- 综合排序
- 最热优先
- 最新优先
- 来自专栏悠扬前奏的博客
LintCode-3.统计数字
题目 描述 计算数字k在0到n中的出现的次数，k可能是0~9的一个值 样例 例如n=12，k=1，在 [0, 1, 2, 3, 4, 5, 6, 7, 8, 9, 10, 11, 12]，我们发现1出现了 5次 (1, 10, 11, 12) 解答 思路 把数字当成字符串，拆成字符数组，统计k作为字符在字符数组中的出现次数。
55420发布于 2019-05-28 - 来自专栏涛的程序人生
【matplotlib】3-绘制统计图形
文章目录 绘制统计图形 1.柱状图 1.1 应用场景--定性数据的分布展示 1.2 绘制原理 2.条形图 3.堆积图 3.1 堆积柱状图 3.2 堆积条形图 4.分块图 4.1 多数据并列柱状图 4.2 -带误差棒的多数据并列柱状图 10.6 案例4--带误差棒的堆积柱状图 绘制统计图形 1.柱状图 柱状图是描述统计中使用频率非常高的一种统计图形。 因此，堆积图顾名思义就是将若干统计图形堆叠起来的统计图形，自然是一种组合式图形。 plt.setp(texts1, size=12) plt.title("Pie Chart", fontsize=20) plt.show() 9.箱线图 箱线图是由一个箱体和一对箱须所组成的统计图形 误差棒图就是可以运用在这一场景中的很理想的统计图形。
2.9K10编辑于 2022-12-28 - 来自专栏菩提树下的杨过
flink 1.11.2 学习笔记(3)-统计窗口window
接上节继续，通常在做数据分析时需要指定时间范围，比如："每天凌晨1点统计前一天的订单量" 或者 "每个整点统计前24小时的总发货量"。这个统计时间段，就称为统计窗口。 Flink中支持多种Window统计，今天介绍二种常见的窗口：TumbingWindow及SlidingWindow。 ? 如果每隔1分钟，需要统计前3分钟的数据，这种就是SlidingWindow。如果每2分钟的数据做1次统计(注：2次相邻的统计之间，没有数据重叠部分)，这种就是TumbingWindow。 102行, timeWindow(Time.munites(1)) 这里指定了使用tumblingWindow，每次统计1分钟的数据。 (world,2,2020-12-19 14:33) 4> (flink,1,2020-12-19 14:33) 2> (hello,3,2020-12-19 14:33) 3> (world,3,2020
1.6K10发布于 2020-12-22 - 来自专栏python3
打点统计——3（go日志读取分析写入）
3、IV是初始向量（IV，Initialization Vector）。 比如 {'apple', 'banana', 'cherry', 'banana', 'apple'} 的基数就是 3 。 KB 4.32 MB 54 GB 一亿12 KB 360 KB 4.32 MB 540 GB 下表列出了使用 HyperLogLog 记录不同数量的独立 IP 时，需要耗费的内存数量： 可以看到，要统计相同数量的独立 params.routineNum; i++ { go logConsumer( logChannel, pvChannel, uvChannel ) } // 创建PV UV 统计器 storageChannel ) go uvCounter( uvChannel, storageChannel, redisPool ) // 可扩展的 xxxCounter（如果还有别的要统计的
1.3K20发布于 2020-01-08 - 来自专栏python3
Python3 统计 ftp 文件个数和
【背景】 本程序遍历 ftp 目录，列出单个文件大小，统计目录个数、文件个数、文件总大小。目的是在批量下载 FTP 文件时，不严格的验证下载结果的正确性。 【ftp_stat】 # encoding: utf-8 # author: walker # date: 2018-10-12 # summary: 遍历 ftp 目录，列出单个文件大小，统计目录个数 r'anonymous' FtpPwd = r'' FtpEncoding = r'utf-8' def Main(): r""" 遍历 ftp 目录，列出单个文件大小，统计目录个数
1.1K10发布于 2020-01-03 - 来自专栏方亮
python3编写简易统计服务器
打点这个功能总是美其名曰“帮助提升用户体验”，其实说白了就是记录用户做了哪些操作。目前国内很多通用软件都做了相关功能，像360、QQ等这样的以用户体验出众的软件，其打点的面自然也很广很细。当然这种“侵犯”用户隐私的事情在业内各个公司都是不愿多谈，谈了也没啥用，这就是潜规则。我记得在上家公司，一个同事总是在做“埋点”工作，他和我们说“你现在点一个按钮，好几个请求包就发出去了”。我相信这种滥用现象在目前国内互联网企业内很常见。（转载请指明出处）不说废话了。
1.1K20发布于 2019-01-16 - 来自专栏人人都是数据分析师
统计学(3)|AB测试—实验结果分析
在上一篇文章统计学(2)|A/B测试—理论基础中，我们理清了AB测试的理论基础——假设检验的思想，并且严格推导了为什么现在公司做AB测试基本全都使用 统计量。 （2）检验统计量 在AB测试涉及的假设检验中，我们所构造的检验统计量稍微有一丢丢复杂，因为假设检验想要比较两个总体参数是否存在显著差异，所以对应的两个样本的统计量相比单个样本的统计量复杂一些。 但有了上一篇文章的推导之后，我们了解了 统计量是如何构造的，所以可以直接用一张图来表示不同情况下对应的不同统计量的形式。 2实验结果分析 当我们提出假设，并且构造完统计量之后，我们就要进行决策了，在统计学中，进行决策通常有两种方式： 一种是将统计量的值与给定显著性水平下统计量的分布的临界值作比较，以此来判断是否接受原假设。 （3）置信区间 置信区间可以辅助确定版本间是否有存在显著差异的可能性。 综上，我们认为当AB测试实验数据在95%的置信水平区间内，P值小于0.05，功效大于80%的情况下，实验结果是可信赖的。
2.2K30发布于 2021-05-13 『python3』WordCount 简易字典生成式统计
普通循环统计 将文章内容拆分成词语列表，循环统计每个词语出现的次数，语法相对繁琐 if __name__ == '__main__': 文章内容 = 'Seven days absence if 词语 in 字典统计: 字典统计[词语] += 1 else: 字典统计[词语] = 1 print(字典统计) 统计结果： {'seven': 2, 'days': 2, 'absence': 1, 'is': 3, 'like': 1, 'a': 1, 'week': 2, 'apart': 1, ',': 2, 'but : 1} 生成式统计 使用列表生成式和字典生成式，生成统计结果，语法更加简洁 词语列表 = [词语.lower() for 词语 in 词语列表] 统计结果 = {词语: 词语列表.count(词语) for 词语 in 词语列表} print(统计结果) 统计结果： {'seven': 2, 'days': 2, 'absence': 1, 'is': 3, 'like': 1, 'a': 1,
17010编辑于 2024-04-16- 来自专栏机器学习、深度学习
统计学习导论 Chapter3--Linear Regression
这两条线的概念是 统计学习方法用采样数据来估计 a large population 的一些特性的一个自然延伸。 3. How well does the model fit the data? 4. Correlation of error terms. 3. Non-constant variance of error terms. 4. Outliers. 5.
1.4K70发布于 2018-01-03 - 来自专栏机器学习与统计学
【R语言经典实例3】计算基本统计量
问题 如何使用R软件计算下列统计量：均值、中位数、标准差、方差、协方差和相关系数。 R软件中，用简单的函数便能完成标准差和其他基本统计量的计算。 一般来说，函数参数是一个数值向量，而函数返回计算出的统计量： > x <- c(0,1,1,2,3,5,8,13,21,34) > mean(x) [1] 8.8 > median(x) [1] 4 > 某个变量中的一个缺失值就有可能导致函数返回NA结果，甚至可能造成计算机在计算过程中报错： > x <- c(0,1,1,2,3,NA) > mean(x) [1] NA > sd(x) [1] NA 虽然 对于R软件返回的结果你应该慎重地考虑：数据中的缺失值是否会严重影响统计结果？
2.4K20发布于 2019-04-10 - 来自专栏ATYUN订阅号
PythonPyMC3ArviZ贝叶斯统计实战（上）
编辑 | sunlei 发布 | ATYUN订阅号 如果你认为贝叶斯定理是反直觉的，那么建立在贝叶斯定理基础上的贝叶斯统计就很难理解。在这一点上我和你的感受完全一致。 学习贝叶斯统计有无数的理由，尤其是贝叶斯统计正在成为表达和理解下一代深度神经网络的强大框架。 我相信，对于我们必须学习的东西，在我们能使用它们之前，我们通过使用它们来学习。 所以，这是我简化它的方法:与其在开始时使用过多的理论或术语，不如让我们关注贝叶斯分析的机制，特别是如何使用PyMC3和ArviZ进行贝叶斯分析和可视化。 PyMC3是一个用于概率编程的Python库，语法非常简单直观。ArviZ是一个与PyMC3携手工作的Python库，它可以帮助我们解释和可视化后验分布。 我们将在PyMC3中这样实例化模型: PyMC3中的模型规范封装在with语句中。 先验选择： μ,指人口。正态分布很广。我不知道μ的可能的值,我可以设置先验。
3.2K41发布于 2019-09-10 - 来自专栏EpiHub
贝叶斯地理统计模型R-INLA-3
loc = newloc) a=Aproj %*% fit$summary.random$w$mean a [,1] [,2] [1,] -90 20 [2,] -78 20 [3, 参考 1.Geostatistical data 2.Spatial analysis of geotagged data 3.Spatial and spatio-temporal models
1K30编辑于 2022-10-25 - 来自专栏跟牛老师一起学WEBGIS
Openlayers3中统计图的实现
概述： 在前文中讲到了在Arcgis for js中统计图的实现，在本文，讲述在Openlayers3中结合highcharts实现统计图。 实现： 在Openlayers3中实现统计图比较方便，通过ol.Overlay即可。首先，了解下Overlay。 在OL3的借口文档中，Overlay的描述如下： An element to be displayed over the map and attached to a single map location /plugin/ol3/build/ol-debug.js"></script> <script type="text/javascript" src="../../.. script> </head> <body onLoad="init()">
<button id="addchart">添加统计图90921发布于 2018-10-23来自专栏python3Python3统计字符串、乘法口诀实例
统计字符串(Python3) 题目：输入一个字符，分别编译统计出其中英文字母、空格、数字和其他字符的个数。 (): space += 1 else: other += 1 print("数字：{0}，字母：{1},空格：{2}，其他：{3} ".format(disgit,pha,space,other)) 2.乘法口诀(Python3) 乘法口诀： #!
83140发布于 2020-01-06来自专栏ATYUN订阅号PythonPyMC3ArviZ贝叶斯统计实战（下）
前文回顾：Python/PyMC3/ArviZ贝叶斯统计实战（上） 后验预测检验(PPCs)是验证模型的一种很好的方法。其思想是使用来自后验图的参数从模型中生成数据。 因此，我们创建一个汇总表： flat_fares = az.from_pymc3(trace=trace_groups) fares_gaussian = az.summary(flat_fares) return 1 elif fare == 'Promo +': return 2 elif fare == 'Promo': return 3 /github.com/susanli2016/Machine-Learning-with-Python/blob/master/Bayesian%20Statistics%20Python_PyMC3_
1.4K20发布于 2019-09-10来自专栏阶梯计划小白的大数据笔记——3(统计学1)
1 前言 大数据分析少不了统计学的知识，最近在看可汗的统计学视频，重新温习书本知识。 2 P1~P19的知识点概述 2.1 统计分类 描述统计学：是阐述如何对客观现象的数量表现进行计量、搜集、整理、表示、一般分析与解释的一系列统计方法。 其内容包括统计指标、统计调查、统计整理、统计图表、集中趋势测度、离散程度测度、统计指数、时间数列常规分析等理论和方法。 归纳统计学：又称推断统计学主要阐述如何根据部分数据(样本统计量)去推论总体的数量特征及规律性的一系列理论和方法，其主要内容包括概率与概率分布、参数估计、假设检验、抽样调查、方差分析、相关与回归分析、统计预测 、统计决策等。
83610发布于 2021-02-24来自专栏快学PythonPython词频统计的3种方法，针不戳
昨天，我分享了《100毫秒过滤一百万字文本的停用词》，这次我将分享如何进行词频统计。 N的词 原始字典自写代码统计： wordcount = {} for word in all_words: wordcount[word] = wordcount.get(word, 0)+1 使用pandas进行词频统计： pd.Series(all_words).value_counts().head(10) 结果： ? 分词过程中直接统计词频 Pandas只能对已经分好的词统计词频，所以这里不再演示。上面的测试表示，Counter直接对列表进行计数比pyhton原生带快，但循环中的表现还未知，下面再继续测试一下。 总结 今天我向你分享了词频统计的三种方法，本期还同步分享了 set集合和字典的基本原理，希望你能学会所获。 求个三连，咱们下期再见。
4.7K20发布于 2021-08-09来自专栏数说工作室统计师的Python日记【第3天：Numpy你好】
本文是【统计师的Python日记】第3天的日记 回顾一下，第1天学习了Python的基本页面、操作，以及几种主要的容器类型；第2天学习了python的函数、循环和条件、类。 （新技能get√） ---- 统计师的Python日记【第3天：Numpy你好】 前两天了解了Python的一些基本内容，今天将进阶学习一下Numpy这个库。 做为一名统计师，既然使用Python的主要目的就是处理数据、统计分析，那么Numpy这个工具就一定要有了解。 Numpy，你好： NumPy系统是Python的一种开源的数值计算扩展。 索引和分片 在【统计师的Python日记】第一天的日记中，就已经学习了数组的分片， >>> c='hello' >>> c[0:3] 'hel' >>> c[0:4:2] 'hl' ? 统计方法 作为一名统计师，这个是我最喜欢的，Numpy提供了哪些常用的统计方法呢？
1.4K120发布于 2018-04-04来自专栏和蔼的张星的图像处理专栏3. 统计数字暴力破解找规律
计算数字k在0到n中的出现的次数，k可能是0~9的一个值 样例: 例如n=12，k=1，在 [0, 1, 2, 3, 4, 5, 6, 7, 8, 9, 10, 11, 12]，我们发现1出现了5次 (1, 10, 11, 12) 暴力破解 把每个数的每一个位都拿出来和k来比较，如果相同的话计数器加1就可以了，这也是最容易想到的一个方法，其实我还想过全部转化成字符串加起来，然后通过字符串去统计，估计也是可以的 把这个问题分解成统计每一位上这个数出现的次数，以一个5位数位例：ABCDE,假设我们要找2出现的次数，我们以百位为例： 要分成下面几种情况： 百位小于2： 比如12123：百位一共可能出现多少个2
2.6K30发布于 2018-09-04来自专栏祥子的故事统计 | 统计功效 | R语言
在现行的大学教科书中，根本没有提及将假的判为真的概率计算公式，下面来介绍如何计算统计功效，并介绍它的含义。 统计功效=1−β=1−p(接受H0|H0为假)=p(拒绝H0|H0为假) \mbox{统计功效} = 1 - \beta = 1- p( \mbox{接受} H_{0} | H_{0} \mbox 计算公式如下： 统计功效=p(拒绝H0|H0为假)=p(|x¯−y¯S2xnx+S2ymy−−−−−−−√|>z1−α/2|δ) \mbox{统计功效} = p( \mbox{拒绝} H_{0} | } - \sqrt{\frac{S_{x}^{2}}{n_{x}} + \frac{S_{y}^{2}}{m_{y}} }) 代码如下： > x <- 0.3 > y <- 0.5 > sx <- 3 在学术界，统计功效的设定一般为0.8，将它作为计算的阈值。在p-value小于0.05且power大于0.8时认为是有显著差异的。
2.8K20发布于 2019-02-18
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