【手把手教你如何来玩儿经典指标MACD】
金融，量化，选股，MACD，Pandas，Tushare，Ta-Lib，Python，技术指标分析和应用，挖掘数据更深层的内容，金融量化个人也是可以实现的。
新学期，新起色
我是一名大数据专业在读大三生，一名数据专业的菜鸟。
TransBigData：一款基于 Python 的超酷炫交通时空大数据工具包
TransBigData是一个为交通时空大数据处理、分析和可视化而开发的Python包。TransBigData为处理常见的交通时空大数据（如出租车GPS数据、共享单车数据和公交车GPS数据等）提供了快速而简洁的方法。TransBigData为交通时空大数据分析的各个阶段提供了多种处理方法,代码简洁
[大数据]数据可视化 -- 练习卷
是指发现并纠正数据文件中可识别错误的最后一道程序，是对数据的完整性、一致性和准确性进行重新审查和校验的过程。．动态图表是图表分析的较高级形式，当用户执行某个操作后，图表中的数据会随之发生变化，这种图表也称为。相结合的方式，可以很好地阐释单个系列数据从一个值到另一个值的变化过程，形象地说明数据的流动情
Opencv项目实战：10 面部特征提取及添加滤镜
《Opencv项目实战：10 面部特征提取及添加滤镜》在本次项目，我将采取dlib和shape_predictor_68_face_landmarks.dat文件，为图像添加蒙版，更改嘴唇的色号，如果你想修改其他的部位，它的方法是同理的，除此之外，我还会让图片显示出脸部的68个地表，请敬请期待吧！
《新学期，新Flag》乘风破浪
经常摆烂的大三学长，计算机专业，准备努力往上爬，一步一步的超越我前面的人，把他们狠狠的甩到后面。
【DL】第3章 使用词嵌入计算文本相似度
正如我们在上一步中看到的，与单词相关联的向量对单词的含义进行编码——彼此相似的单词具有彼此接近的向量。事实证明，词向量之间的差异也编码了词之间的差异，所以如果我们将“儿子”这个词的向量减去“女儿”这个词的向量，我们最终会得到一个差异，可以解释为“从男变女。此外，它可能是最著名的嵌入示例，而嵌入是深度
深度学习05——线性回归模型
传送门#写入数据集# 线性回归模型#计算损失函数（MSE均方误差）# 穷举法更新参数ww_list = [] #用于存放更新的参数wl_sum = 0 # 初始化，用于计算损失和l_sum += loss_val # 计算损失和print('MSE=', l_sum / 3) #求均方误差w_lis
基于Python实现染色算法的评估
【代码】基于Python实现染色算法的评估。
Python读取csv文件（super详细简单版）
咱就是说，今天秋分了，有点冷，有点困.....
Python有多难？可以自学吗？
开发环境使用最新版python3.10，从软件下载，IDE使用，让学生一步步了解Python，掌握Python基础语法，掌握代码编写的规范和技巧，Bug调试能力，用Python第三方库做出可视化图表。SQL贯穿整个IT人生，俗话说，SQL写的好，工作随便找。学习的时候一定不要自以为是，觉得那个重要那
【Python】绘图和可视化
制作信息可视化（有时称为绘图）是数据分析中最重要的任务之一。它可能是探索过程的一部分——例如，帮助识别异常值或所需的数据转换，或者作为产生模型想法的一种方式。对于其他人来说，为网络构建交互式可视化可能是最终目标。Python 有许多用于制作静态或动态可视化的附加库，但我将主要关注和基于它构建的库。m
【Python数据科学快速入门系列 | 08】类别比较图表应用总结
数据可视化是数据分析的重要手段，而不同的应用场景应选择不一样的图表。根据应用场景的不同，我们将图表分为6类：类别比较图表、数据关系图表、数据分布图表、时间序列图表、整体局部图表、地理空间图表。类别比较图表强调分类数据的规模对比数据关系图表强调2个或以上变量的相关性关系。例如机器学习、深度学习时分析特
《Python 计算机视觉编程》学习笔记（一）
计算机视觉是一门对图像中信息进行自动提取的学科。计算机视觉有时试图模拟人类视觉，有时使用数据和统计方法，而有时几何是解决问题的关键。
使用可视化工具和统计方法检测异常值
异常值（离群值）是指距离其他数据值太远的数据值。数据异常值可能是自然产生的，也可能是由于测量不准确、或系统故障造成的。与缺失值类似，异常值会破坏数据科学项目并返回错误的结果或预测。
基于Django+Vue开发的社区疫情管理系统（附源码）
基于Django、Django Rest framework、Vue的前后端分离的社区疫情管理系统。
和月薪3W的聊过后，才知道自己一直在打杂...
前几天和一个朋友聊面试，他说上个月同时拿到了腾讯和阿里的offer，最后选择了阿里。
Pandas数据分析：快速图表可视化各类操作详解+实例代码(三)
一般我们做数据挖掘或者是数据分析，再或者是大数据开发提取数据库里面的数据时候，难免只能拿着表格数据左看右看，内心总是希望能够根据自己所想立马生成一张数据可视化的图表来更直观的呈现数据。而当我们想要进行数据可视化的时候，往往需要调用很多的库与函数，还需要数据转换以及大量的代码处理编写。
Pandas数据分析：快速图表可视化各类操作详解+实例代码(二)
一般我们做数据挖掘或者是数据分析，再或者是大数据开发提取数据库里面的数据时候，难免只能拿着表格数据左看右看，内心总是希望能够根据自己所想立马生成一张数据可视化的图表来更直观的呈现数据。而当我们想要进行数据可视化的时候，往往需要调用很多的库与函数，还需要数据转换以及大量的代码处理编写。
PCA主成分分析算法专题【Python机器学习系列（十五）】
PCA主成分分析算法专题【Python机器学习系列（十五）】文章目录1. PCA简介1.2 python 实现 鸢尾花数据集PCA降维1.3 sklearn库实现 鸢尾花数据集PCA降维案例
