步骤： $ 读取TXT文件，递归处理每一行 $ 单独提取出微博字段，正则提取表情字段，同时把性别提取出来，放到一个dict里面，dict的格式是：表情/女性使用频率/男性使用频率，递归处理，累积频率 $...把结果写入到文件 注意：Python正则提取中文部分，先解码成unicode编码，再正则提取，表情的标志是[]，虽有误差，但无大碍。

    96140

    利用Python统计连续登录N天或以上用户

    在有些时候，我们需要统计连续登录N天或以上用户，这里采用python通过分组排序、分组计数等步骤实现该功能，具体如下： 导入需要的库 import pandas as pd import numpy as...但是我们需要统计的时间单位是以日为周期，故而这里可以先做简单的去掉时间部分的处理方式 采用字符串的split方法，按照‘ ’(空格)进行切片，取第一部分即可 #因为日期数据为时间格式，可以简单使用字符串按照空格切片后取第一部分...方法进行处理 df["@timestamp"] = pd.to_datetime(df["@timestamp"]) #将日期列转化为 时间格式 第三步，分组排序 分组排序是指将每个用户登录日期进行组内排序...用来表示减去的是天数，这样获得的差值就会是一个日期 df['date_sub'] = df['@timestamp'] - pd.to_timedelta(df['辅助列'],unit='d') #计算登录日期与组内排序的差值...第六步，计算每个用户连续登录最大天数 这里用到的是sort_values和first方法，对每个用户连续登录天数做组内排序（降序），再取第一个值即为该用户连续登录最大天数 data = data.sort_values

    4.5K30

    如何用 Python 统计 A 股连续涨停（几连板）？

    一句话回答： 「几连板」= 连续出现涨停的交易日数。...用 AlphaFeed 取回前复权日线后，按该股所属板块的涨停幅度（主板 10%、创业板/科创板 20%、北交所 30%、ST 5%）判定每天是否涨停，再数「连续为真」的最长/最新一段，就能算出当前连板数与历史最长连板纪录...正确姿势是：取前复权日线算收益率，按板块用正确的涨停阈值判定涨停日，再统计连续段。...A：本文按收盘涨幅近似连板，不区分开板与否。要精确到封单、开板/炸板，需要分时或五档盘口数据。Q：连板从哪天算起？A：从最近一个交易日往回数连续涨停日；一旦某天未涨停即断板，连板数归零。...参考AlphaFeed Python SDK 文档：https://docs.alphafeed.org/zh-Hans/sdk/python-quickstart

    15210

    资深Python程序员教你统计，三国中人物名字出现的频率，很简单

    资深Python程序员教你简单、有趣的程序： 使用第三方库jieba切分，统计统计名著三国演义中人物名字出现次数。...资深Python程序员教你统计，三国中人物名字出现的频率，很简单 其中一个jieba库是一个对中文文本依照汉字间关联概率进行词组划分的第三方库，使用简单，且非常好用 import jieba def...format(i+1, word, count, chr(12288))) # chr(12288)为中文空格 ``` 结果如下，当然其中类似将军、英雄、主公、大哥、君这种词语无法判断指的是谁，这里仅统计能够判断的...　　　　 89 26 　　 　夏侯渊　　　　 88 27 　　　　王平　　　　 88 28 　　　　刘璋　　　　 85 29 　　　　袁术　　　　 84 30 　　　　吕蒙　　　　 83 以上是Python

    2.3K30

    问卷数据怎么变成论文？聊聊 Data2Paper 背后的分析链路

    整体思路先说清楚一个设计原则：所有统计计算都是Python实际跑出来的（pandas、scipy、statsmodels这些库），不是让大模型去"猜"一个数字。...具体支持哪些分析描述性统计最基础的一步。对所有变量自动算均值、标准差、中位数、频率分布。人口统计学变量（性别、年龄、学历等）会单独生成样本特征表，基本上每篇问卷论文的"研究方法"部分都需要这个。...信度分析按维度计算Cronbach'sα。系统会识别哪些题项属于同一维度，分别算各维度和总量表的信度。这个是问卷研究的标配，不报告基本过不了审。...相关分析根据变量类型选Pearson还是Spearman：连续变量、满足正态分布→Pearson有序变量或分布偏态→Spearman输出相关系数矩阵，标注显著性（*p组比较，比如男女在某个量表上的得分差异单因素方差分析（ANOVA）：三组及以上比较，显著的话会自动做事后多重比较卡方检验：分类变量之间的独立性

    38910

    2026-02-20：众数频率字符。用go语言，给定一个只含小写字母的字符串 s。 把所有在 s 中出现次数相同的字母归为一类：对于某个整数 k，出

    b: 3 次 • c: 2 次 • d: 4 次 • e: 1 次 第二步：按频率分组 • 将出现次数相同的字母归为一组，用哈希表存储，key 为频率 k，value 为该频率下的字母列表： • 频率...• 频率 4 组：1 个字母 • 频率 3 组：2 个字母 • 频率 2 组：1 个字母 • 频率 1 组：1 个字母 • 频率 3 组的成员数量最多（2 个），因此它是候选组。...最终输出 ab 复杂度分析 时间复杂度 • 统计字母频率：遍历一次字符串，长度为 n，时间复杂度 O(n) • 分组和找最大组：遍历 26 个字母的计数数组，进行哈希表操作和比较，时间复杂度 O(26)...= [0] * 26 for ch in s: cnt[ord(ch) - ord('a')] += 1 # 按频率分组存储字符 groups = {...vector cnt(26, 0); for (char ch : s) { cnt[ch - 'a']++; } // 按频率分组存储字符

    26410

    Python数据分析之数据探索分析(EDA)

    分类： 按内容分：单位总量指标(人、物、…); 标志总量指标 (营业额、利润、…) 按时间不同分：时期指标、时点指标 按计量不同分：实物指标、价值指标、劳动量指标 2、分布分析 揭示数据分布特征和分布类型...定量数据等分布分析 预得到其分布形式是对称的还是非对称的、发现某些特大或特小的可疑值，可做频率分布表、频率分布直方图、绘制茎叶图进行直观分析。重点是选择"组数"和"组宽"。...易受极端值的影响，受max的影响程度 > 受min的影响程度 简单算术平均：所有数据的平均值 加权算术平均数：反映均值中不同成分的重要程度 频率分布表组中值和频率： 调和平均数(harmonic...> df = pd.DataFrame([1,2,3,4,5,6,7,8]) >>> df.mean() 0 4.5 dtype: float64 中位数(Median) ----又称中值，是按顺序排列的一组数据中居于中间位置的数...将数据从小到大排列后 为奇数 众数(Mode) ----指在统计分布上具有明显集中趋势点的数值，代表数据的一般水平。也是一组数据中出现次数最多的数值，有时众数在一组数中有好几个。

    5.1K60

    数据分析之描述性分析

    SPSS的模块按功能可以分为三部分：描述性分析、推断性分析、探索性分析。...文/黄成甲 频率分析 频率分析主要通过频数分布表、条形图和直方图，以及集中趋势和离散趋势的各种统计量来描述数据的分布特征，以便我们队数据的分布特征形成初步的认识，才能发现隐含在数据背后的信息，为后续数据分析提供方向和依据...频率分析包括分类变量的频率分析和连续变量的频率分析。在SPSS里都采用频率表来做频率分析。对于连续变量数据的分析，描述的统计量包括百分位值、集中趋势、离散趋势和数据分布特征。...条形图和直方图的区别： （1）条形图用于展示分类数据，直方图用于展示连续数据； （2）条形图是用条形的长度表示各类别频数的多少，直方图是用面积表示各组频数的多少，矩形的高度表示每一组的频数或频率，宽度表示各组的组距...； （3）直方图分组数据具有连续性，所以直方图的各矩形通常是连续排列的，而条形图表示分类数据，则是分开排列； 描述分析 描述分析与频率分析的不同之处在于： （1）描述分析提供的统计量仅适用于连续变量，频率分析既可用于分析连续变量

    7.5K20

    python数据分析——数据分类汇总与统计

    Python作为一种高效、简洁且易于学习的编程语言，在数据分析领域展现出了强大的实力。本文将介绍如何使用Python进行数据分类汇总与统计，帮助读者更好地理解和应用数据。...Python提供了丰富的数据处理工具，如数据清洗、缺失值处理、异常值检测等，使得数据分析过程更加高效和准确。 总之，Python作为一种强大的数据分析工具，可以帮助我们轻松地进行数据分类汇总与统计。...它类似于SQL中的GROUP BY语句，可以对数据进行分组并对每个组进行统计、计算或其他操作。 下面是一些常见的使用Groupby的操作： 分组操作：通过指定一个或多个列名，将数据集分成不同的组。...pandas的crosstab是一个用于计算交叉频率表的函数。交叉频率表是一种展示两个或多个变量之间关系的统计表格。pandas的crosstab函数可以根据给定的数据和索引来计算这些交叉频率表。...它可以改变时间序列数据的频率，将数据从高频率转换为低频率（如从天到月），或者将数据从低频率转换为高频率（如从月到天）。重采样可以帮助我们对数据进行更好的分析和可视化。

    6.1K10

    Power BI 直方图的三个应用案例

    直方图（Histogram）是一种用于展示数据分布的统计图形，通过将数据分成若干区间（称为“组”或“箱子”），并用柱形的高度表示每个区间内数据的频数（或频率）。...直方图的X轴表示数据的取值范围，被划分为连续的、等宽的区间（例如：0-10、10-20等）；Y轴表示频数（各区间内数据出现的次数）或频率（频数占总数据的比例）。...X轴既可以是连续的维度（比如上图的零售价），也可以是任意连续的度量值（比如销售额，增长率，达成率、利润率等） 实现方法为vega-lite，假设有以下产品资料表： 在视觉对象库加载Deneb视觉对象，拖入以下两列...： 拖入的两个字段，一个指明统计什么的分布，本例为产品ID，一个用来指明依据什么计算分布，本例为零售价。...name": "dataset"}, "mark": { "type": "bar", "tooltip": true, "color": "deepskyblue" //颜色按报表主题自行调整

    1K10
    点击加载更多

    相关资讯

    热门标签

    更多标签

    活动推荐

      运营活动

      活动名称
      广告关闭

      腾讯云开发者

      扫码关注腾讯云开发者

      扫码关注腾讯云开发者

      领取腾讯云代金券

      热门产品

      热门推荐

      更多推荐

      Copyright © 2013 - 2026 Tencent Cloud. All Rights Reserved. 腾讯云 版权所有

      深圳市腾讯计算机系统有限公司 ICP备案/许可证号：粤B2-20090059 粤公网安备44030502008569号

      腾讯云计算（北京）有限责任公司 京ICP证150476号 | 京ICP备11018762号

      领券