1. 调试宏以及测试 在写代码时，不可避免需要打印提示、警告、错误等信息，且要灵活控制打印信息的级别。另外，还有可能需要使用宏来控制代码段（主要是调试代码段）是否执行。为此，本文提供一种调试宏定义方案，包括打印字符串信息LOG1宏和格式化打印LOG2宏，且能通过宏控制代码段执行。完整代码如下： #i
时间序列数据是数据分析中经常遇到的类型，为了更多的挖掘出数据内部的信息，我们常常依据原始数据中的时间周期，将其转换成不同跨度的周期，然后再看数据是否会在新的周期上产生新的特性。 下面以模拟的K线数据为例，演示如何使用pandas来进行周期转换。 1. 创建测试数据 首先创建测试数据，下面创建一天的K
theme: smartblue 最近在做交易数据的统计分析时，多次用到数据行之间的一些操作，对于其中的细节，简单做了个笔记。 1. shfit函数 shift函数在策略回测代码中经常出现，计算交易信号，持仓信号以及资金曲线时都有涉及。这个函数的主要作用是将某列的值上下移动。默认情况下，shift函
AI神秘且有趣，我们一个经典的游戏flappy bird集成AI，实现自训练成长的聪明的笨鸟。先上效果： 初始化的笨鸟拥有分身，每个分身都有自我学习功能，根据自己的移动轨迹和得分情况进行汇总，进行新一代的笨鸟的迭代，基本经过数十轮的训练和迭代，能完成高智慧的笨鸟，自我闯关能力强。 需要了解的AI知识
简介 在官网上对 OpenResty 是这样介绍的（http://openresty.org）： “OpenResty 是一个基于 Nginx 与 Lua 的高性能 Web 平台，其内部集成了大量精良的 Lua 库、第三方模块以及大多数的依赖项。用于方便地搭建能够处理超高并发、扩展性极高的动态 We
以及双阶乘、中心二项式系数、Catalan 数的渐进估计和 Poisson 分布．
Walrus 社区用户问题现已修复及优化。
Walrus 将继续借力A和开源，为用户打造更优质的开发体验。
文章目录 1.模块介绍 2.模块加载机制 3.依赖注入 4.AutoMapper-- 待定 5.本地化--待定 6.模型验证--待定 7.异常处理--待定 8.缓存 9.动态代理和拦截 10.分布式锁 11.领域驱动设计 Abp vNext Pro Abp Vnext Pro Github地址 的
日期处理相关内容之前`pandas基础`系列中有一篇专门介绍过，本篇补充两个常用的技巧。 # 1. 多列合并为日期 当收集来的数据中，年月日等信息分散在多个列时，往往需要先合并成日期类型，然后才能做分析处理。合并多列转换为日期类型，可以直接用 `to_datetime`函数来处理： ```pytho
所谓**数据转置**，就是是将原始数据表格沿着对角线翻折，使原来的行变成新的列，原来的列变成新的行，从而更方便地进行数据分析和处理。 `pandas`中`DataFrame`的转置非常简单，每个`DataFrame`对象都有一个`T`属性，通过这个属性就能得到转置之后的`DataFrame`。下面介
这次介绍的小技巧不是统计，而是把统计结果作为**新列**和原来的数据放在一起。`pandas`的各种统计功能之前已经介绍了不少，但是每次都是统计结果归统计结果，原始数据归原始数据，没有把它们合并在一个数据集中来观察。 下面通过两个场景示例来演示如果把统计值作为新列的数据。 # 1. 成绩统计的场景
`category`类型在**pandas基础**系列中有一篇介绍数据类型的文章中已经介绍过。`category`类型并不是`python`中的类型，是`pandas`特有的类型。 `category`类型的优势那篇文章已经介绍过，当时只是介绍了如何将某个列的数据转换成`category`类型，以及
我们在`jupyter notebook`中使用`pandas`显示`DataFrame`的数据时，由于屏幕大小，或者数据量大小的原因，常常会觉得显示出来的表格不是特别符合预期。 这时，就需要调整`pandas`显示`DataFrame`的方式。`pandas`为我们提供了很多调整显示方式的参数，具
上一篇介绍了`DataFrame`的显示参数，主要是对`DataFrame`中值进行调整。 本篇介绍`DataFrame`的显示样式的调整，显示样式主要是对表格本身的调整，比如颜色，通过颜色可以突出显示重要的值，观察数据时可以更加高效的获取主要信息。 下面介绍一些针对单个数据和批量数据的样式调整方式
最近github上发现了一个库（`plottable`），可以用简单的方式就设置出花哨的 `DataFrame` 样式。 github上的地址：[https://github.com/znstrider/plottable](https://github.com/znstrider/plottabl
`pandas`小技巧系列是介绍的是使用`pandas`分析数据时，最常用的一些操作技巧。 具体包括： 1. [创建测试数据](https://www.cnblogs.com/wang_yb/p/17552748.html) 学习pandas的过程中，为了尝试pandas提供的各类功能强大的函数，常
Matplotlib 库是一个用于数据可视化和绘图的 Python 库。它提供了大量的函数和类，可以帮助用户轻松地创建各种类型的图表，包括直方图、箱形图、散点图、饼图、条形图和密度图等。 使用 Matplotlib 的过程中，遇到的难点并不在于绘制各类的图形，因为每种图形都有其对应的API。难点在于
使用Matplotlib对分析结果可视化时，比较各类分析结果是常见的场景。在这类场景之下，将多个分析结果绘制在一张图上，可以帮助用户方便地组合和分析多个数据集，提高数据可视化的效率和准确性。 本篇介绍Matplotlib绘制子图的常用方式和技巧。 1. 添加子图的方式 添加子图主要有两种方式，一种是
Matplotlib的坐标轴是用于在绘图中表示数据的位置的工具。 坐标轴是图像中的水平和垂直线，它们通常表示为 x 轴和 y 轴。坐标轴的作用是帮助观察者了解图像中数据的位置和大小，通常标有数字或标签，以指示特定的值在图像中的位置。 1. 坐标轴范围 Matplotlib绘制图形时，会自动根据X，Y
