当前位置：首页 > news >正文

【机器学习】时序数据与序列建模：理论与实践的全面指南

news 来源：原创 2025/5/6 23:14:39

云边有个稻草人-CSDN博客

引言

一、时序数据的特点与挑战

1.1 时序数据的特点

1.2 序列建模的挑战

二、传统方法概览

2.1 ARIMA 模型

2.2 Prophet

三、深度学习方法

3.1 RNN 和 LSTM

3.2 Attention 和 Transformer

3.3 自监督学习

四、时间序列建模的应用场景

五、总结与展望

引言

时序数据是指随时间推移而生成的一组数据，具有明显的时间依赖性。它广泛应用于金融预测、天气预报、医疗诊断、工业监控和自然语言处理等领域。如何对时序数据进行建模和预测一直是机器学习的重要研究课题。本文将从时序数据的特点出发，探讨序列建模的主要方法，重点介绍深度学习技术在时序建模中的应用，并通过代码演示如何实践。

一、时序数据的特点与挑战

1.1 时序数据的特点

时间依赖性
数据点之间有时间序列上的关联性，例如过去的股票价格影响未来价格。
趋势性与周期性
数据可能包含长期趋势（例如人口增长）或季节性波动（例如销售旺季）。
高噪声与不确定性
实际时序数据通常包含噪声（例如传感器误差）或随机性。
异质性
不同时间序列可能表现出不同的分布或特性，难以用一个通用模型刻画。

1.2 序列建模的挑战

捕获长期依赖性
对长时间跨度内的依赖关系进行建模是一大挑战。
实时性与效率
一些任务要求在短时间内完成预测（例如股市交易中的高频交易）。
多变量建模
不同变量之间可能存在复杂的交互关系。
缺失值与异常检测
实际时序数据常有缺失或异常值，对建模提出额外要求。

二、传统方法概览

传统方法主要基于统计建模，尽管较简单，但在小规模数据集上效果良好。

2.1 ARIMA 模型

ARIMA (Auto-Regressive Integrated Moving Average) 是最经典的时序模型，适用于平稳序列。它结合了自回归（AR）、差分（I）和移动平均（MA）。

from statsmodels.tsa.arima.model import ARIMA
import matplotlib.pyplot as plt
import numpy as np# 生成模拟时序数据
np.random.seed(42)
data = np.cumsum(np.random.randn(100))  # 随机生成累积序列# 定义 ARIMA 模型
model = ARIMA(data, order=(1, 1, 1))
model_fit = model.fit()# 预测
forecast = model_fit.forecast(steps=10)# 可视化
plt.plot(data, label='Original Data')
plt.plot(range(len(data), len(data) + 10), forecast, label='Forecast', color='red')
plt.legend()
plt.show()

2.2 Prophet

Facebook 开发的 Prophet 是一个易用的时间序列建模工具，适合有趋势和季节性成分的数据。

from fbprophet import Prophet
import pandas as pd# 创建模拟数据
data = pd.DataFrame({'ds': pd.date_range(start='2020-01-01', periods=100, freq='D'),'y': np.cumsum(np.random.randn(100))})# 定义模型
model = Prophet()
model.fit(data)# 预测
future = model.make_future_dataframe(periods=30)
forecast = model.predict(future)# 可视化
model.plot(forecast)

三、深度学习方法

3.1 RNN 和 LSTM

递归神经网络（RNN）是序列建模的基础，但它在处理长序列时易出现梯度消失问题。LSTM（Long Short-Term Memory）通过引入记忆单元解决了这一问题。

RNN/LSTM 的代码实现：

import numpy as np
import tensorflow as tf
from tensorflow.keras.models import Sequential
from tensorflow.keras.layers import LSTM, Dense# 生成样本时序数据
def generate_data(sequence_length, num_samples):X, y = [], []for _ in range(num_samples):seq = np.sin(np.linspace(0, 10, sequence_length)) + np.random.normal(0, 0.1, sequence_length)X.append(seq[:-1])y.append(seq[1:])return np.array(X), np.array(y)# 数据准备
sequence_length = 50
num_samples = 1000
X, y = generate_data(sequence_length, num_samples)
X = X.reshape((X.shape[0], X.shape[1], 1))# 定义 LSTM 模型
model = Sequential([LSTM(50, activation='tanh', input_shape=(X.shape[1], X.shape[2])),Dense(1)
])# 编译与训练
model.compile(optimizer='adam', loss='mse')
model.fit(X, y, epochs=20, batch_size=32, verbose=2)# 预测
y_pred = model.predict(X[:5])
print("Predicted:", y_pred)

3.2 Attention 和 Transformer

Transformer 模型通过引入注意力机制摆脱了 RNN 的顺序处理限制，能够高效建模长序列依赖关系。

基于 Transformer 的时间序列建模：

from tensorflow.keras.layers import MultiHeadAttention, Input, Dense, Dropout, LayerNormalization
from tensorflow.keras.models import Model# Transformer Block
def transformer_encoder(inputs, head_size, num_heads, ff_dim, dropout=0):attention = MultiHeadAttention(num_heads=num_heads, key_dim=head_size)(inputs, inputs)attention = Dropout(dropout)(attention)attention = LayerNormalization(epsilon=1e-6)(attention + inputs)ff = Dense(ff_dim, activation="relu")(attention)ff = Dense(inputs.shape[-1])(ff)ff = Dropout(dropout)(ff)return LayerNormalization(epsilon=1e-6)(ff + attention)# 定义输入
input_layer = Input(shape=(sequence_length - 1, 1))
transformer_block = transformer_encoder(input_layer, head_size=64, num_heads=2, ff_dim=128, dropout=0.1)
output_layer = Dense(1)(transformer_block)# 定义模型
transformer_model = Model(inputs=input_layer, outputs=output_layer)
transformer_model.compile(optimizer='adam', loss='mse')# 训练模型
transformer_model.fit(X, y, epochs=10, batch_size=32)# 预测
transformer_pred = transformer_model.predict(X[:5])
print("Transformer Predicted:", transformer_pred)

3.3 自监督学习

自监督学习（Self-Supervised Learning）利用未标注数据的隐藏模式进行学习，如时间序列中的缺失值预测或时间片段排序。

Masked Autoencoder 示例：

from tensorflow.keras.layers import Masking# 对输入数据随机掩码
masked_input = Masking(mask_value=0.0)(X)# 定义编码器-解码器架构

四、时间序列建模的应用场景

金融预测：股票价格和市场趋势建模。
医疗诊断：心电图和脑电图异常检测。
工业监控：预测设备故障并进行预防性维护。
天气预报：复杂气象变量的联合建模。

五、总结与展望

从传统统计方法到深度学习模型，时序数据的建模技术正在迅速演进。通过将 LSTM、Transformer 和自监督学习相结合，可以进一步提升模型在处理复杂时序数据中的表现。

对于开发者而言，选择合适的模型取决于具体任务的需求和数据特性。在未来，更多创新方法（如混合模型和跨模态学习）将在这一领域涌现。

完——

【机器学习】时序数据与序列建模：理论与实践的全面指南

云边有个稻草人-CSDN博客目录云边有个稻草人-CSDN博客引言一、时序数据的特点与挑战 1.1 时序数据的特点 1.2 序列建模的挑战二、传统方法概览 2.1 ARIMA 模型 2.2 Prophet 三、深度学习方法 3.1 RNN 和 LSTM 3.2 Attention 和 Transformer 3.3 自监督学习四、…...

编程日记 2025/5/6 23:14:39

java.net.SocketException: Connection reset 异常原因分析和解决方法

导致此异常的原因，总结下来有三种情况： 一、服务器端偶尔出现了异常，导致连接关闭解决方法： 采用出错重试机制二、服务器端和客户端使用的连接方式不一致解决方法： 服务器端和客户端使用相同的连接方式&#xff…...

编程日记 2025/5/6 22:01:26

【华为OD-E卷 - 恢复数字序列 100分（python、java、c++、js、c）】

【华为OD-E卷 - 恢复数字序列 100分（python、java、c、js、c）】题目对于一个连续正整数组成的序列，可以将其拼接成一个字符串，再将字符串里的部分字符打乱顺序。如序列8 9 10 11 12，拼接成的字符串为89101112&…...

编程日记 2025/5/6 22:15:00

05、Redis持久化

Redis是在内存中操作的，我们服器关闭重启机器后，正常是之前在redis中操作的数据都不存在了，但是实际上我们开机后重新启动redis服务，一样可以看到之前操作的数据。这是为什么呢？ 我们在redis的安装目录下可以看到有一…...

编程日记 2025/5/6 21:15:42

Python爬虫基础——selenium模块进阶（模拟鼠标操作）

主要内容包括：模拟鼠标操作。常用的鼠标操作有单击、双击、右击、长按、拖动、移动等，模拟这些操作需要用到selenium模块中的ActionChains类。该类的基本使用方法是将实例化好的WebDriver对象作参数传到该类中，实例化成一个ActionChains对象&…...

编程日记 2025/5/5 22:55:20

C macro: The # operator 1. The # operator2. Stringizing (字符串化)References 1. The # operator The # operator converts a parameter of a function-like macro into a character string literal. #define STR(x) #xAll subsequent invocations of the macro STR woul…...

编程日记 2025/5/6 22:13:40

一学就废|Python基础碎片，文件读写

文件处理是指通过编程接口对文件执行诸如创建、打开、读取、写入和关闭等操作的过程。它涉及管理程序与存储设备上的文件系统之间的数据流，确保数据得到安全高效的处理。 Python 中的文件模式打开文件时，我们必须指定我们想要的模式，该模式…...

编程日记 2025/5/6 21:28:28

使用MATLAB正则表达式从文本文件中提取数据

使用MATLAB正则表达式从文本文件中提取数据使用Python正则表达式从文本文件中提取数据的代码请看这篇文章使用正则表达式读取文本数据【Python】-CSDN博客文本数据格式需要提取 V 后面的数据, 并绘制出曲线. index 1V 0.000000W 0.000000E_theta 0.000000UINV 0.0…...

编程日记 2025/5/6 22:27:00

Java基于SSM框架的在线视频教育系统小程序【附源码、文档】

博主介绍：✌IT徐师兄、7年大厂程序员经历。全网粉丝15W、csdn博客专家、掘金/华为云//InfoQ等平台优质作者、专注于Java技术领域和毕业项目实战✌ 🍅文末获取源码联系🍅 👇🏻 精彩专栏推荐订阅👇&#x1f3…...

编程日记 2025/5/6 22:03:17

Git文件夹提交错了,怎么撤销?

最近提交了一些不应该提交的文件夹到git中,现在需要移除它们,现在简单记录一下操作日志: 情况一文件夹已经被添加到 Git，但未提交如果文件夹已经被 git add 添加到暂存区中，但尚未提交，你可以使用以下命令将其从暂存区中移除: git rm -r …...

编程日记 2025/5/6 11:31:33

Unity TextMesh Pro入门

概述 TextMesh Pro是Unity提供的一组工具，用于创建2D和3D文本。与Unity的UI文本和Text Mesh系统相比，TextMesh Pro提供了更好的文本格式控制和布局管理功能。本文介绍了TMP_Text组件和Tmp字体资产(如何创建字体资产和如何解决缺字问题),还有一些高级功…...

编程日记 2025/5/6 0:25:09

大疆C++开发面试题及参考答案

虚函数的作用是什么？虚函数机制是如何实现的？虚表指针在内存中的存放位置在哪里？ 虚函数主要用于实现多态性。多态是面向对象编程中的一个重要概念，它允许通过基类指针或引用调用派生类中重写的函数。这样可以在运行时根据对象的实…...

编程日记 2025/5/6 5:19:54

极品飞车6里的赛道简介

极品飞车里有很多赛道，赛道分为前向赛道Forward、后向赛道Backward。前向赛道Forward是从A点到B点；后向赛道Backward是前向赛道的逆过程，即从B点到A点。这里介绍极品飞车6的赛道长度、中英文名称翻译、难度等级。序号赛道英文名赛道中文名总长(km)急弯难度等级1Alpine Trai…...

编程日记 2025/5/6 21:55:37

Swagger学习⑰——@Link注解

介绍 Link 是 Swagger/OpenAPI 3.0 注解库中的一个注解，用于在 OpenAPI 文档中定义链接（Link）。链接是一种在 API 响应中提供相关操作或资源引用的机制，通常用于描述操作之间的关系或提供额外的操作提示。 Link 注解的作用 Link…...

编程日记 2025/5/6 22:10:31

Cline（原Claude Dev）开源的IDE AI插件，如何搭配OpenRouter实现cursor功能，Cline怎么使用

Cline（原Claude Dev）是一个开源的IDE AI插件，可以使用你的命令行界面和编辑器的人工智能助手。你可以直接在VS Code编辑器进行安装。如果你使用过Cursor AI IDE的话，可以尝试最新发布的Cline3.1版本。在OpenRouter上&#xff0…...

编程日记 2025/5/6 17:13:07

WEB前端-3.1

目录 CSS部分什么是CSS CSS的书写方式网页引入CSS的方式 css的颜色、大小、边线文本和字体样式 CSS选择器属性选择器伪类选择器伪元素选择器文本样式 display属性背景样式精灵图、雪碧图元素定位绝对定位相对定位浮动定位浮动 CSS部分什么是…...

编程日记 2025/5/6 21:59:55

灌区闸门自动化控制系统-精准渠道量测水-灌区现代化建设

项目背景本项目聚焦于黑龙江某一灌区的现代化改造工程，该灌区覆盖广阔，灌溉面积高达7.5万亩，地域上跨越6个乡镇及涵盖17个村庄。项目核心在于通过全面的信息化建设，强力推动节水灌溉措施的实施，旨在显著提升农业用水的…...

编程日记 2025/5/5 12:27:18

QT中引入OpenCV库总结（qmake方式和cmake方式）

文章目录前言opencv环境配置一、opencv库获取的两种方式二、qmake和cmake配置2.1、 qmake2.2、cmake2.2.1、引入opencv示例三、qt与opencv对应关系四、问题前言我的软件环境，写在前面 Windows10QT5.12.12VS2017OpenCV4.5.4 opencv环境配置一、opencv库获取…...

编程日记 2025/5/6 21:35:31

【DAPM杂谈之三】DAPM的初始化流程

本文主要分析DAPM的设计与实现内核的版本是：linux-5.15.164，下载链接：Linux内核下载主要讲解有关于DAPM相关的知识，会给出一些例程并分析内核如何去实现的 /**************************************************************…...

编程日记 2025/5/6 21:17:09

消息队列架构、选型、专有名词解释

私人博客传送门消息队列专有名词解释 | 魔筝炼药师 MQ选型 | 魔筝炼药师 MQ架构 | 魔筝炼药师 MQ顺序消息 | 魔筝炼药师...

编程日记 2025/5/6 20:59:51

Scala语言的计算机基础

Scala语言的计算机基础 Scala是一种现代的编程语言，兼具面向对象和函数式编程的特性，广泛应用于大数据处理、后端开发和分布式系统等领域。本文将围绕Scala语言的基础知识，包括其语法特点、数据结构、函数式编程思想、与Java的关系以及在实际…...

编程日记 2025/5/6 21:51:10

爬虫基础之爬取歌曲宝歌曲批量下载

声明：本案列仅供学习交流使用任何用于非法用途均与本作者无关需求分析: 网站:邓紫棋-mp3在线免费下载-歌曲宝-找歌就用歌曲宝-MP3音乐高品质在线免费下载 (gequbao.com) 爬取歌曲名歌曲实现歌手名称下载所有歌曲本案列所使用的模块 requests (发送…...

编程日记 2025/5/6 21:19:54

书说 MySQL 的悲观锁和乐观锁

什么是乐观锁？什么是悲观锁？ 悲观锁： 悲观锁是一种基于悲观态度的控制机制（最坏的程度想，每次并发一定会造成阻塞），用于防止数据冲突。它采取预防性措施，在修改数据之前将其锁定&a…...

编程日记 2025/5/6 23:13:00

Linux WEB漏洞

定义：Linux Web 漏洞是指在基于 Linux 操作系统的 Web 应用程序、Web 服务器软件或者相关的网络服务配置中存在的安全弱点。这些漏洞可能导致攻击者未经授权访问敏感信息、篡改网页内容、执行恶意代码，甚至完全控制服务器。常见类型及原理 SQL 注入漏…...

编程日记 2025/5/5 21:35:07

AIDD - 人工智能药物设计 -深度学习赋能脂质纳米颗粒设计，实现高效肺部基因递送

Nat. Biotechnol. | 深度学习赋能脂质纳米颗粒设计，实现高效肺部基因递送今天为大家介绍的是来自美国麻省理工和爱荷华大学卡弗医学院团队的一篇论文。可离子化脂质（ionizable lipids）是脂质纳米颗粒（lipid nanoparticles&#…...

编程日记 2025/5/6 21:10:04

Selenium 进行网页自动化操作的一个示例，绕过一些网站的自动化检测。python编程

初级教程 selenium 教程和视频教程s原理与安装 - 白月黑羽 https://www.byhy.net/auto/selenium/01/#chrome%201 Selenium 自动化环境安装_哔哩哔哩_bilibili Selenium 自动化环境安装是Python Selenium Web自动化 2024版 - 自动化测试爬虫的第2集视频，该合集共…...

编程日记 2025/5/6 21:19:55

力扣岛屿数量

从某个点找，不断找相邻位置。题目岛屿中被“0”隔开后 ，是每一小块状的“1”，本题在问有多少块。可以用dfs进行搜索，遍历每一个点，把每一个点的上下左右做搜索检测，当检测到就标记为“0”表示已访问过&a…...

编程日记 2025/5/6 21:12:45

【前端动效】HTML + CSS 实现打字机效果

目录 1. 效果展示 2. 思路分析 2.1 难点 2.2 实现思路 3. 代码实现 3.1 html部分 3.2 css部分 3.3 完整代码 4. 总结 1. 效果展示如图所示，这次带来的是一个有趣的“擦除”效果，也可以叫做打字机效果，其中一段文本从左到右逐渐从…...

编程日记 2025/5/6 21:01:07

期刊（中英），期刊分区，期刊所在数据库（中英），出版商区别和联系

目录对期刊、分区、数据库、出版商整体了解期刊（中英）期刊分区期刊所在数据库总结出版商对期刊、分区、数据库、出版商整体了解下图是我对这四部分的一个理解，其中期刊根据论文使用语言分为中英两种，期刊分区是用来评判论文质…...

编程日记 2025/5/6 13:12:25

LLM中temperature参数设置为0

LLM中 temperature参数设置为0 当模型的temperature参数设置为0时，通常有以下含义： 解码策略角度意味着采用贪婪解码（greedy decoding）策略。在每一步生成文本时，模型会选择概率最高的词元，从而使输出具…...

编程日记 2025/5/6 20:58:30

Javase 基础复习函数式接口 lambda表达式方法应用

目录案例1 案例2 1. 函数式接口 (Functional Interface) 特点： 示例： Java 8 引入了几个常用的函数式接口： 2. Lambda 表达式语法解析： 示例： 3. 方法引用 (Method References) 示例： 4. 方法…...

编程日记 2025/5/6 17:52:13

【39. 组合总和中等】

题目： 给你一个无重复元素的整数数组 candidates 和一个目标整数 target ，找出 candidates 中可以使数字和为目标数 target 的所有不同组合 ，并以列表形式返回。你可以按任意顺序返回这些组合。 candidates 中的同一个数字可以无限…...

编程日记 2025/5/2 3:41:36

UE小白学习日记

Level UE中的Level(关卡)和Unity中的Scene(场景)在概念和用途上非常相似,都是用来组织和管理3D环境的基本单位。让我为您详细对比一下: 相似之处: 它们都是游戏世界的容器,可以包含游戏对象、光照、地形等元素都支持场景/关卡的切换和加载都可以用来划分游戏内容,比如不同关…...

编程日记 2025/5/2 17:14:15

补充之前的一篇 MySQL 的索引为什么能加快查询速度

在之前的一篇文章中写了 MySQL 的索引为什么能加快查询速度，结合这两篇文章，相信你会对 MySQL 的索引有更深一步的了解首先我们要理解一件事，无论什么数据库，它的数据一定都是存储在硬盘中的，而硬盘和内存之间的读…...

编程日记 2025/5/6 9:58:53

GoLand下载安装教程

一、goland环境配置 1.下载地址 https://golang.google.cn/dl/ 2.下载安装 3.添加环境变量 4.测试环境变量输出Hello,World! 说明环境配置成功二、goland安装 1.下载安装 https://www.jetbrains.com/go/download/download-thanks.html 2.激活使用 SFXUSA86FM-eyJsaWNlbnNl…...

编程日记 2025/5/6 8:09:40

GAN的应用

5、GAN的应用 GANs是一个强大的生成模型，它可以使用随机向量生成逼真的样本。我们既不需要知道明确的真实数据分布，也不需要任何数学假设。这些优点使得GANs被广泛应用于图像处理、计算机视觉、序列数据等领域。上图是基于GANs的实际应用场景对不同G…...

编程日记 2025/4/30 19:20:30

[石榴翻译] 维吾尔语音识别 + TTS语音合成

API网址丝路AI平台获取 Access token 接口地址：https://open.xjguoyu.cn/api/auth/oauth/token，请求方式：GET，POST Access token是调用服务API的凭证，调用服务API之前需要获取 token。每次成功获取 token 以后只有…...

编程日记 2025/5/6 12:11:00

PHP Filesystem：深入解析与实战应用

PHP Filesystem：深入解析与实战应用引言 PHP作为一种流行的服务器端编程语言，提供了强大的文件系统操作功能。本文将深入探讨PHP的Filesystem函数，这些函数允许开发者访问和操作服务器上的文件系统。无论是进行基本的文件操作，还是实现复杂的文件管理系统，PHP的Filesys…...

编程日记 2025/5/4 3:52:52

仓颉笔记——写一个简易的web服务并用浏览器打开

创建一个web服务端，同时创建一个客户端去读取这个服务端。也满足浏览器打开web的需求。直接上代码。 import net.http.* import std.time.* import std.sync.* import std.log.LogLevel// 1. 构建 Server 实例 let server ServerBuilder().addr("127.0.0.1&…...

编程日记 2025/4/24 16:16:09

yolov5+colab跑起来

教程1.先上传网盘再run 教程2.直接上传解压run 本人过程...

编程日记 2025/4/24 20:16:20

Windows下安装最新版的OpenSSL，并解决OpenSSL不是当前版本的问题，或者安装不正确的问题

文章目录 1. 文章引言1.1 需求描述1.2 简单介绍1.3 支持平台1.4 源码地址1.5 组件介绍2. 下载OpenSSL3. 安装OpenSSL5. 查看安装目录6. 解决OpenSSL的错误1. 文章引言 1.1 需求描述今天接到一需求，解密php加密后的数据，由于php使用 openssl_encrypt的方式加密，java也需要使…...

编程日记 2025/5/5 11:11:28

HTML5 网站模板

HTML5 网站模板参考 HTML5 Website Templates...

编程日记 2025/4/26 1:21:55

代码随想录算法训练营第三十二天|509.斐波那契数、70.爬楼梯、746.使用最小花费爬楼梯

目录 509.斐波那契数动态规划五部曲： 1.确定dp数组（dp table）以及下标的含义 2.确定递推公式 3.dp数组如何初始化 4.确定遍历顺序 5.举例推导dp数组 70.爬楼梯动态规划五部曲： 1.确定dp数组（dp table）…...

编程日记 2025/5/6 11:29:22

＜C++学习＞C++ Boost 数学与科学计算教程

C Boost 数学与科学计算教程 Boost 提供了强大的数学与科学计算功能模块，包括常用数学函数、特殊函数、矩阵运算、随机数生成器、统计分析工具等。这些工具覆盖了从基本数学操作到复杂科学计算的广泛场景。 1. Boost.Math 简介 Boost.Math 提供了丰富的数学功能&a…...

编程日记 2025/4/30 8:05:54

Spring Framework 5.3.x源码构建（jdk-1.8, gradle 7.5.1, idea2024.3）

1、下载jdk安装并配置环境变量（自行百度） https://www.oracle.com/java/technologies/downloads/#java8 2、下载spring-framework源码，切换分支到5.3.x https://github.com/spring-projects/spring-framework.git 备用地址 https://gitco…...

编程日记 2025/5/3 21:13:23

有心力场的两体问题

有心力场中的两体问题是经典力学中的重要研究对象，中心力场问题通常涉及两个相互作用的物体（例如行星与恒星、电子与原子核等）。为了简化分析，问题往往可以转化为一个等效的单体问题。这种方法大大提高了问题的可解性，是解决两体和多体问题的基础步骤之一。将两体问题简化…...

编程日记 2025/5/5 18:03:28

【Pandas】pandas Series rdiv

Pandas2.2 Series Binary operator functions 方法描述Series.add()用于对两个 Series 进行逐元素加法运算Series.sub()用于对两个 Series 进行逐元素减法运算Series.mul()用于对两个 Series 进行逐元素乘法运算Series.div()用于对两个 Series 进行逐元素除法运算Series.true…...

编程日记 2025/5/3 21:30:03