当前位置：首页 > news >正文

实验三 Python 数据可视化 Python 聚类-K-means(CQUPT)

news 来源：原创 2025/8/12 18:00:38

一、实验目的

Python 数据可视化：

1、学习使用 jieba、wordcloud 等类库生成词云图。

2、学习使用 Matplotlib 库进行数据可视化。

Python 聚类-K-means：

1、理解聚类非监督学习方法的基本原理。

2、掌握 Python、numpy、pandas、sklearn 实现聚类的方法。

二、实验原理

运用 Anaconda 搭建的 Spyder平台编写 Python 实例程序。

运用 Anaconda 搭建的 Spyder平台编写实例 Python K-means 聚类程序。

三、使用软件平台

1、Windows 11电脑一台。

2、Anaconda、Python、Spyder平台。

四、实验内容

实例1：简历信息词云图

结果：

代码：

对了记得把老师的文件放在同一个文件夹下

import jieba
import imageio
from wordcloud import WordCloud
import matplotlib.pyplot as plt# 读取个人信息文件
with open("per_info.txt", "r", encoding="utf-8") as f:word_content = f.read().replace("\n", "")# 读取背景图片
mask_img = imageio.imread("china.jpg")# 分词处理
word_cut = jieba.cut(word_content)
word_cut_join = " ".join(word_cut)# 创建词云对象
wc = WordCloud(font_path="STXINGKA.ttf",  # 选择支持中文的字体mask=mask_img,  # 背景图background_color="white",  # 背景颜色max_words=500,  # 最大显示词语数max_font_size=80  # 最大字体
)# 生成词云
wc.generate(word_cut_join)# 显示词云
plt.imshow(wc, interpolation="bilinear")
plt.axis("off")
plt.show()# 保存词云到本地
wc.to_file("personal_wordcloud.jpg")

实例2：疫情病例数发展趋势可视化

结果：

代码：

import pandas as pd
import matplotlib.pyplot as plt
from matplotlib import rcParams# 设置字体为 SimHei（黑体）
rcParams['font.sans-serif'] = ['SimHei']  # 解决中文乱码
rcParams['axes.unicode_minus'] = False  # 解决负号显示问题# 读取疫情数据
data_file = "cq_COVID-19.xlsx"  
data = pd.read_excel(data_file)# 提取日期和感染人数并保存到列表
dates = pd.to_datetime(data['日期']).tolist()  # 转换为 Python 列表
cases = data['感染人数'].tolist()  # 转换为 Python 列表# 打印两个列表（仅供调试）
print("日期列表:", dates)
print("感染人数列表:", cases)# 绘制折线图
plt.figure(figsize=(12, 6))
plt.plot(dates, cases, marker='o', linestyle='-', label='感染人数')# 设置图表标题和轴标签
plt.title('重庆疫情病例数发展趋势--来自420刘清城', fontsize=16)
plt.xlabel('日期', fontsize=12)
plt.ylabel('感染人数', fontsize=12)# 美化图表
plt.grid(alpha=0.3)
plt.xticks(rotation=45)  # 日期横轴倾斜以便阅读
plt.legend()
plt.tight_layout()# 显示图表
plt.show()

实例3：基于经纬度的城市聚类

结果：

代码：

import pandas as pd
from sklearn.cluster import KMeans
import matplotlib.pyplot as plt# 读取城市数据
file_path = "China_cities.csv"  # 确保文件路径正确
data = pd.read_csv(file_path)# 检查数据
print("数据预览：")
print(data.head())# 提取经纬度数据
coordinates = data[['北纬', '东经']]# 数据清洗：确保数据没有缺失值
coordinates = coordinates.dropna()# 转换为数值类型（如果必要）
coordinates['北纬'] = pd.to_numeric(coordinates['北纬'], errors='coerce')
coordinates['东经'] = pd.to_numeric(coordinates['东经'], errors='coerce')# 丢弃无法转换为数值的行
coordinates = coordinates.dropna()# 使用 K-Means 模型进行聚类
kmeans = KMeans(n_clusters=5, random_state=42)  # 将城市分为3类
data['聚类标签'] = kmeans.fit_predict(coordinates)# 输出聚类中心
print("聚类中心：")
print(kmeans.cluster_centers_)# 绘制聚类结果图
plt.figure(figsize=(10, 6))
colors = ['gray', 'blue', 'green',"yellow","cyan"]for i in range(5):  # 根据聚类标签绘制不同颜色的点cluster_points = data[data['聚类标签'] == i]plt.scatter(cluster_points['东经'], cluster_points['北纬'], c=colors[i], label=f'聚类{i+1}')# 绘制聚类中心
centers = kmeans.cluster_centers_
plt.scatter(centers[:, 1], centers[:, 0], c='Red', marker='*', s=200, label='聚类中心')# 设置图表标题和轴标签
plt.title('中国主要城市聚类图', fontsize=16)
plt.xlabel('东经', fontsize=12)
plt.ylabel('北纬', fontsize=12)
plt.legend()
plt.grid()
plt.show()

思考题一：

结果：

代码：

import jieba
import matplotlib.pyplot as plt# 读取政府工作报告文件
file_path = "govreport-2022.txt"  # 替换为实际文件路径
with open(file_path, "r", encoding="utf-8") as f:text = f.read()# 分词处理
words = jieba.lcut(text)# 统计词频并存储到字典
word_count = {}
for word in words:# 去除标点符号和无意义的单字if len(word) > 1 and word not in ["，", "。", "、", "“", "”", "的", "和", "是", "在"]:word_count[word] = word_count.get(word, 0) + 1# 将字典转换为列表并按词频降序排序
sorted_word_count = sorted(word_count.items(), key=lambda x: x[1], reverse=True)# 提取前5个高频词并构建两个列表
top_words = sorted_word_count[:5]
words = [item[0] for item in top_words]
counts = [item[1] for item in top_words]# 绘制柱状图
plt.figure(figsize=(10, 6))
bars = plt.bar(words, counts, color="skyblue")# 在每个柱上方添加数字
for bar, count in zip(bars, counts):plt.text(bar.get_x() + bar.get_width() / 2, bar.get_height(),  # 坐标调整str(count), ha="center", va="bottom", fontsize=15)# 设置标题和标签
plt.title("2022年政府工作报告高频词", fontsize=16)
plt.xlabel("单词名称", fontsize=20)
plt.ylabel("出现频率", fontsize=20)
plt.xticks(fontsize=20)
plt.yticks(fontsize=20)
plt.tight_layout()# 显示图表
plt.show()

思考题二：

结果：

代码：

import pandas as pd
import matplotlib.pyplot as plt
from sklearn.cluster import KMeans
from sklearn.datasets import load_iris
from matplotlib import rcParams# 设置字体为 SimHei（黑体）
rcParams['font.sans-serif'] = ['SimHei']  # 用来正常显示中文标签
rcParams['axes.unicode_minus'] = False  # 用来正常显示负号# 加载鸢尾花数据集
iris = load_iris()
data = pd.DataFrame(iris.data, columns=iris.feature_names)
data['种类'] = iris.target# 查看数据集前5行
print("鸢尾花数据集前5行：")
print(data.head())# 提取四个特征数据
features = data.iloc[:, :4]  # 全部四个特征# 使用 K-Means 模型进行聚类
kmeans = KMeans(n_clusters=3, random_state=42)  # 将数据分为3类
data['聚类标签'] = kmeans.fit_predict(features)# 输出聚类中心
print("聚类中心：")
print(kmeans.cluster_centers_)# 绘制两张图
plt.figure(figsize=(12, 10))# 子图1：花萼长度和宽度
plt.subplot(2, 1, 1)
colors = ['yellow', 'blue', 'green']
markers = ['o', 's', '^']  # 圆形、方形、三角形for i in range(3):  # 遍历3个聚类cluster_points = data[data['聚类标签'] == i]plt.scatter(cluster_points.iloc[:, 0], cluster_points.iloc[:, 1], c=colors[i], marker=markers[i], label=f'聚类{i+1}')# 绘制聚类中心
centers = kmeans.cluster_centers_
plt.scatter(centers[:, 0], centers[:, 1], c='red', marker='*', s=300, label='聚类中心')# 设置标题和轴标签
plt.title('鸢尾花按花萼特征聚类图', fontsize=16)
plt.xlabel('花萼长度', fontsize=12)
plt.ylabel('花萼宽度', fontsize=12)
plt.legend()
plt.grid()# 子图2：花瓣长度和宽度
plt.subplot(2, 1, 2)for i in range(3):  # 遍历3个聚类cluster_points = data[data['聚类标签'] == i]plt.scatter(cluster_points.iloc[:, 2], cluster_points.iloc[:, 3], c=colors[i], marker=markers[i], label=f'聚类{i+1}')# 绘制聚类中心
plt.scatter(centers[:, 2], centers[:, 3],  c='red', marker='*', s=300, label='聚类中心')# 设置标题和轴标签
plt.title('鸢尾花按花瓣特征聚类图', fontsize=16)
plt.xlabel('花瓣长度', fontsize=12)
plt.ylabel('花瓣宽度', fontsize=12)
plt.legend()
plt.grid()# 显示图形
plt.tight_layout()
plt.show()

实验三 Python 数据可视化 Python 聚类-K-means(CQUPT)

一、实验目的 Python 数据可视化： 1、学习使用 jieba、wordcloud 等类库生成词云图。 2、学习使用 Matplotlib 库进行数据可视化。 Python 聚类-K-means： 1、理解聚类非监督学习方法的基本原理。 2、掌握 Python、numpy、pandas、sklearn 实现聚类…...

编程日记 2025/8/12 18:00:38

东方通TongHttpServer：企业级服务代理中间件的卓越之选

随着信息技术的飞速发展，企业对于高性能、高安全性的中间件需求日益增长。东方通作为中国中间件领域的领军企业，凭借其在“安全”、“数据”和“智慧”三大产品体系上的深厚积累，推出了TongHttpServer（简称THS）&#x…...

编程日记 2025/8/7 4:58:13

EB-Cable许可证的常见问题及解决方案

在使用EB-Cable软件时，许可证问题可能是用户经常遇到的挑战之一。为了帮助用户更好地理解和解决许可证相关的问题，本文将列举一些常见的EB-Cable许可证问题，并提供相应的解决方案。常见问题一：许可证激活失败问题描述&#xff…...

编程日记 2025/8/7 12:38:31

ZED X系列双目3D相机的耐用性与创新设计解析

在工业自动化和学术研究领域，高精度的视觉设备正成为提升效率和质量的关键。ZED X系列AI立体相机，凭借其先进的技术和耐用的设计，为这一领域带来了新的可能。核心技术：深度感知与精准追踪 ZED X系列的核心技术之一是Neural Dept…...

编程日记 2025/8/7 1:49:31

深入解析Java面向对象三大特征之多态、final、抽象类与接口

面向对象编程（OOP）的三大核心特征为封装、继承、多态，其中多态是最具灵活性和扩展性的特性。本文将从多态的本质出发，结合final关键字、抽象类与接口的设计，深入探讨这些概念的应用场景及其在代码中的实现细节&#xf…...

编程日记 2025/8/10 5:48:15

jmeter 循环控制器遍历列表中的数据

jmeter遍历列表中的数据并使用if控制器做相应的处理测试场景请求获取列表接口发送请求JSON Extractor 提取对应字段 Loop Controller计数器If Controller 测试场景请求获取列表接口使用循环控制器遍历接口，根据state字段判断是否发起其他请求请求获取列表接口 …...

编程日记 2025/8/6 4:56:34

【Linux内核系列】：进程板块与文件板块的综合

🔥 本文专栏：Linux 🌸作者主页：努力努力再努力wz 💪 今日博客励志语录： 人生中成功只是一时的，失败却是人生的主旋律，但是如何面对失败却把人分成了不同的样子，有的人会被…...

编程日记 2025/8/5 12:26:54

深入理解嵌入式开发中的三个重要工具：零长度数组、container_of 和 typeof

在嵌入式开发中，内核开发者经常需要处理复杂的数据结构和动态内存分配。零长度数组、container_of 宏和 typeof 是内核开发中三个非常重要的工具，它们在结构体管理、内存操作和类型处理中发挥着关键作用。本文将详细探讨这三个工具的功能、应用场景及其在内核开发中的重要性。…...

编程日记 2025/8/12 17:58:43

第27周JavaSpringboot git初识

Git 课程笔记一、Git 的介绍 1. Git 的诞生背景 Git 是 Linux 内核的作者 Linus Torvalds 为了更好地管理 Linux 内核开发而创建的版本控制系统。在 Linux 内核开发初期，由于开发者众多，协作成本很高，后来使用了 BitKeeper 工具来辅助协作…...

编程日记 2025/8/12 17:58:40

实战2. 利用Pytorch解决 CIFAR 数据集中的图像分类为 10 类的问题——提高精度

实战2. 利用Pytorch解决 CIFAR 数据集中的图像分类为 10 类的问题——提高精度前期准备加载数据建立模型模型训练质量指标让我们回到图像分类问题 CIFAR。你的主要任务：实现整个模型训练流程，并在测试样本上获得良好的准确度指标值。任务积分&#…...

编程日记 2025/8/11 20:18:29

CentOS高性能数据处理优化指南

在CentOS系统中，为实现高性能数据处理，需要从多个层面进行优化，包括系统配置、内核参数、硬件资源管理及软件优化等。一、硬件优化选择合适硬件是优化性能的基础，大规模数据处理任务建议使用多核CPU、大容量内存、SSD存储以及…...

编程日记 2025/8/7 5:27:17

深度剖析：Pytest Fixtures如何重塑自动化测试的可读性与高效性

关注开源优测不迷路大数据测试过程、策略及挑战测试框架原理，构建成功的基石在自动化测试工作之前，你应该知道的10条建议在自动化测试中，重要的不是工具在编写单元测试时，是否发现自己写了很多相同/相似代码呢？ 像…...

编程日记 2025/8/11 17:03:23

AIP-181 稳定级别

编号181原文链接AIP-181: Stability levels状态批准创建日期2019-02-18更新日期2019-02-18 虽然不同组织（谷歌或其他组织）拥有不同的产品生命周期，AIP使用以下术语指代API组件稳定性。注意这些稳定级别大致对应于Google Cloud中的产品发…...

编程日记 2025/8/10 5:21:31

比较（leetcode 452. 用最少数量的箭引爆气球 leetcode 435. 无重叠区间 leetcode 56. 合并区间

leetcode系列文章目录一、射箭引爆气球二、无重叠区间三、合并区间总结提示：小白个人理解，如有错误敬请谅解！ 对于此类题目，都先按左区间排序，之后根据重叠还是不重叠来进行操作一、射箭引爆气球找到最大的重叠…...

编程日记 2025/8/4 8:50:30

什么是有限元力学？分而治之，将复杂问题转化为可计算的数学模型

有限元力学是应用有限元方法（Finite Element Method, FEM）解决力学问题的学科，属于计算力学的重要分支。它通过将复杂的连续体结构离散化为有限个简单单元的组合，结合数学和物理原理，近似求解力学行为（如应…...

编程日记 2025/8/5 21:49:25

python项目一键加密,极度简洁

在要加密的项目内运行python -m pip install py2safe 安装后cd到项目的根目录,运行py2safe 它会递归加密所有文件夹,不需要参数,拿过来就用,基于pyarmor开发,基本破解不了,太方便辣这是readme文件,不仅提到了用法,还贴心的加入了口腔溃疡的治疗办法,真是太贴心了 # py2saf…...

编程日记 2025/8/11 11:30:25

STM32 ADC原理与驱动详解：从存储器映射到多通道采集（下） | 零基础入门STM32第六十六步

主题内容教学目的/扩展视频ADC读电位器和光敏重点课程电路原理，跳线设置，ADC功能分析，驱动程序，读出AD数据，读内部温度传感器数据。会设置参数，能读出AD值即可。师从洋桃电子，杜洋老师本文深入…...

编程日记 2025/8/9 1:31:43

JxBrowser 8.5.0 版本发布啦！

• 为 Compose Desktop 提供了硬件加速渲染支持 • 支持自定义 Chromium 二进制文件的品牌标识 • 多项质量改进了解更多获取 30 天免费试用...

编程日记 2025/7/27 9:10:35

LIN接口

LIN接口前言LIN接口简介帧格式同步间隔段 (Break Field)同步段 (Sync Byte Field)受保护ID段 (Protected Identifier Field)数据段 (Data Field)校验和段 (Checksum Field) 帧在总线上的传输波形帧类型无条件帧事件触发帧偶发帧诊断帧保留帧错误类型 IP 设计结构框图接口设计…...

编程日记 2025/7/27 16:41:44

【蓝桥杯每日一题】3.16

🏝️专栏： 【蓝桥杯备篇】 🌅主页： f狐o狸x 目录 3.9 高精度算法一、高精度加法题目链接： 题目描述： 解题思路： 解题代码： 二、高精度减法题目链接： 题目描述&…...

编程日记 2025/8/5 1:29:56

prometheus-helm的使用

1、部署Prometheus监控平台 1、下载安装Prometheus （当前集群版本1.26.3） git clone https://github.com/prometheus-operator/kube-prometheus.git -b release-0.12 安装： cd kube-prometheus/ 创建命名空间和crd： kubectl …...

编程日记 2025/8/6 17:43:00

时间序列分析的军火库：AutoTS、Darts、Kats、PaddleTS、tfts 和 FancyTS解析

引言：时间序列分析的现代挑战时间序列分析在多个领域中扮演着关键角色，包括工程、金融、气象、工业预测等。随着开源工具的快速发展，开发者可以通过多种库快速实现时间序列预测与分析。本文将对 AutoTS、Darts、Kats、PaddleTS、tfts 和 FancyTS 六大主流库进行详细解析，…...

编程日记 2025/7/30 20:33:18

TLSR8355F128芯片特色解析

TLSR8355F128 是泰凌微推出的一款高性能、低功耗的无线物联网芯片，具有以下特色： 丰富的协议支持：支持 2.4GHz 私有协议。这使得该芯片能够广泛应用于各种特殊的物联网场景，实现不同设备之间的互联互通。强大的处理能力&#xff…...

编程日记 2025/8/11 2:18:52

基于分类算法的学习失败预警（上）

文章目录前言1.数据预处理1.1数据探索1.2数值化处理1.3空值填充1.4添加标签1.5特征筛选1.6数据集类别平衡1.7划分数据集1.8训练集类平衡1.9标准化 2.模型选择2.1建立模型2.2模型调参2.2.1遍历调参2.2.2网格搜索结语前言本次案例通过对现有数据分析，采用如下图所…...

编程日记 2025/8/12 13:17:34

首页性能优化

首页性能提升是前端优化中的核心任务之一，因为首页是用户访问的第一入口，其加载速度和交互体验直接影响用户的留存率和转化率。 1. 性能瓶颈分析在优化之前，首先需要通过工具分析首页的性能瓶颈。常用的工具包括： Chrome DevTo…...

编程日记 2025/8/12 17:54:44

整形在内存中的存储（例题逐个解析）

目录一.相关知识点 1.截断： 2.整形提升： 3.如何截断，整型提升？ （1）负数 （2）正数 （3）无符号整型，高位补0 注意：提升后得到的…...

编程日记 2025/8/10 23:04:01

示例代码： T TypeVar("T", bound"NoSQLBaseDocument")# 与 MongoDB 数据库交互的基础文档类 class NoSQLBaseDocument(BaseModel, Generic[T], ABC):id: UUID4 Field(default_factoryuuid.uuid4)def __eq__(self, value: object) -> bool…...

编程日记 2025/8/11 20:33:15

2025 香港 Web3 嘉年华：全球 Web3 生态的年度盛会

自 2023 年首届香港 Web3 嘉年华成功举办以来，这一盛会已成为全球 Web3 领域规模最大、影响力最深远的行业活动之一。2025 年 4 月 6 日至 9 日，第三届香港 Web3 嘉年华将在香港盛大举行。本届活动由万向区块链实验室与 HashKey Group 联合主办、W3ME 承…...

编程日记 2025/8/8 8:48:26

ERC-6909 最小多代币标准

ERC-6909 Token标准是 ERC-1155 Token标准的一种简化替代方案。 ERC-1155 标准引入了一种多Token接口，使得单个智能合约能够结合可替代的和不可替代的Token（即，ERC20 和 ERC721）。 ERC-1155 解决了多个挑战，例如降…...

编程日记 2025/8/7 12:09:22

07-单链表-单链表基本操作

题目来源 826. 单链表 - AcWing题库思路详见代码，主要思想就是用数组来模拟链表的创建。数组其实跟静态链表等价，由于动态链表动态new对于大数据太过于耗时，因此采用数组的方式。那数组如何起到链表的效果？用下标来索引。 …...

编程日记 2025/8/9 8:34:50

FFMPEG录制远程监控摄像头MP4

手绘效果图上图是录制功能的HTML前端页面，录制功能和解码视频放在一起。录制功能关键是录制(开始录制按钮)、停止录像按钮。当点击“录制”的时候则会开始录制MP4文件, 当点击停止的时候就会停止录制MP4。经过录制后，则会生成MP4,并放到我的RV1126的/tm…...

编程日记 2025/8/5 1:37:16

Spring Boot 的自动装配

Spring Boot 的自动装配（Auto Configuration）是其核心特性之一，通过智能化的条件判断和配置加载机制，极大简化了传统 Spring 应用的配置复杂度。其原理和实现过程可概括为以下几个关键点： 一、核心触发机制&#xff1a…...

编程日记 2025/8/9 16:00:31

Python中的“泛型”和“多重继承”

“泛型”和“多重继承”属于 Python 的语法规则。 1. 泛型（Generic[T]） 通俗解释泛型允许你在定义类或函数时，不指定具体的类型，而是使用一个“占位符”（通常命名为 T）。这就像你制作一个盒子&#xff0…...

编程日记 2025/8/11 17:39:14

【C++】多参数构造函数使用explict的情形

在 C 中，“无非默认值” 指的是：构造函数的参数没有设置默认值（即所有参数都必须显式传递）。这个说法通常出现在讨论多参数构造函数是否需要使用 explicit 关键字时。具体解释多参数构造函数： • 如果一个构造函数有…...

编程日记 2025/8/10 3:17:13

C# Unity 唐老狮 No.10 模拟面试题

本文章不作任何商业用途仅作学习与交流安利唐老狮与其他老师合作的网站,内有大量免费资源和优质付费资源,我入门就是看唐老师的课程打好坚实的基础非常非常重要: Unity课程 - 游习堂 - 唐老狮创立的游戏开发在线学习平台 - Powered By EduSoho C# 1. 内存中，堆和…...

编程日记 2025/8/9 5:02:47

使用DeepSeek，优化斐波那契数函数，效果相当不错

下面这段代码定义了一个递归函数 fibonacci，用于计算第 n 个斐波那契数。 def fibonacci(n):if n < 1:return nelse:return fibonacci(n - 1) fibonacci(n - 2)虽然代码逻辑正确，但其性能较差，尤其是对于较大的 n 值，其复杂度…...

编程日记 2025/8/2 19:02:27

【GPT入门】第22课 langchain LCEL介绍

【GPT入门】第22课 langchain LCEL介绍 1. LCEL介绍与特点2. 原生API与LCEL的对比2. 简单demo 1. LCEL介绍与特点 LCEL 即 LangChain Expression Language，是 LangChain 推出的一种声明式语言，用于简化和优化在 LangChain 框架内构建复杂链和应用的过程…...

编程日记 2025/8/11 20:50:59

市场监管总局升级12315平台专项整治四大市场顽疾保障消费安全

大湾区经济网湾区财经讯，在今天下午举行的国务院新闻办新闻发布会上，市场监管总局负责人表示，将开展食品非法添加、假冒伪劣、价格欺诈、虚假宣传四大领域专项整治行动，并强化缺陷产品召回监管，全面保障消费者“安全消…...

编程日记 2025/8/10 18:52:23

FineBI6.x进阶篇-可视化专题

参考参考：https://edu.fanruan.com/video/526 如何选择合适的图表：https://help.fanruan.com/dvg/doc-view-3.html 参考：https://help.fanruan.com/finebi/ 什么是GLAD原则：https://help.fanruan.com/dvg/doc-view-81.html …...

编程日记 2025/8/10 1:24:04

一对一交友App源码开发新趋势：精准匹配与多元盈利模式解析

一、营商环境分析：机遇与挑战并存近年来，随着移动互联网的普及和用户需求的不断升级，一对一交友App市场呈现出蓬勃发展的态势。然而，机遇与挑战并存，开发者需要审时度势，才能在激烈的市场竞争中脱颖而出…...

编程日记 2025/8/10 1:33:56

算法基础篇（蓝桥杯常考点）

算法基础篇前言算法内容还有搜索，数据结构（进阶），动态规划和图论数学那个的话大家也知道比较难，放在最后讲这期包含的内容可以看目录模拟那个算法的话就是题说什么写什么，就不再分入目录中了注意事…...

编程日记 2025/7/14 4:31:37

【Pandas】pandas Series cat

# Pandas2.2 Series ## Accessors |方法|描述| |-|:-------| |Series.str|对 Series 中的字符串元素进行矢量化字符串操作| |Series.cat|用于处理分类数据（Categorical Data）的属性| ### pandas.Series.cat pandas.Series.cat 是用于处理分类数据&am…...

编程日记 2025/8/11 4:31:01

Python的类和对象（3）

1、类的继承父类：被继承子类：继承者 – 可以使用父类的所有属性和方法、大大简化代码。语法：在类名字后加上（继承的类名字） # 定义类 -- 父类 class Car:# 定义类属性wheel "有车轮"engine "有引…...

编程日记 2025/8/10 11:40:02

C语言修饰符汇总详解

在C语言中，修饰符（或称类型限定符）是用于修饰数据类型的关键字，可以改变变量或类型的性质和行为。它们通常用来控制存储类型、符号、大小、对齐、访问权限等。C语言中的修饰符主要可以分为以下几类：类型修饰符存储类别修饰符常量和易变修饰符以下是C语言中所有修饰符的详…...

编程日记 2025/8/10 11:56:11

猎豹移动（Cheetah Mobile）

本文来自腾讯元宝公司背景与发展历程成立与早期定位猎豹移动成立于2010年11月，由金山安全与可牛影像合并而成，初期以移动安全工具和清理软件为核心业务。其明星产品包括《猎豹清理大师》（Clean Master）和《猎豹浏览器》&…...

编程日记 2025/8/4 5:54:17

VLN 论文精读（二）VL-Nav: Real-time Vision-Language Navigation with Spatial Reasoning

这篇笔记用来描述2025年发表在arxiv上的一篇有关VLN领域的论文，由纽约州立大学布法罗分校和卡耐基梅隆联合发布。其主要创新点在于：像素级的视觉-语意特征、低算力移动设备部署、30Hz控制实时性、VLM模型的zero-shot ； 整个导航流程大概如下…...

编程日记 2025/8/9 13:50:26

优选算法系列（2.滑动窗口 _ 上）

目录解法⼀（暴力求解）（不会超时，可以通过）：一.长度最小的子数组（medium） 题目链接209. 长度最小的子数组 - 力扣（LeetCode） 解法： 代码&#…...

编程日记 2025/8/7 5:12:55

RK3568 android11 基于PN7160的NXP NFC移植

一，概述 1. 模块概述 PN7160专为在各种系统实现快速集成而设计，支持所有符合NFC Forum的模式，包括Android和Linux驱动程序，并支持实时操作系统和无操作系统的应用（PN7160不符合EMVCo）。嵌入式NFC固件减少了对主机交互的需求，并最大限度缩小了代码尺寸，使设计更轻松。…...

编程日记 2025/8/8 23:19:27