ygyqinghuan的博客

原创 读懂决策树算法

可能会依次考虑 “天气如何”“温度是否适宜”“湿度高不高”—— 这种层层判断的过程，正是决策树的工作逻辑。决策树由根节点（起始判断条件）、内部节点（中间判断条件）、叶节点（最终结果）和分支（判断结果）组成。案例：用 “是否出去玩” 数据集（如下），ID3 会计算 “天气”“温度” 等特征的信息增益，选择增益最大的特征作为根节点。公式：Gain(D,a)=H(D)−∑v=1V​∣D∣∣Dv​∣​H(Dv​)（Dv​为特征 a 取第 v 个值的子集）。信息增益：某特征划分后，信息熵的减少量（“纯度提升”）。

原创 决策树简单实战

决策树靠 “熵” 选特征，一步步把混乱数据分类。核心逻辑就是“找大当家和各个小当家”把复杂问题拆成简单判断！下期再见!

原创 KNN 算法：从电影分类到鸢尾花识别

这时候，KNN 算法就派上用场了 —— 它的核心逻辑是："物以类聚，人以群分"，新样本的类别由离它最近的 K 个 "邻居" 决定。比如在电影分类的例子中，若我们设 K=3，就找出与《Amped II》距离最近的 3 部已知电影。比如在网格状的街道上，从 (1,2) 到 (3,5) 的距离是 (3-1)+(5-2)=5。是爱情片还是动作片？算距离：计算新数据与已知数据集中每个样本的距离（比如打斗镜头和接吻镜头的 "差异"）；选邻居：挑选距离最近的 K 个样本（K 是我们自己设定的数，通常不超过 20）；

原创 机器学习绪论

针对一个特定任务（比如判断西瓜好坏、预测房价）；设定明确的评判标准（比如 "判断正确的比例"）；通过分析大量历史数据（经验），让任务完成得越来越好。

原创 电商商品销售数据分析

总评论数高的店铺通常销量也较高，但评论意愿（销量 / 评论数比值）与销量无直接关联，可能受商品类型（如美妆类商品用户更爱评论）或店铺引导（如评论返现活动）影响。多数店铺的非男士专用商品销量 / 销售额远高于男士商品，符合大众消费市场的普遍规律；除了店铺和商品类型维度，我们还分析了销售数据随时间的变化趋势。可能存在周期性规律（如周末销量高峰）或突发峰值（如大促期间），为库存管理和营销活动策划提供参考。清晰呈现了各店铺不同类型男士商品的销量差异，例如可快速识别哪些店铺的男士化妆品（代码中单独提取。

原创 基于 Python 的商品销售数据可视化分析

商品标题中包含了丰富的信息（如品类、适用人群等），但原始标题是连续的字符串，无法直接用于分析。在进行可视化分析前，我们需要先对原始数据进行预处理，将其转化为便于分析的格式。例如，“男士保湿面霜” 会被拆分为 ["男士", "保湿", "面霜", "保湿面霜"]，为后续的类别标注和人群定位提供了关键词基础。品牌是消费者选择商品的重要参考，我们从 “商品数量”“总销量”“总销售额” 和 “平均单价” 四个指标对比不同品牌的表现：python。1. 品牌表现分析：谁是市场 “优等生”？

原创 从数据爬取到可视化

例如豆瓣电影评分段占比：8.5-9 分的电影占 56.8%，直观反映 Top250 电影的评分集中趋势。在鸢尾花数据中，通过热力图发现花瓣长度与花瓣宽度的相关系数达 0.96，说明二者高度相关，为后续分类分析提供依据。箱线图：展示数据的四分位数、中位数，如鸢尾花萼片长度的分布，可快速识别不同品种的差异。小提琴图：结合箱线图与核密度估计，更全面呈现数据分布形态，如电影评分的整体分布密度。：定位小说名称、作者、月票数等字段，将数据结构化后保存，为后续分析打下基础。：如将电影评分的空值替换为 “暂无评分”，用。

原创 用 Seaborn 玩转数据可视化：从入门到惊艳的实用指南

箱子的中间线是中位数，箱子上下沿是四分位， outliers（异常值）会以点的形式标出 —— 数据分布的 “秘密” 全在图里。小提琴的 “宽度” 代表该位置数据的密度 —— 实验组的数值整体偏高，且在 18 附近最集中，这些信息比箱线图更丰富。散点图的点越集中在一条直线附近，说明变量相关性越强 —— 上面的例子显然是正相关。想同时看数据的分布形状和统计特征？想知道数据的分布特征（中位数、四分位、异常值）？箱线图是 “透视镜”。分析多个变量的相关性？跟踪数据随时间的变化？比较不同类别的数值？

原创 从零开始学 Matplotlib

想要图表更具可读性？Matplotlib 提供了丰富的参数用于自定义样式，让你的图表既美观又专业。

原创 Pandas 的进阶

Pandas 支持多种数据格式的读取，无需手动解析文件，极大提升了数据导入效率。、"n/a" 等），若不处理会影响分析结果。Pandas 提供了一套完整的缺失值处理方案。：用列的均值（mean）或中位数（median）填充，更符合数据分布。：需先定义哪些值被视为缺失（如 "n/a"、"na"），避免漏判。方法可判断每个单元格是否为缺失值，返回布尔值（：用指定数值（如 0、666）替换缺失值。导入数据后，我们通常需要快速查看内容，实际数据中常存在缺失值（如空值、示例：删除含任何缺失值的行。

原创 解锁 Pandas：数据处理

若为行设置了自定义索引（如学科名称），直接用标签查询。python运行。

原创 解锁NumPy：数据科学的基础工具

【代码】解锁NumPy：数据科学的基础工具。

原创 解锁NumPy：数据科学的基础工具

在数据科学领域，NumPy 的数组操作是高效处理数据的基础。本文基于相关 PPT 前 35 页内容，提炼数组操作的核心方法，助你快速掌握关键技巧。

原创 解锁NumPy：数据科学的基础工具

full()函数则更加灵活，允许我们用指定的值填充数组，比如np.full([3, 2], fill_value=1024, dtype='i4')，就能得到一个 3 行 2 列、元素都是 1024 的数组。如果需要全是 0 的数组，zeros()函数是最佳选择，它能创建指定大小、元素全为 0 的数组。同理，ones()函数创建的是全为 1 的数组。arange()函数可以生成一个指定范围和步长的数组，例如np.arange(1,11,2)，会得到[1, 3, 5, 7, 9]这样的结果。

原创 BeautifulSoup 数据解析

BeautifulSoup 是一个用于解析 HTML 和 XML 文档的 Python 库，它提供了简单的函数来处理导航、搜索和修改分析树等操作。其突出优势在于能自动处理编码问题，将输入文档转换为 Unicode 编码，输出为 utf-8 编码，省去了开发者处理编码的麻烦。由于它不属于 Python 标准库，需要单独安装，常用的安装命令有和。安装后，可通过在命令行中导入库并进行简单操作来测试是否安装成功，如，然后创建一个简单的 BeautifulSoup 对象并提取内容。

原创 pyMySQL

完成对数据库的操作后，需要使用cursor.close()、connect.close()来关闭游标以及数据库的链接，释放资源tto。创建数据库链接对象 数据库链接对象connect是Python和mysql数据库之间的桥梁和纽带，通过设置数据库的链接参数进行构造。获取到游标对象后，就可以使用cusor.execute(SQL语句)可以向连接的数据库中发送DDL、DML类型的SQL语句，如Insert into 、Update、Delete、select等。SQL语句的执行是构建在游标对象基础上。

原创 MySQL 数据库综合总结

围绕 Student、Course、Teacher、Score 四张表展开，涵盖了建表、插入数据及各类查询操作，全面练习了 MySQL 数据库的基本操作与查询技巧。首先对四张表进行建表操作，设置 id 为各表主键，其他字段非空且有默认值，并为表和字段添加备注。

原创 Mysql学习2

创建学生表（Student），含学生 ID（s_id，主键）、姓名（s_name）、生日（s_birth）、性别（s_sex，枚举类型，默认男）。课程表（Course）含课程 ID（c_id，主键）、课程名（c_name）、教师 ID（t_id）。成绩表（Score）含学生 ID（s_id）、课程 ID（c_id）、分数（s_score，默认 0），以 s_id 和 c_id 为联合主键。s_birth DATE NOT NULL DEFAULT '2000-01-01' COMMENT '学生生日',

原创 MySQL数据库学习

数据库概念 MySQL简介 MySQL安装与配置 SQL语言概述 MySQL中使用的SQL语言 MySQL中数据定义（CREATE, ALTER, DROP） MySQL数据类型与约束。CREATE: 创建新的数据库对象，如数据库、表、索引、视图。删除表：DROP TABLE 表名;AUTO_INCREMENT：用于自动生成唯一的数字，每个表只允许有一个，通常用于主键列。FOREIGN KEY（MySQL 8.0及以上版本支持）：用于在两个表之间建立关系，一个表的外键列必须是另一个表的主键或唯一键的值。

原创 静态网页爬取

Xpath 是 XML 路径语言，可遍历 XML/HTML 元素和属性，有常用规则、谓语、通配符等，结合 lxml 库的 etree 模块能解析网页。row.xpath("p[@class='update']/span/text()")[0] # 更新日期。row.xpath("p[@class='author']/a/text()")[0], # 作者。row.xpath("p[2]/text()")[0].strip(), # 摘要（去除空格）通过学习可以自己爬取，感兴趣的小伙伴可以借鉴哈。

原创 数据存储的学习

有时需要把几个变量写入txt文件中，这时分隔符就比较重要了。可以采用Tab进行分隔，用"\t".join()将变量连接成一个字符串。使用Pandas进行CSV文件输出，输入数据类型最好为字典类型。以下案例为字典类型输入输出为CSV文件。robot协议Web服务器默认接收人类访问 网络爬虫将会为Web服务器带来巨大的资源开销。数据存储主要包括:Robot协议，txt文件存储，csv文件存储。使用csv.reader()函数读取数据。

原创 JavaScript开发基础

变量用var定义，类型由赋值决定，可通过typeof运算符判断，数据类型有 number、string、object 等。函数定义有特定语法，流程控制包含顺序、选择（if-else if、switch）、循环（while、do-while、for）结构。它与 HTML、CSS 协同作用：HTML 构建页面骨架，CSS 装饰页面，JavaScript 实现动态效果。alert("欢迎来到我的页面，" + userName + "！console.log("5加3的结果是：" + result);

原创 HTML代码的学习

热点

原创 HTML的学习

基本语法方面，HTML 标签多为尖括号包围的关键字，分双标签（如）和单标签（如）。明确 HTML 的定义：超文本标记语言，非编程语言，“超文本” 体现在两方面，一是可嵌入图片、声音等多媒体内容，二是能通过链接跳转至其他文件或主机资源。水平线：标记，可通过 width（宽度），size（高度），color（颜色），align（对齐）等属性自定义样式。文字修饰：粗体，斜体，上下标，下划线，删除线等；标题标记：到，字体大小依次递减，可通过 align 属性设置左、中、右对齐。常用标记详细说明如下：​。

原创 网络爬虫之登录豆瓣

import requestsheaders={ "User-Agent": "Mozilla/5.0 (Windows NT 10.0; Win64; x64) " "AppleWebKit/537.36 (KHTML, like Gecko) " "Chrome/111.0.0.0 Safari/537.36 Edg/111.0.1661.41", "Cookie&

原创 爬虫之QQ表情包图片及手机号码归属地查询的爬取

原创 爬虫技术的学习

流程：通过HTTP协议请求网页，解析响应内容（HTML、CSS、JS）。requests.get()：发送GET请求，适合参数通过URL传递。requests.post()：发送POST请求，适合表单提交等场景。-r.status_code：状态码（如200表示成功）。功能：Python的HTTP库，简化请求发送和响应处理。分类：通用爬虫、聚焦爬虫、增量式爬虫、深层网络爬虫。r.text：响应内容（HTML文本）。静态网页爬取：如获取网页HTML、下载图片。r.headers：响应头信息。