比率检验总体比率指具有某种特征的个体所占有的比值。例如,学生中男生的比值,广告的点击率等。比率检验用于检测总体比率是否与预期的假设一致。比率检验可以分为如下两类:单总体比率检验双总体比率检验关于比率检验,说明如下 :比率检验的原假设为等值假设,备择假设为不等值假设(双边检验)样本比率服从二项分布。当满足一定条件时,二项分布近似于正态分布比率检验通过构造Z统计量来实现单总体比率检验前提条件:样本容量充分大(n>30)np≥5n(1-p)≥5案例:A公司计划提高广告转化率,于是,公司老板聘请高级设计师小马,来对广告页面进行优化,进而提高转化率。小马设计完毕后,信誓旦旦立下军令状,扬言将广告页面转化率提升到10%。一周之后,公司对小马的业绩进行考核,广告点击500次,转换用户45人。小马是否能算完成任务了呢?import numpy as np from scipy import stats p = 45 / 500 # 样本比率 pi_0 = 0.1 # 总体比率 n = 500 # 样本容量 Z = (p - pi_0) / np.sqrt(pi_0 * (1 - pi_0
方法论OSEMN(Obtain, Scrub, Explore, Model, iNterpret)是一种常用的数据分析方法论,包括数据获取、数据清洗、数据探索、建模和解释等步骤。OSEMN方法论强调了数据分析过程中数据质量和数据探索的重要性。数理统计数理统计分为如下两类:描述统计推断统计描述性统计分析描述性统计所提取统计的信息,称为统计量,主要包括以下几个方面:频数与频率集中趋势分析均值中位数众数分位数离散程度分析极差方差标准差分布形状偏度峰度频数与频率import numpy as np import pandas as pd import matplotlib.pyplot as plt import seaborn as sns from sklearn.datasets import load_iris import warnings ## 设置seaborn绘图样式与字体规模 sns.set(style="darkgrid", font_scale=1.2) plt.rcParams["font.family"] = "S
剪子剪布布包石头石头砸蜥蜴蜥蜴毒死斯波克斯波克踩碎剪子剪子斩首蜥蜴蜥蜴吃掉布论文(布,英语中与论文同词)证明斯波克不存在斯波克融化石头石头敲坏剪子剪子剪布选择石头布剪子蜥蜴史波克石头0-111-1布10-1-11剪子-1101-1蜥蜴-11-101史波克1-11-10class Participant: def __init__(self, name): self.name = name self.points = 0 self.choice = "" def choose(self): self.choice = input("{name}, select rock, paper, scissor, lizard or spock: ".format(name=self.name)) print("{name} selects {choice}".format(name=self.name, choice=self.choice
sliderkz一个在线免费音乐搜索下载工具,可以搜索下载全球的音乐资源,而且无需注册登陆即可试听播放和下载音乐,下载格式是mp3格式,能满足普通用户听歌的需求。网站地址sliderkz:https://slider.kz/
snake.pyfrom turtle import Turtle STARTING_POSITIONS = [(0, 0), (-20, 0), (-40, 0)] MOVE_DISTANCE = 20 UP = 90 DOWN = 270 LEFT = 180 RIGHT = 0 class Snake: def __init__(self): self.segments = [] self.create_snake() self.head = self.segments[0] def create_snake(self): for position in STARTING_POSITIONS: self.add_segment(position) def add_segment(self, position): new_segment = Turtle("square") new_segment.color(&q
AQI分析与预测背景信息AQI指的是空气质量指数,用来衡量一个城市的空气清洁或污染的程度,数值越小则空气质量越好。任务说明哪些城市的空气质量较好 / 较差?【描述性统计分析】空气质量在地理上的分布,是否存在着一定的规律?【描述性统计分析】沿海城市与内陆城市的空气质量是否存在不同?【推断统计分析】空气质量主要受到哪些因素的影响?【相关系数分析】全国空气质量的整体情况是怎样的?【区间估计】怎么来预测一个城市的空气质量?【线性回归】数据集描述现在获取了2015年的空气质量数据集,该数据集包含了全国主要城市的相关数据及空气质量指数,数据情况如下:列名含义City城市名AQI空气质量指数Precipitation降雨量GDP城市生产总值Temperature温度Longitude纬度Latitude经度Altitude海拔高度PopulationDensity人口密度Coastal是否沿海GreenCoverageRate绿化覆盖率Incineration(10000ton)焚烧量(10000吨)最好/最差的5个城市data = pd.read_csv("data.csv")
番茄工作法其实就是一种简单的时间管理方法。具体来说,首先需要明确一个工作任务,设定好番茄时间(一般是25分钟),在这个时间内专注工作,中途不允许做任何与该任务无关的事,直到番茄钟响起,然后在纸上画一个记号,记录下来,然后设定休息时间(一般是五分钟)。from tkinter import * import math ## ---------------------------- CONSTANTS -------------------------- # PINK = "#e2979c" RED = "#e7305b" GREEN = "#9bdeac" YELLOW = "#f7f5dd" FONT_NAME = "Courier" WORK_MIN = 25 SHORT_BREAK_MIN = 5 LONG_BREAK_MIN = 10 reps = 0 timer = None ## ---------------------------- TIMER RESET ------
Excel文件格式姓名部门基本工资提成邮箱刘备首领3000300666@qq.com张飞小兵1000100666@qq.com代码from openpyxl import load_workbook from email.mime.text import MIMEText from email.utils import formataddr from email.header import Header import smtplib ## Excel文件地址 wb = load_workbook('./000.xlsx') sh = wb.active ## 修改自己的SMTP服务器信息 server = smtplib.SMTP_SSL('smtp.qq.com', 465) server.login("666@qq.com", "K0000000iFm") title = '<tr>' for i, row in enumerate(sh.rows): if i == 0: for ceil in r
准备工作打开VS Code插件中心,安装Django插件(Roberth Solís),关闭VS Code。接着安装Django,这一步必不可少,不然无法创建项目。pip install django打开终端,进入某个目录(项目路径),执行命令创建项目:django-admin startproject 项目名称接着为Django项目创建一个虚拟环境cd 项目名称 python -m venv venv至此准备工作告一段落。配置问题打开VS Code,文件-打开文件夹-项目文件夹。同时按下Ctrl+Shift+P搜索找到Python: 解释器后点击,选择含有虚拟环境的Python解释器,选择后可以在左下角看到自己的运行环境,其中虚拟环境有(venv: venv)的标识。因为是虚拟环境,所以之前安装的第三方包都无法使用,需要在虚拟环境中重新安装,包括必备包django。打开VS Code终端,发现终端能用虚拟环境运行了。pip install django接着需要创建VS Code必备的launch.json,点击运行-添加配置-Python-Django。完成后点击运行-启动调试,运行
要从经过动态渲染的网页中爬取数据,需要使用Selenium库打开一个模拟浏览器访问网页,然后获取渲染后的网页源代码。实战中通常和Requests库结合使用,实现优势互补。如果用Requests库能获取到需要的网页源代码,那么优先使用Requests库进行爬取;如果用Requests库获取不到,再使用Selenium库进行爬取。Selenium安装谷歌浏览器首先查看谷歌浏览器的版本号。单击谷歌浏览器右上角的 ⋮ 按钮,在弹出的菜单中执行 帮助 -> 关于Google Chrome,在弹出的页面中查看所安装的谷歌浏览器的版本号。接着下载安装包:官方下载地址:https://chromedriver.chromium.org/downloads镜像下载地址:https://registry.npmmirror.com/binary.html?path=chromedriver找到与自己谷歌浏览器最接近的的版本,下载对应当前操作系统的安装包。注意:Chrome推送新版本更新要小心,因为一不小心点了升级,再运行之前写的程序,就会出现Chrome与chromedriver版本不一致的问题,导
PDF派几十个强大的PDF在线工具,无限次使用,永久免费,没有注册入口,人人都是VIP!PDF可以转Word、Excel、PPTX、图片、Pages、Numbers、Keynote、EPUB、JPG、PNG、TIFF、Mobi(以上格式也可转回PDF)其他好用的免费PDF工具:PDF解锁、拆分PDF、旋转PDF、压缩PDF、加密PDF、添加水印到PDF、PDF页码、提取图片、重新排列PDF、删除PDF页面、图片格式转换。免费的在线图片格式转换工具:PNG转JPG、HEIC转JPG、TIF PNG转、BMP转JPG、JPG转PNG、GIF转PNG。我愿称之为最强!打工人必备网站!网站地址PDF派:https://www.pdfpai.com/类似网站PDF24 Tools:https://tools.pdf24.org/zh/PDF2Go:https://www.pdf2go.com/zhDocFly:https://www.docfly.com/Nero PDF Tools:https://pdf.nero.com/飞扬PDF:https://www.viyoung.net/ONEPD
聚合书库一个在线免费电子书、小说在线阅读网站,聚合书库资源数据所有数据均来自互联网公开数据,想要看什么电子书、小说,直接搜索书名或者作者即可,给广大网友提供最好的小说阅读服务,全站小说电子书免费阅读并且无弹窗,网站界面干净无广告,书架自动追更,免注册,打造全网最全,方便追更及收藏书的工具。网站地址聚合书库:https://mianfei22.com/类似网站书葵网:https://www.shukui.net/24h搜书网:https://24hbook.com/书书读小说:https://www.shushudu.com/Yiove书源仓库:https://shuyuan.yiove.com/阅读3服务器版:https://read.ygxz.in/
文本函数LEFT/RIGHT:提取左/右侧N个字符MID:从指定位置开始提取特定数目的字符FIND:在一个文本值中查找另一个文本值(区分大小写)REPT:按给定次数重复文本TEXT:设置数字格式并将其转换为文本,例如:TEXT(1,REPT(0,3)) 结果为 001SUBSTITUTE:在文本字符串中用新文本替换旧文本查找和引用函数VLOOKUP:在数组第一列中查找,然后在行之间移动以返回单元格的值参考Excel 函数(按类别列出)
PyMySQL是一个纯Python实现的MySQL客户端库,支持兼容Python 3,用于代替MySQLdb。select查询数据import pymysql # 第一步:建立连接 conn = pymysql.connect( host="192.168.2.0", port=3306, user="test", passwd="", database="test", charset="utf8mb4", ) try: # 第二步:获取游标(字典型游标) with conn.cursor() as cursor: # 第三步:执行SQL,返回受影响行数 sql = "select * from aaa" rows = cursor.execute(sql) print("受影响行数:", rows)
import requests from bs4 import BeautifulSoup import json import os url = "https://book.douban.com/top250" header = {"User-Agent": "Mozilla/5.0 (Windows NT 10.0; Win64; x64) " "AppleWebKit/537.36 (KHTML, like Gecko) Chrome/80.0.3987.163 Safari/537.36"} def getHTML(num): r = requests.get(url, headers=header, params={"start": num}) return r.text ## 定义方法存储一个网页页面数据 def getListData(html): booklist = [] soup = BeautifulSoup(html, &qu
import matplotlib.pyplot as plt import numpy as np # 图片左右翻转 img_arr = plt.imread("1.jpg") img = img_arr[:, ::-1, :] # [行, 列, 颜色] plt.imshow(img) plt.show() # 图片上下翻转 img = img_arr[::-1, :, :] plt.imshow(img) plt.show() # 对颜色翻转:RGB=>BGR img = img_arr[:, :, ::-1] plt.imshow(img) plt.show() # 图片裁剪 img = img_arr[20:100, 20:100, :] plt.imshow(img) plt.show() # axis=1横向拼图,axis=0纵向拼图 img = np.concatenate((img_arr, img_arr, img_arr), axis=1) plt.imshow(img) plt.show()
Excel导入数据到MySQLimport pymysql import openpyxl wb = openpyxl.load_workbook('员工表.xlsx') ws = wb.active params = [] for row_idx in range(2, ws.max_row + 1): values = [] for col_idx in range(1, ws.max_column): values.append(ws.cell(row_idx, col_idx).value) params.append(values) conn = pymysql.connect(host='', port=3306, user='', passwd='', database='', charset='utf8mb4') try: with conn.cursor() as cursor: # 批量插入操作
bisect内置模块,用于维护已排序序列。Bisect是二分法的意思,这里使用二分法来排序,它会将一个元素插入到一个有序列表的合适位置,这使得不需要每次调用sort的方式维护有序列表。在一些情况下,这比反复排序列表或构造一个大的列表再排序的效率更高。以排序顺序插入import bisect lst = [] bisect.insort(lst, 2) bisect.insort(lst, 5) bisect.insort(lst, 3) bisect.insort(lst, 6) bisect.insort(lst, 3) print(lst) # [2, 3, 3, 5, 6]insort()用于按排序顺序将项目插入列表。处理重复bisect模块提供了两种处理重复的方法:可以将新值插入现有值的左侧,也可以插入右侧。insort()函数实际上是insort_right()的别名,它在现有值之后插入一个项目。相应的函数insort_left(),在现有值之前插入。
import pandas as pd import matplotlib.pyplot as plt import seaborn as sns from sklearn.datasets import load_iris from sklearn.model_selection import train_test_split from sklearn.linear_model import LogisticRegression from sklearn import metrics data = load_iris() iris_target = data.target iris_features = pd.DataFrame(data=data.data, columns=data.feature_names) ## 选择类别为0和1的样本 iris_features_part = iris_features.iloc[:100] iris_target_part = iris_target[:100] ## 将数据集划分为训练集与测试集 x_train, x_test,
已失效!😂就是加速一款油猴脚本,也有提供网页版,完美支持百度网盘文件无限速批量下载,一键批量解析文件,免费无限制白嫖使用,更多功能正在缓慢开发中。脚本仅供学习研究使用,原理是使用公开的中转账号接口进行中转。下载地址就是加速:https://greasyfork.org/zh-CN/scripts/463707网页版:https://api.94speed.com/web/Motrix:https://motrix.app/zh-CN/download
menu.pyclass MenuItem: """Models each Menu Item.""" def __init__(self, name, water, milk, coffee, cost): self.name = name self.cost = cost self.ingredients = { "water": water, "milk": milk, "coffee": coffee } class Menu: """Models the Menu with drinks.""" def __init__(self): self.menu = [ MenuItem(name=&
三毛
头发渐少,仅剩三根