编程点滴

Numpy其实是最早的处理数据的Python库，它的核心ndarray对象，是一个高效的n维数组结构。 通过这个库，可以高效的完成向量和矩阵运算，由于其出色的性能，很多其他的数据分析，科学计算或者机器

在数据分析相关的工作中，Pandas无疑是一个强大的工具，它的易用性和灵活性广受青睐。然而，随着数据量的不断增长和计算需求的日益复杂，Pandas代码的性能问题也逐渐浮出水面。如何让Pandas代码运

dataclass是从Python3.7版本开始，作为标准库中的模块被引入。随着Python版本的不断更新，dataclass也逐步发展和完善，为Python开发者提供了更加便捷的数据类创建和管理方式

我们在使用pandas处理完数据之后，最终总是要把数据作为一个文件保存下来，那么，保存数据最常用的文件是什么呢？我想大部分人一定会选择csv或者excel。 刚接触数据分析时，我也是这么选择的，不过，

Pandas无疑是我们数据分析时一个不可或缺的工具，它以其强大的数据处理能力、灵活的数据结构以及易于上手的API赢得了广大数据分析师和机器学习工程师的喜爱。 然而，随着数据量的不断增长，如何高效、合理

pandas的DataFrame可以通过设置参数使得在jupyter notebook中显示的更加美观，但是，将DataFrame的数据导出excel时，却只能以默认最朴素的方式将数据写入excel。

F-String（格式化字符串字面值）是在Python 3.6中引入的，它是一种非常强大且灵活的字符串格式化方法。 它允许你在字符串中嵌入表达式，这些表达式在运行时会被求值并转换为字符串，这种特性使得

pathlib 模块是在Python3.4版本中首次被引入到标准库中的，作为一个可选模块。从Python3.6开始，内置的 open 函数以及 os 、 shutil 和 os.path 模块中的各种

gRPC是一个高性能、开源、通用的远程过程调用（RPC）框架，由Google推出。它基于HTTP/2协议标准设计开发，默认采用Protocol Buffers数据序列化协议，支持多种开发语言。 在gR

pandas的DataFrame功能强大自不必说，它可以帮助我们极大的提高统计分析的效率。 不过，使用DataFrame开发我们的分析程序的时候，经常需要打印出DataFrame的内容，以验证和调试数

作为一个开发人员，无论是平时自己做一些小软件，还是在一个小团队中工作，难免会遇到需要自己设计UI的时候，因为专业的设计师总是太忙而不能及时的提供帮助。 这么多年下来，一边从自己惨不忍睹的设计中吸取教训

前段时间，介绍过Python的Fire库，一个用来生成命令行工具的的库。请参考：Python Fire：自动生成命令行接口 今天，针对命令行参数，补充两种更加灵活的设置方式。 1. *args 型参数

使用 pandas 进行数据分析时，第一步就是读取文件。在平时学习和练习的过程中，用到的数据量不会太大，所以读取文件的步骤往往会被我们忽视。 然而，在实际场景中，面对十万，百万级别的数据量是家常便饭，

1. 箱图简介 箱型图是一种用作显示一组数据分布情况的统计图，因型状如箱子而得名。1977年由美国著名统计学家约翰·图基（John Tukey）发明。它能显示出一组数据的最大值、最小值、中位数及上下四

贝叶斯公式由英国数学家贝叶斯发展而来，在统计学和概率论中有着广泛的应用。与传统的先验概率不同，它提出的后验概率方式，会根据不断出现的新证据来更新概率估计，从而使得估计的准确性能够不断改善。 本文尝试通

ChatGPT是近期最火的概念了，和之前的AlphaGo不同，GPT让AI和普通大众如此接近，让大家可以亲自接触到AI带来的全新体验。 不过，AI并不是魔法，ChatGPT也不是革命性的新技术。目前我

搜索引擎对互联网的重要性不言而喻，不过，随着ChatGPT及其类似AI工具的推出，对搜索引擎带来了前所未有的挑战。 因为ChatGPT具有自然语言处理能力，能够更好地理解用户的搜索意图，提供更准确、更

机器学习作为人工智能的一种最重要的实现方式，其历史可以追溯到20世纪50年代。只不过，早期受制于计算机的算力，基本没有什么能够落地的实际应用，更多的是各类算法的研究和发展。 之后，随着硬件的飞速发展，

不论是做统计分析，还是做机器学习相关的项目时，常常在最后通过绘制一些图表来表达自己得出的结论。 然而，绘图的意义远不止此。因为，即使不同的原始样本的分布情况差别很大，它们的基本统计特性也能几乎一致。这

K线图，又称蜡烛图或阴阳图，是金融市场中常用的一种技术分析工具，主要用于显示一段时间内证券、外汇、期货等资产价格的变动情况。K线图起源于18世纪的日本大米市场，后来逐渐在全球金融市场得到广泛应用。 K