首页
学习
活动
专区
圈层
工具
发布
    • 综合排序
    • 最热优先
    • 最新优先
    时间不限
  • 来自专栏PyStaData

    PythonforResearch | 2_数据处理

    ], 'col2': [5,6,7,8]} df = pd.DataFrame(data=d) df col1col2015126237348 d = [(1, 2 ,3 ,4), (5, 6, 7 , 8)] df = pd.DataFrame(data=d) df 01230123415678 由字典创建 d = {'row1': [1,2,3,4], 'row2': [5,6,7,8]} ,'col3','col4'] df col1col2col3col4row25678row311121314 df.rename(columns={'col1' : 'column1', 'col2 ' : 'column2'}) column1column2col3col4row25678row311121314 使用df.rename()是复制后修改,不会对原来的 df 覆盖。 df = df.rename(columns={'col1' : 'column1', 'col2' : 'column2'}) #or df.rename(columns={'col1' : 'column1

    4.5K30发布于 2020-08-17
  • 来自专栏mukekeheart的iOS之旅

    Android基础总结(2)——活动Activity

    2、怎么使用活动(Activity) 定义Activity: 1 public class MainActivity extends Activity { 2 3 @Override 4 > 2 <manifest xmlns:android="http://schemas.android.com/apk/res/android" 3 package="com.example.example 1 button<em>2</em>.setOnClickListener(new OnClickListener() { <em>2</em> 3 @Override 4 <em>2</em>.Activity没被杀死,onCreate不会被调用,但onRestoreInstanceState 仍然会被调用,在 onResume之前恢复上次保存的信息。      注意:设置<em>活动</em>的启动方式是在AndroidManifest.xml文件中注册<em>活动</em>时,添加android:launchMode="singleTask"语句指明启动模式 1 <activity 2

    1.7K90发布于 2018-02-27
  • 来自专栏生信小驿站

    数据处理神器tidyverse(2)ggplot2

    数据处理神器tidyverseggplot2 ? tidyverse包其中包含着一个重要的可视化包---ggplot2。 Ggplot2是由Hadley Wickham制作的数据可视化软件包,它基于一组称为图层的原则。 基本思想是ggplot2将数据的几何对象(圆圈,线条等),主题和比例放在上面。 在这里,你可以通过总结每年的预期寿命并将结果输入ggplot而不必定义任何中间变量来对dplyr操作与ggplot2进行一些巧妙的组合。 continent year avg_lifeExp ## <fct> <int> <dbl> ## 1 Africa 1952 39.1 ## 2 自定义ggplot2 虽然我们在这里保留了默认的ggplot2功能,但是你可以用ggplot2来做很多事情。 例如,通过练习,您将学习如何通过将多个层组合在一起来生成高度自定义的绘图。

    2.9K30发布于 2019-08-29
  • 来自专栏数据科学(冷冻工厂)

    单细胞Seurat - 数据处理 (2)

    默认情况下Seurat每个数据集返回 2,000 个特征。这些将用于下游分析,例如 PCA。 pbmc), 10) # plot variable features with and without labels plot1 <- VariableFeaturePlot(pbmc) plot2 <- LabelPoints(plot = plot1, points = top10, repel = TRUE) plot1 + plot2 缩放数据 接下来,我们应用线性变换(“缩放”),这是 ## PC_ 2 ## Positive: CD79A, MS4A1, TCL1A, HLA-DQA1, HLA-DQB1 ## Negative: NKG7, PRF1, CST7, GZMB GNLY ## Negative: LTB, IL7R, CKB, VIM, MS4A7 VizDimLoadings(pbmc, dims = 1:2, reduction = "pca")

    76910编辑于 2024-02-22
  • 来自专栏python3

    Python 数据处理2

    ("sheet5") sheet2 = excel.add_sheet("sheet2") sheet3 = excel.add_sheet("sheet3") sheet1.write(0,0,"hello  world") sheet2.write(1,0,"hello") sheet3.write(2,0,"test test") excel.save("hello1.xlsx") 执行结果: ? 合并多个pdf文件为一个pdf文件 安装pypdf2 # pip install pypdf2 import PyPDF2 import os # 建立一个装pdf文件的数组 xxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxx )      os.chdir(r"C:\Users\Shinelon\PycharmProjects\Python3\datachuli\aminglinux") pdfWriter = PyPDF2. PdfFileWriter()  # 生成一个空白的pdf文件 for pdf in pdfFiles:     pdfReader = PyPDF2.PdfFileReader(open(pdf, 

    84920发布于 2020-01-10
  • 活动回顾】StarRocks Singapore Meetup #2 @Shopee

    本次活动在 Shopee 新加坡办公室举行,吸引了来自 Shopee、Grab 和 Pinterest 的专家讲师以及 50 多位参会者。 以下为本次活动的精彩回顾,演讲视频、PPT 及相关用户案例文章可通过文末链接获取更多信息。 Contributor & Senior OLAP Engineer (右)Gong Chen 分享了 Shopee 如何通过 Data Service Platform 支持电子商务在线应用,每日处理超过 2 通过存算分离模式和 Archmage 集成,Pinterest 实现了更高效的数据处理,同时降低了成本,支持了广告报表、实验分析和反垃圾平台(anti-spam)等关键业务场景。 为了这次活动,他特意从加州飞了 17 个小时抵达新加坡(几乎是直飞的最远距离之一)。尽管旅途漫长,但他的分享热情丝毫未减,为活动增添了不少亮点。

    25610编辑于 2025-03-28
  • 来自专栏编程

    Python数据处理2)-NumPy的ndarray

    2.基本属性:shape和dtype ndarray对象包括了两个最基本的属性,一个是shape(表示各维度大小),一个是dtype(表示数组数据类型)。

    1.1K50发布于 2018-02-02
  • 来自专栏Reinvent Data Science

    活动回顾|Milvus 冬日限定趴 No.2

    欲知更多信息或活动预告,请持续关注 Zilliz 微信公众号。 如果错过这次直播活动?没有关系!点击「阅读原文」 即可获取本场活动的 PPT 资料。

    2.1K30编辑于 2023-01-10
  • 来自专栏气象学家

    Satpy基础系列教程(2)-TROPOMI L2数据处理

    y2 = np.meshgrid(np.arange(xmin,xmax+dx,dx)-dx/2. .pcolormesh(x2,y2,z) ax3.axis([x2.min(),x2.max(),y2.min(),y2.max()]) # using the boundaries gives correct plot ax4.set_title("Correct ticks") ax4.pcolormesh(x2,y2,z) ax4.axis([x2.min(),x2.max(),y2.min(),y2. Fig 2. = plt.subplot(2, 2, 2, projection=projection) add_province(ax2, provinces, west, east,

    2.8K32发布于 2020-02-26
  • 来自专栏AIUAI

    Caffe2 - (十八) 图片数据处理函数

    Caffe2 - 图片数据处理函数 Caffe2 提供了对图片进行加载、裁剪、缩放、去均值、batch 等处理的函数 - helper.py. ## @package helpers # Module caffe2.python.tutorials.helpers from __future__ import absolute_import from __future__ import division import skimage.transform def crop_center(img, cropx, cropy): y, x, c = img.shape startx = x // 2 - (cropx // 2) starty = y // 2 - (cropy // 2) return img[starty:starty + cropy, startx:startx .swapaxes(0, 1) return img def bgr(img): # switch to BGR img = img[(2, 1, 0), :, :]

    517100发布于 2019-02-18
  • 来自专栏Vincent-yuan

    java之struts2数据处理

    这里的数据处理,指的是页面上的数据与Action中的数据的处理。 struts2中有3种方式来接收请求提交的数据。分别是:属性驱动方式、对象驱动方式、模型驱动方式 1. return msg; } public void setMsg(String msg) { this.msg = msg; } } struts2会做基本的数据类型转换 2.对象驱动方式 在servlet处理中,获取表单项的值后,需要手动创建对象。 在struts2中,提供了一种对象驱动方式,可以直接在Action处理类中获取对象,不再需要手动创建对象。 所以,strut2提供了模型驱动。 模型驱动综合了属性驱动和对象驱动的优点,但是模型驱动具有侵入性。 使用模型驱动处理类,需要实现 ModelDriven 接口 。 一般都是在对象驱动和模型驱动中选择 补充: 响应数据 在页面中获取struts2的响应数据有2个要点:   1.获取的数据必须是处理类的属性,并且提供了get/set 方法   2.在页面中可以通过 el

    55520发布于 2019-09-10
  • 来自专栏测试开发干货

    面试复习系列【python-数据处理-2

    知道为什么我要单独拿出2章来给大家普及numpy和pandas么? 因为,在不久的将来,我即将更新ai测试领域的具体应用教程,这算是给大家提前打打基础,扫扫盲。 import pandas as pd s = pd.Series([1,2,3,4,5]) 这个运行后,我们打印s,得到的结果是这样的:左边第一列是行标,第二列开始是内容 我们也可以创建个多列的, s = pd.Series({"a":1,"b":2}) print(s) 结果如下: 但是这样创建看起来就不舒服,所以我们用DataFrame方法来创建。 = pd.Series({"a":1,"b":2},index=["a","b"]) 创建复合型序列 df = pd.DataFrame({'a':1,"b":pd.Series([1,2,3]),"c ) print(df) #查看内容 print(df.describe) #查看统计 print(df.head(2)) #查看头部2行 print(df.tail(2)) #查看倒数2行 print(

    1.2K30编辑于 2022-05-20
  • 来自专栏『学习与分享之旅』

    TienChin 活动管理-搜索活动

    return getDataTable(iActivityService.selectActivityList(activityVO)); } IActivityService.java /** * 查询活动列表 * * @param activityVO 活动信息 * @return {@code List<ActivityVO>} */ List<ActivityVO> selectActivityList ActivityServiceImpl.java @Override public List<ActivityVO> selectActivityList(ActivityVO activityVO) { // 将超过当前时间的活动状态设置为禁用 expireActivity(); return activityMapper.selectActivityList(activityVO); } ActivityMapper.java /** * 查询活动列表 * * @param activityVO 活动信息 * @return {@code List<ActivityVO>} */ List<ActivityVO> selectActivityList

    2.4K20编辑于 2023-10-12
  • 来自专栏『学习与分享之旅』

    TienChin 活动管理-删除活动

    后端 ActivityController.java @PreAuthorize("hasPermission('tienchin:activity:remove')") @Log(title = "活动管理 return toAjax(iActivityService.deleteActivityByIds(activityIds)); } IActivityService.java /** * 删除活动 * * @param activityIds 活动Ids * @return int 删除结果 * @author BNTang * @since 2023/09/22 01:37:35 UpdateWrapper<Activity> uw = new UpdateWrapper<>(); uw.lambda() .set(Activity::getDelFlag, "2"

    2.4K10编辑于 2023-10-12
  • 来自专栏腾讯云 DNSPod 团队

    活动|域名转入专场活动

    请点击蓝字 关注我们 继上次官方公众号宣布DNSPod平台接入大量个性化尾缀之后,阿D在后台不断地收到建议消息,大部分小伙伴还是希望搞个域名转入的活动。 这不! 本次活动,平台所有支持转入的域名后缀都可以参与 。 特别ps. 不做新老用户区分,见者有份 ,但是数量有所限制,所以有域名转入想法的伙伴们可别观望太久哟,直接戳以下链接 ↓ 领取代金券。 并且阿D悄悄告诉你,老板特别说明,下次活动力度大不大要看这次活动反响好不好 。

    6.4K20编辑于 2023-05-04
  • 来自专栏算法channel

    2数据处理的小功能,非常实用!

    :A列值大于其平均值,且 B列值大于 5 的行 方法 1 df[ (df['A'] > df["A"].mean()) & (df['B'] > 5)] 注意,& 前后必须要各自加一对 () 方法 2 cr1 = df['A'] > df["A"].mean() cr2 = df['B'] > 5 df[cr1 & cr2] 方法 3 mean = df["A"].mean() df.query("

    45240发布于 2020-05-08
  • 来自专栏数据分析1480

    R&Python Data Science 系列:数据处理2

    承接R&Python Data Science 系列:数据处理(1)继续介绍剩余的函数。 2 条件函数 这里介绍3个条件函数,if_else()、case_when()、between()函数,Python包dfply和R包dplyr中都是这3个函数,在用法上有点细微差别,日常中使用最多 而且if_else()函数可以嵌套使用,不过当条件判断超过2个的时候,建议使用case_when()函数。 (2) diamonds3 = diamonds >> tail(3) diamonds2 >> bind_rows(diamonds3) ? R语言实现 ##bind_rows()函数 diamonds2 = diamonds %>% head(2) diamonds3 = diamonds %>% tail(3) diamonds2 %>%

    1.1K10发布于 2019-10-28
  • 来自专栏数据科学(冷冻工厂)

    CUT&Tag 数据处理和分析教程(2

    /tools/FastQC/fastqc -o ${projPath}/fastqFileQC/${histName} -f fastq ${projPath}/fastq/${histName}_R2. histName}/*_R1_*.fastq.gz >${projPath}/fastq/${histName}_R1.fastq.gz cat ${projPath}/data/${histName}/*_R2_ *.fastq.gz >${projPath}/fastq/${histName}_R2.fastq.gz

    38110编辑于 2025-03-06
  • 来自专栏亨利笔记

    Fabric基础架构原理(2):共识与交易 | 赠书活动

    欢迎大家继续参与文末的赠书活动。 (更多文章请查看哈希1024社区:hash1024.org ) 2. 排序 排序( ordering )阶段就是由排序服务对交易进行排序,确定交易之间的时序关系。 2)背书节点收到交易预案后,首先校验交易的签名是否合法,然后根据签名者的身份,确认其是否具有权限进行相关交易。此外,背书节点还需要检查交易预案的格式是否正确以及是否之前提交过(防止重放攻击)。

    84330发布于 2019-04-12
  • 来自专栏原创分享计划

    原创分享计划2026年2月特别激励活动

    随着腾讯云开发者社区内容生态的持续发展,社区对计划福利全面升级,增加新人专属福利和赛段挑战赛等活动玩法,入驻发文就有礼。 活动对象:腾讯公司员工 活动时间:2026.2.1— 2026.2.28 ---- 新人入驻领好礼 2026.2.1~2026.2.28期间,申请加入腾讯云原创分享计划,成为腾讯云开发者社区的原创作者, 联系社区助理微信(yun_assistant)备注“ 腾讯作者入驻 ”领取奖品 ---- 2月发原创技术文章 | 人人有奖 本月发布 2 篇原创技术文章且篇均阅读量 ≥ 200 的,即可获 100 元腾讯云无门槛代金券 ---- 2月原创内容挑战赛 | 赛段有礼 活动中每个赛段,发文量最高、作品影响力最高的作者,分别可获鹅厂限定周边套装。 *若排名出现并列情况,取赛段内最早达标的作者为准。 2月获奖公示 恭喜以下作者获奖,活动结束后15个工作日内将统一发货。

    49010编辑于 2026-02-02
领券