数据分析与可视化 实践基础练习三（NumPy）
数据分析与可视化 实践基础练习三 （NumPy）一、实训要求实训：葡萄酒品质数据NumPy基础分析
本次案例使用葡萄酒品质数据，该数据集包含1599种红葡萄酒的各种信息，如酒的固定酸度、挥发性酸度和pH值等测量值，也包括一个酒的品质得分，该得分是至少三类口味测试者给该款酒打分的平均值。该数据来源于公开数据库UCI，更多详细信息可以查看 https://archive.ics.uci.edu/ml/datasets/Wine+Quality 。
数据集下载，DataSet。
数据说明：
二、练习题目请完成以下操作：
1、提取第一种葡萄酒的所有数据；
2、将葡萄酒数据降为一维数据；
3、将降维后的数组重新恢复成以前的形状；
4、我们计划引入一种新的葡萄酒品质打分方法，同时保留原来的品质得分，所以需要添加一列新值在原始数组后，初始值全为0；
5、我们认为葡萄酒数据中的品质得分普遍偏低，打算将所有葡萄酒的品质得分加10；
6、我们想要选择最大化酒精含量和品质的葡萄酒（我们想喝醉，但我们想喝好酒），需要计算各葡萄酒酒精度数乘以品质得分的值;
7、计算品质得分数据的标准差;
8、哪些葡萄酒的 ...
AcWing-周赛 第96场题解
AcWing-周赛 第96场题解T1: AcWing 4876. 完美数题目如果一个正整数能够被 2520 整除，则称该数为完美数。给定一个正整数 n，请你计算 [1,n] 范围内有多少个完美数。
输入格式一个整数 n。
输出格式一个整数，表示 [1,n] 范围内完美数的个数。
数据范围前 3个测试点满足 1≤n≤3000。所有测试点满足 1≤n≤1e18。
输入样例13000
输出样例11
题解1234567891011#include <iostream>using namespace std;int main(){ long long n; // 会爆int(2.1 x 10 ^9) cin >> n; // 完美数的个数k,应要满足 k * 2520 <= n, 即 k <= (n / 2520) 下取整即可 cout << n / 2520 << endl; return 0;}
T2: AcWing 4877. 最大价值题目有一个容量为 n 的背包和 m ...
AcWing-周赛 第95场题解
AcWing-周赛 第95场题解T1:AcWing 4873. 简单计算给定四个整数 x1,y1,x2,y2，请你计算 max(|x1−x2|,|y1−y2|)。
输入格式第一行包含两个整数 x1,y1。
第二行包含两个整数 x2,y2。
输出格式一个整数，表示 max(|x1−x2|,|y1−y2|)的值。
数据范围前 44 个测试点满足 −10≤x1,y1,x2,y2≤10。所有测试点满足 −10e9≤x1,y1,x2,y2≤10e9。
输入样例1120 04 5
输出样例115
输入样例2：123 46 1
输出样例213
题解12345678910#include <iostream>using namespace std;int main(){ int x1,x2,y1,y2; cin >> x1 >> y1 >> x2 >> y2; cout << max(abs(x1 - x2), abs(y1 - y2)); return 0;}
T2:Ac ...
计算机视觉 上机实践一 图像的基本操作
计算机视觉 上机实践一 图像的基本操作一、实验目的通过本次实验，掌握图像的读取、显示、保存、绘制等基本操作；
熟悉图像的灰度直方图原理，并对图像进行灰度变换和颜色空间变换；
能绘制自定义图像。
二、实验环境
硬件环境：一台笔电
软件环境：Windows10环境、Jupyter Notebook软件;
三、实验内容及代码实现1. 读取、显示、保存图像源文件lena.png:
12345678910111213141516171819# 1.读取、显示、保存Lena图像；(使用matplotlib库)import numpy as npimport matplotlib.pyplot as pltimport matplotlib.image as mpimg # mipimg读取图片lena = mpimg.imread('lean.png') plt.imshow(lena) # plt.imshow()函数负责对图像进行处理，并显示其格式plt.axis('off') # 不显示坐标轴plt.title('Lena.png& ...
在Anaconda3中安装OpenCV库报错问题解决（使用命令行安装 Pip Install Opencv-Python -I）
在Anaconda3中安装OpenCV库问题解决（使用命令行安装 pip install opencv-python -i ）
一、问题描述我最近因做计算机视觉课程的上机实验，需要对图像做一些处理，具体实验要求中会用到cv2库，需要我们提前安装，配置好自己的电脑环境。我就按着常规的方式从Anaconda3软件中的环境配置选项里下载对应的库文件。虽说opencv库已经安装好了，但在Jupyter Notebook中执行python程序时，导入 cv2 库时会发生报错现象，这说明我的opencv库并没有正确安装成功。网上冲浪一番，才知道opencv库安装这个问题确实很让人苦恼，我尝试了一些教程但还是以失败告终。
也上了B站，翻看一些课程教学OpenCV计算机视觉实战的安装步骤，还是不太行。。。
二、解决方案接着又听了同学建议，让我试试这篇文章的教程，Anaconda安装OpenCV，但还是出了一堆问题。
大致步骤如下，你可能会用上哈。
1234561. 打开Anaconda Prompt命令行工具2. 输入 d: 回车3. 接着进入到你的Anaconda安装目录下的Script ...
数据分析与可视化 实践基础练习二（NumPy）
数据分析与可视化 实践基础练习二（NumPy）
一、Numpy相关函数或属性
数组的索引和切片
数组的运算
1.Numpy的一元函数
2.Numpy的二元函数
数组的读/写
1.np.savetxt() 和np.loadtxt()np.savetxt() np.loadtxt()只能有效存取一维和二维数组
(1). np.savetxt()
(2). np.loadtxt()
2.tofile() 和 np.fromfile()任意维度的存取, 该方法需要读取时知道存入文件时数组的维度和元素类型
(1). tofile()
(2). np.fromfile()
3.np.save()、np.savez() 和np.load()numpy的便捷文件存取
(1). np.save() 和 np.load()
(2). np.savez()
1np.savez(file, *args, **kwds)
以未压缩的.npz 格式将多个数组保存到一个文件中。
提供数组作为关键字参数，以将它们存储在 ...
数据分析与可视化 实践基础练习一（NumPy）
数据分析与可视化 实践基础练习一（NumPy）
一、Numpy相关函数或属性123456789101112131415161718192021222324252627282930313233343536371. np.array() # 可用于创建n维数组 2. np.arange(n) # 创建递增数组，也可指定起始和终止元素的范围（默认0到n-1） 3. np.ones(shape) # 创建全1数组，可自定义数组的尺寸（形状）4. np.zeros(shape) # 创建全0数组，可自定义尺寸 5. np.full(shape，val) # 创建多维尺寸数组，val值可指定元素值 6. np.eye(n) # 创建一个n阶的单位方阵，对角线上全为1，其余为0 7. np.diag(n) # 以一维数组的返回方阵的对角线上元素 # 对于一维数组会返回方阵（对角线上为一维元素值，其余元素为0） 8. np.linspace() # 创建等差一维数组 # 返回介于某个区间等间距分布的数，最后1个参数表示输出元素的总个数 9. ...
Linux基础 第二讲 Tmux 和 Vim
第二讲 tmux 和 vim1. tmux教程
功能：
(1) 分屏。
(2) 允许断开Terminal连接后，继续运行进程。
结构：
一个tmux可以包含多个session（会话），
一个session可以包含多个window（窗口），
一个window可以包含多个pane（小窗口，进行shell交互）。
实例：
tmux:
session 0:
window 0:
pane 0
pane 1
pane 2
...
window 1
window 2
...
session 1
session 2
...
操作：
(1) `tmux`：新建一个session，其中包含一个window，window中包含一个pane，pane里打开了一个shell对话框。
...
Linux基础 第一讲 常用文件管理命令
第一讲 常用文件管理命令PS：（Linux学习基础：需具备一定的算法基础） 各种命令学习注重实用主义，应用为主 各种命令的用法学习不能求全，不会的现查即可，边学先查。
0. 课程概论1) 课程概论（1）目标：锻炼动手能力，学完之后可以做出什么项目
后端服务端开发必备技能。
（2）什么是Linux ? Ubuntu、CentOS ?
Linux-百度百科
Ubuntu 和 Centos 都是基于Linux的操作系统(Linux的不同发行版本)，它们的编译方式有所不同。
（3）未来工作方式，Terminal, 命令行交互方式入云（数字化）
Terminal：终端就是连接内核与交互界面的这座桥，并且使用命令行的交互方式。
2) 文件系统（1）文件系统结构
在 Linux 或 Unix 操作系统中，所有的文件和目录都被组织成以一个根节点/ 开始的倒置的树状结构。
tree: 该命令可以用树状图列出目录的内容。
（2）路径
绝对路径、相对路径、根目录
a. 绝对路径：从/ 开始描述
b. 相对路径: （可使用pwd命令）输出当前所在的路径
c. 根目 ...
Gitee + Hexo 博客推送部署失败问题解决(排除文档中的不合规内容)
Gitee + Hexo 博客推送部署失败问题解决(排除文档中的不合规内容)一、问题说明大概是在22年12月的时候，我用git服务提交本地代码到Gitee仓库后，再启用Gitee Pages服务开始部署推送新文章时出现了下面的提示界面，导致博客部署错误。
Gitee Pages服务提示的错误为：index.html页面可能包含违禁违归内容
想来就觉得纳闷，自己写的内容也不至于直接违规了吧，我的内容大多数是知识笔记的记录而已。
二、排查问题接着按照说明，我到指定的html页面中查找问题，发现好像是某篇数据库MySQL案例中的题干涉及到了ZZ问题，我感觉就这块内容确实不太好说，言多必失。
学习案例里用的数据库是Google的一个老sql数据库文件，涵盖了全世界的国家、国家语言和城市的相关信息。题干中就出现了有数据库更新操作要求，图我就不贴了。总之咱的ZZ方向不能错哈。
我仔细校对原博客文章，修改了一些关键词后，再次推送文章后，但问题依旧。我也上网查了相关的案例，但还是没有找到好的解决方法。
嗯索性就简单粗暴点，我把这篇问题文章给移除了，不让它推送出来，果真问题得到解决了。
这样就 ...
