原创 c#條件結構(二)----if語句

if是條件語句的基本語法,具體如下形式 if(表達式) { //語句 } 帶有else的情況 if(表達式1) { //語句1 } else//非表達式1的情況下,執行else { //語句2 } 帶有else if的情況 if(表

原创 c#基礎(三)----類型轉換

分爲隱式轉換和顯示轉換 隱式轉換就是直接可以轉,也就是什麼也不用說明 顯示轉換爲強制轉換,把要轉換的目的數據類型放在括號內,置於原數據前 格式爲: ss=(int)bb,即把變量bb轉換爲int型的數據,存儲在ss中,這裏bb可能是浮點數

原创 c#條件結構(一)----bool型

在c#基礎的數據類型文章中,我們介紹過bool型,其返回值爲,true 或false。這是條件語句的基礎。 bool型是一種判斷,在上一節中介紹過 ?:,例如,比較兩個數大小,並取大的值, int a=b>c ? b : c,這裏面就是一

原创 c#基礎(四)----運算符

簡單的加減乘除就不說了,說一些特殊的 % 取餘數 例 a%b 注意,+除了算數還可以連接字符串 賦值運算符 例 -=  +=  *=  /= 就是將左面的數移到右邊計算,再賦值給左面 其他運算符 new 創建一個類的實例 typeof(

原创 c#條件結構(三)----switch結構

switch結構也是條件結構的基本結構,其語句爲 switch(變量名) { case 常量1:         語句1;        break; case 常量2:         語句2;        break; case

原创 c#基礎(二)----常量和變量

常量:初始化之後就不再改變,可以理解爲用一串符號表示一個特定的數,聲明方式爲:【作用域】const  數據類型 常量名  初始值 例 public const double pi=3.14 變量:隨着執行的命令,不斷地相應改變,聲明方式爲

原创 c#基礎(一)----數據類型

c#的數據類型分爲兩類 值和引用,值型是一個長度固定的數據,引用型是一個長度可變的。 具體來說 值:整數型、浮點數、布爾型、字符型、結構、枚舉 六種 引用:c#預定義引用、數組、類、接口 下面具體介紹 整數型: 8、16 32、64位

原创 c#循環結構(一)----while循環

while是c#循環語句的基本結構,意思是當,即表示滿足當所對應的條件時,進行循環,若不滿足這個條件則跳出循環。 具體語句如下 while(循環條件) { 循環的語句 } 循環條件是一個判斷,比如 等於==,不等於!=,大於>,小於<,注

原创 Jupyter快捷鍵

Jupyter Notebook 的快捷鍵 Jupyter Notebook 有兩種鍵盤輸入模式。編輯模式,允許你往單元中鍵入代碼或文本;這時的單元框線是綠色的。命令模式,鍵盤輸入運行程序命令;這時的單元框線是灰色。 命令模式 (按鍵 E

原创 pip 有代理情況下更新

python -m pip install --upgrade pip --proxy=10.10.100.100:8080

原创 python 數據預處理 數據標準化

對每一列進行標準化(每個數值在0-1之間) import numpy as np import pandas as pd np.random.seed(1) df = pd.DataFrame(np.random.randn(4,4)*

原创 python 結巴分詞(jieba)學習

原文  http://www.gowhich.com/blog/147 源碼下載的地址:https://github.com/fxsjy/jieba 演示地址:http://jiebademo.ap01.aws.af.cm/

原创 python 預測結果評價 準確率 精度 查全率 accuracy precision recall F1

對測試集進行0-1預測 準確率:預測對的/總預測數,包括預測對的0也包括預測對的1,用處:代表着模型的整體準度,越高模型越準 精度:預測爲1的準確度,用處:代表着1的準度 查全率:預測出的1佔了真實1的百分比,用處:代表着預測1的覆蓋情況

原创 gensim做主題模型

作爲python的一個庫,gensim給了文本主題模型足夠的方便,像他自己的介紹一樣,topic modelling for humans 具體的tutorial可以參看他的官方網頁,當然是全英文的,http://radimreh

原创 python 數據預處理 數據抽樣

簡單隨機抽樣 如果數據集是 dataframe df.sample(n)#從dataframe df中抽取n行數據 df.sample(frac=0.8) #抽取80%的數據