- 综合排序
- 最热优先
- 最新优先
- 来自专栏Hank’s Blog
2-7 R语言基础 数据框
#数据框 > df <- data.frame(id=c(1,2,3,4),name=c("a","b","c","d"),gender=c(TRUE,TRUE,FALSE,FALSE)) > nrow
41820发布于 2020-09-16 - 来自专栏Deep learning进阶路
2-7 顺序表 和 链表 对比
2-7 顺序表 和 链表 对比 1、存储结构的不同 虽然它们同属于线性表，但数据的存储结构有本质的不同： 顺序表存储数据，需预先申请一整块足够大的存储空间，然后将数据按照次序逐一存储，逻辑关系就是靠元素间物理空间上的邻接关系来维持 链表 ，什么时候存储数据，什么时候才申请存储空间，数据之间的逻辑关系依靠每个数据元素携带的指针维持， 2、空间利用率 顺序表的空间利用率显然要比链表高。 首先是链表每个结点不光有数据域，还有指针域。这就比顺序表多耗费一点空间。 链表在存储数据时，每次只新开辟一个node的空间，且位置是随机的，会产生很多空间碎片，一定程序上造成了空间浪费。 链表中数据元素之间的逻辑关系靠的是节点之间的指针，当需要在链表中某处插入或删除节点时，只需改变相应节点的指针指向即可，不用大量移动元素，因此链表中插入、删除或移动数据所耗费的时间复杂度为 O(1)；而顺序表中 ，插入、删除和移动数据可能会牵涉到大量元素的整体移动，时间复杂度至少为 O(n);
46920发布于 2019-07-02 - 来自专栏嵌入式音视频
2-7 输入圆的半径，计算其周长与面积
预览图如下 #include<stdio.h> int main() { int r; printf("请输入r:"); scanf("%d",&r); { if(r>0) {printf("面积是：%f\n",3.14159*r*r); printf("周长是：%f\n",2*3.14159*r);} else printf("输入的r不合法！\n"); } return 0; }
70830编辑于 2022-12-01 - 来自专栏刷题笔记
2-7 一元多项式求导 (20 分)
本文链接：https://blog.csdn.net/shiliang97/article/details/101025651 2-7 一元多项式求导 (20 分) 设计函数求一元多项式的导数。
90020发布于 2019-11-08 - 来自专栏钱塘大数据
【报告】2017中国大数据发展报告
? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ?
80490发布于 2018-03-06 - 来自专栏cwl_Java
C++编程之美-数字之魅(代码清单2-7)
代码清单2-7 int lowestOne(int N) { int Ret = 0; while(N) { N >>= 1; Ret
26020编辑于 2022-11-30 - 来自专栏钱塘大数据
【报告下载】2017中国大数据发展报告
? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ?
84580发布于 2018-03-05 - 来自专栏钱塘大数据
【报告】大数据交易区块链技术应用标准报告
在2017第三届中国（贵阳）大数据交易高峰论坛上，贵阳大数据交易所正式发布《大数据交易区块链技术应用标准》，分别从架构标准、治理标准、交易标准、安全标准四个方面进行了阐述，助力区块链技术在大数据交易领域深化应用 ，促进全国数据要素有序流通。 本文来源：贵阳大数据交易所
1.1K50发布于 2018-03-06 - 来自专栏腾讯大数据的专栏
国庆专题数据报告
（本次报告主要数据来源于腾讯云分析，腾讯信鸽，腾讯微信团队，腾讯SNG数据中心及网络公开资料）
86850发布于 2018-01-26 - 来自专栏钱塘大数据
【报告下载】中国大数据技术与产业发展报告
? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ?
67350发布于 2018-03-02 - 来自专栏MongoDB中文社区
行业报告| 请查收 2022 MongoDB 数据与创新报告
为了更好地了解数据在实现基于软件的创新中的作用，我们采访了亚洲各地（包括澳大利亚、中国大陆、香港、印度、新西兰、韩国和台湾）的 2,000 名专业技术人员。 调查报告突显了创新的重要性、构建新应用面临的技术挑战，以及构建失败的后果。 主要调查结果包括： 73% 的受访者表示，数据是应用程序构建过程中最难的部分 60% 的受访者表示，数字化转型增加了数据架构的复杂性 阻碍创新的主要因素包括开发人员工作量过大、数据架构、技术落后和技术负债 无论是过于复杂的数据架构，还是保持数据收集和使用合规性的艰巨性，都会影响团队的效率，也会让资源枯竭。 要了解所有调查结果并详细了解提高创新关注度的必要性，请下载完整报告。 扫描下方二维码，完成注册，即可下载完整报告。
46020编辑于 2022-05-19 - 来自专栏钱塘大数据
【报告】大数据服务行业研究报告
? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ?
83580发布于 2018-03-02 - 来自专栏腾讯文旅
报告发布丨夜间旅游市场数据报告2019
旅游经济文化和旅游部重点实验室张佳仪发布了《夜间旅游市场数据报告2019》。 报告全文如下： 随着旅游消费的日益多元和旅游供给的提质挖潜，加上全国各地频频出台促进夜间经济发展的政策文件，夜间旅游正吸引着来自产学研各界越来越多的关注。 表1：2019年春节期间夜间旅游消费占比 数据来源：中国旅游研究院银联商务旅游消费大数据联合实验室 数据来源：中国旅游研究院夜间旅游专项调研 图1 未来游客夜间体验时间 根据旅游统计，国内旅游平均停留时间为 数据来源：中国旅游研究院夜间旅游专项调研 图2 夜间旅游花费时间 表2 夜间旅游花费意愿（按不同收入阶层） 数据来源：中国旅游研究院夜间旅游专项调研 专项调查数据显示，月收入水平在12000元以下的群体中选择 数据来源：中国旅游研究院夜间旅游专项调研 图11 夜间旅游体验时间 数据来源：中国旅游研究院夜间旅游专项调研 图12 夜间旅游停留时间 专项调查数据显示，夜间6-10点为夜间旅游的高峰时段，占比达到
99810发布于 2020-06-17 - 来自专栏十二惊惶的网络安全研究记录
数据库实验报告
[TOC] 这个主要是将本学期，的实验报告进行一个汇总 实验二：数据库的创建和使用操作 一、实验目的 1.安装配置MySQL workbench或者sqlyog客户端，并实现服务的连接。 （数据类型错误，key键的是否唯一，数据的取值是否在规定的范围内等） 3.学会用外部键处理数据。 三、【实验过程】 一、数据类型错误，key不是唯一，或数据超过规定的长度：都是常见的数据库错误。 记录实验中遇到的问题和心得，写出实验报告。 使用视图有以下优点： 1为用户集中数据，简化用户的数据查询、修改、删除和更新，2屏蔽数据库的复杂性3简化用户的权限管理，4便于数据共享，5可以重新组织数据以便输出到其他应用程序中； 实验十三：数据库索引的创建和使用 -- 在数据定义时声明长度可以大于原数据库的数据长度，不会报错，但是在数据输入时弱数据大于数据库要求会造成截断。
98910编辑于 2024-02-28 - 来自专栏数据D江湖
2022数据安全产业洞察报告
来源：炼石 公众号后台回复： 报告 获取源文件 欢迎添加本站微信：datajh （可上下滑动或点单个图片放大左右滑动查看） 共计430页+，此处展示部分 知识星球历史已上传相关资料概览： 报告已同步至知识星球 ，需要源文件请公众号后台回复：报告 报告仅做分享交流，文章开头已注明来源，如有侵权，请联系删除；
1K10编辑于 2022-09-01 - 来自专栏钱塘大数据
【报告下载】2016中国大数据市场研究报告
报告来自：移动化信息研究中心
85790发布于 2018-03-05 - 来自专栏数据猿
报告 | 2016年5月大数据投融资分析报告
2015年7月-2016年5月大数据领域投融资情况 ? 数据来源：HCR基于公开数据整理 文化娱乐依然是投融资热点 ? 鉴于以上问题，大数据在艺术品市场中的指导作用就显得非常关键，通过数据挖掘，可以为投资人提供艺术品市场发展的动向，帮助他们找到准确的投资方向。 相比其他大数据应用的细分领域，艺术品大数据最突出的问题是数据源的可信度不高： 首先，国内艺术品没有统一的交易市场，交易比较分散、数据不完整； 其次，艺术品自身具有异质性，交易很难标准化，数据分析存在困难 目前，艺术品大数据还处于市场萌芽期，但艺术品的强大市场潜力将赋予大数据以广阔的应用空间，从投资的角度来看，投资人应该更多关注具有相对可靠数据源，并且对艺术品市场有着深刻理解的企业。 因此从投资角度来看，投资人应该将目光放在积累基因样本能力较强的公司，同时基因大数据分析需要结合临床数据，因此还需特别关注企业临床数据的能力。
1.1K40发布于 2018-04-19 - 来自专栏钱塘大数据
【报告下载】大数据服务行业研究报告
?
81250发布于 2018-03-05 - 来自专栏毛利学Python
TMDB电影数据分析报告
TMDB电影数据分析报告 前言 数据分析的基本流程： 提出问题 理解数据 数据清洗 构建模型 数据可视化 形成报告 一、提出问题 本次报告的主要任务是：根据历史电影数据，分析哪种电影收益能力更好 针对本数据集，数据清洗主要包括三个步骤：1.数据预处理 2.特征提取 3.特征选择 数据预处理：（1）通过查看数据集信息，发现’runtime’列有一条缺失数据，‘release_date’列有一条缺失数据 特征选择：在分析每一个小问题之前，都要通过特征提取，选择最适合分析的变量，即在分析每一个小问题时，都要先构造一个数据框，放入要分析的变量，而不是在原数据框中乱涂乱画。 四、数据可视化 本次数据分析只是对数据集进行了基本的描述性分析和相关性分析，构建模型步骤均与特征选取、新建数据框一起完成，本案例不属于机器学习范畴，因此不涉及构建模型问题。 （详见后续代码） 五、形成数据分析报告 代码部分： 导入包，并读取数据集： import numpy as np import pandas as pd import
1.5K50编辑于 2022-09-22 - 来自专栏人力资源数据分析
年度人力资源数据报告 - 招聘渠道分析报告
在年终做招聘数据分析的时候，我们都会去分析一年各个招聘渠道的数据，会从招聘的成本和招聘的效率等几个维度来做分析，那我们今天就来讲讲招聘渠道分析报告应该如何来做。 1、首先我们需要来做一个总的数据汇总，就是需要对2019年的所有渠道招聘的成本数据做一个汇总，然后在和2018年的数据做分析对比。一般我们在做数据分析的时候，先从全局来做分析。 ? 然后我们需要对数据做一个说明，就是你的这个数据图表你要对数据做数据描述，然后再找差异点。 3、从各个渠道的数据为维度做分析 我们需要知道各个渠道招聘到的人数，人均招聘费用，总的招聘费用，费用占比，这个数据是为了我们明天做投放岗位需求的时候做一个数据的参考 ? 有了这样的一个渠道招聘分析报告后，我们就可以全面的去剖析了解 今年的关于招聘渠道的数据。
2.2K20发布于 2019-12-19
腾讯云开发者
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