图片来自 Miguel Á. Padriñán 的 Pexels GPT-3 是由 Open AI 在去年末发布的一种语言机器学习模型。它因能够撰写文章、歌曲、诗歌甚至代码而受到广泛的媒体关注！该工具可免费使用，只需提供电子邮件即可注册。 GPT-3 是一种称为 Transformer 的机器学习模型。具体而言，它是 Generative Pre-training Transformer 的扩展，因此被称

Python长期以来一直是最受欢迎的编程语言之一。它有许多著名且常用的库，例如NumPy、Pandas和Matplotlib。但是，有几个Python库并不是很出名，但可以对一个人的编程职业生涯产生重大影响。在本文中，将探讨和使用2023年的10个这样的库。 PyGWalker: PyGWalker通过将pandas数据帧（和极地数据帧）转换为Tableau样式的用户界面，简化了Jup

机器学习 | Python | 数据科学 图片来自 Unsplash，摄影师 Alina Grubnyak 任何数据科学家或机器学习专业人员最关键的技能之一，就是从给定的数据集中提取更深入、更有意义的特征。这个概念，更常被称为特征工程，可能是在建模机器学习算法时掌握的最强大的技术之一。 从数据中学习需要很多工程。尽管现代高级工具（如sklearn）已经将

图片来自Midjourney 比Pandas更快的DataFrame库现在来了，它的名字叫做Polars！ Polars是一个使用Rust编写并使用Arrow作为基础的库。这个库在处理大型数据集时比Pandas更快。 虽然Polar是用Rust编写的，但你不需要了解Rust就能使用它，因为有一个Python包可以帮助你入门。实际上，如果你已经了解了Pandas，学习Polars应该会很容易。

Mojo🔥是什么？Mojo编程语言简介 Mojo编程语言的目标非常雄心壮志。它旨在实现与Python生态系统的完全兼容，确保Python用户可以无缝过渡。同时，它还优先考虑可预测的低级性能，使开发人员可以获得精细的控制。此外，Mojo还旨在实现将特定代码子集部署到加速器的功能。 Mojo的开发者决心避免创建分散的软件生态系统，并希望避免Python

摘要 本文将展示如何使用Python和自然语言处理构建知识图谱。 网络图是一种数学结构，用于展示可以用无向/有向图结构可视化的点之间的关系。它是一种将链接节点映射的数据库。 知识库是来自不同来源（如维基百科）的信息的统一存储库。 知识图是使用图形结构数据模型的知识库。简单来说，它是一种特定类型的网络图，显示现实世界实体、

探索 PyCaret 3.0 的最新增强和功能 由 Moez Ali 使用 Midjourney 生成 本文内容： 简介 稳定的时间序列预测模块 新的面向对象 API 更多实验记录选项 重构的预处理模块 兼容最新的 sklearn 版本 分布式并行模型训练 加速 CPU 上的模型训练 不再支持的 NLP 和 Arules 模块 更多信息 贡献者 简介 PyCaret 是一个开源的、低代码

改进随机森林的第二部分 我们已经构建了一个随机森林模型来解决我们的机器学习问题（也许是通过遵循这个端到端指南），但我们对结果并不太满意。我们有哪些选择？正如我们在这个系列的第一部分中看到的那样，我们的第一步应该是收集更多数据并进行特征工程。收集更多数据和进行特征工程通常在时间投入与性能改善之间具有最大的回报

你决定开始一项在线业务，但你不确定应该学习哪种编程语言。是应该选择流行的Python还是可靠的Java？ 让我们深入细节，帮助你为你的在线业务做出最佳决策。 1. 语法之争 让我们真实一点，编程语言可能有点令人生畏，但不要害怕，我们在这里帮助你。Python以其可读性和简单性而闻名，是初学者的不错选择。 另一方面，Java具有更复杂的语

Python是一种高级编程语言，广泛应用于数据科学、网络开发、人工智能等领域。本文将介绍如何在Mac电脑上安装Python 2，帮助初学者快速入门。 一、下载Python 2安装包 在Python官网上下载Python 2的安装包，网址为https://www.python.org/downloads/release/python-2718/ 。下载完成后，双击安装包，进入安装向导。 二、安装Python 2 1.选

我拥有物理学硕士学位，并在航空航天工程研究领域工作。 物理学和工程学是两门不同的科学，它们共同追求理解自然和对其进行建模的能力。 物理学家的方法更加理论化。物理学家观察世界，并试图以最准确的方式对其进行建模。物理学家建模的现实是不完美的，有近似值，但一旦我们考虑到这些不完美，现实变得整洁、完美和优美。 工程师的方

动机 Pivoting和Grouping操作是每个典型的表格数据分析过程中的基本操作。pivot_table()和groupby()方法是Pandas中最常用的方法之一。 Grouping主要用于理解分类数据，它可以让你计算数据中各个组的统计信息。 Grouping的表示（图片来自作者） 另一方面，Pivot tables允许你对数据进行交叉制表分析。 Pivot Table的表示（图片来自作

学习编程不仅仅是为了找工作。 如果你是一名程序员，你可以为自己编写软件，让生活更轻松。 如果你恰好是一名 Python 开发者，恭喜你，构建自己的工具库将更简单、更快乐。 Python 是进行日常自动化工作以提高生产力和让生活更轻松的最佳选择。有很多现有的 Python 包等着你使用。你需要做的就是根据个人需求组装和定制它们。 本文将为

Jupyter Notebooks以其简单、流畅、适合初学者、时尚的设计，几乎是今天任何面向Python的任务所必需的。回想起来，没有交互式Python（IPython）工具像Jupyter那样，我甚至无法想象我的生活会是什么样子。 Jupyter（作者创建的图像） 实际上，IPython最显著的优点是通过在内存中保留对象，只要内核处于活动状态，就可以减少重新运行脚本的摩

虽然FastAPI是一个有着出色文档的伟大框架，但对于初学者来说，如何构建大型项目并不是那么明显。 在过去的1.5年中，我们做出了好的和坏的决定，这些决定对我们的开发人员体验产生了巨大的影响。其中一些值得分享。 目录 项目结构。一致且可预测 过度使用Pydantic进行数据验证 使用依赖项进行数据验证而不是DB 解耦和重用依赖项。依

Photo by Towfiqu barbhuiya on Unsplash 数据分析是数据从业者必备的活动，需要用来了解我们正在处理的内容。为了帮助数据分析过程，我们使用Python语言进行更轻松的工作流程。但是，有时我们需要更交互式的方式来探索数据。一些人开发了Python包以交互方式探索数据以满足需求。 本文将探讨三个Python包，可用于交互式探索数据集。

除非另有说明，否则所有图片均由作者提供。 你知道创造 3Blue1Brown 的《线性代数精华》系列视频用了多少行代码吗？ 这个系列有 16 个视频，频道上总共有 100 多个视频，这些数字足以说明数学界对 Grant Sanderson 的贡献有多大。 虽然这个频道似乎专注于数学，但它实际上是他为了练习编程技能而创建的图形库的副产品。他称之为 Mani

作者提供的Goofy图片 足球迷有个让人讨厌的习惯。每当一位年轻但显然非凡的球员崭露头角时，他们就会将他与像梅西或罗纳尔多这样的传奇人物相比较。他们选择忘记这些传奇人物在新手长出牙齿之前就已经统治了比赛。从某种意义上讲，将Plotly与Matplotlib进行比较，在一开始也是类似的。 Matplotlib自2003年以来一直被广泛使用，而Pl

缺失数据是指在数据集中对于感兴趣的变量没有存储数据。根据其数量，缺失数据可能会影响任何数据分析的结果或机器学习模型的稳健性。 在使用Python处理缺失数据时，可以使用Pandas中的dropna()函数。我们可以使用它来删除包含空值的行和列。它还具有几个参数，例如axis用于定义是删除行还是列，how用于确定是否在任何行/列中发生缺

图片来自Frank Andrade的Shutterstock授权 Python因其速度较慢而闻名。虽然Python比其他语言慢是事实，但是有一些方法可以加速我们的Python代码。 如何加速？简单，优化你的代码。 如果我们编写的代码占用的内存和存储空间很少，不仅可以完成任务，还可以使Python代码运行更快。 下面是我在我参加的Python课程中学到的一个快速和超

无论是为面试做准备还是与代码片段玩耍，有时候即使像 Python 这样透明和良好结构化的语言也会带来真正的挑战。 尽管普遍了解 Python 之禅，如可迭代解包赋值或 += 和 + 操作符之间的差异等独特情况似乎对于经验丰富的工程师来说也是反直觉且令人困惑的。在这里，我汇编了 10 个最佳示例，展示了 Python 解释器的行为如何让你质疑

来自 Pixabay 的 Kohji Asakawa 的图片 在我的上一篇文章中，我介绍了 Python 3.10 中的所有主要新功能，该版本刚刚发布了两周。其中最重要的功能之一是 Match-Case 语法。 仍然有人认为 Python 不需要“switch-case”语法。甚至 Guido 自己也不支持在 Python 中添加此语法。但是，为什么它仍然发布在这个新版本中呢？在我看来，原因

在机器学习的背景下，将建模数据集拆分为训练集和测试集可能是我们需要进行的最早的预处理步骤之一。创建不同的训练集和测试集有助于我们评估模型性能。 在本文中，我们将讨论在建模和模型训练的背景下训练和测试样本的目的。此外，我们将探讨三种使用Python和pandas创建这些样本的简单方法。具体而言，我们将展示如何创建训练集和

Photo by Siora Photography on Unsplash 在机器学习的背景下，将我们的建模数据集拆分为训练和测试样本可能是我们需要进行的最早的预处理步骤之一。创建不同的训练和测试样本有助于我们评估模型性能。 在本文中，我们将讨论在建模和模型训练的背景下训练和测试样本的目的。此外，我们将探讨三种使用 Python 和 pandas 创建这些

为了测试一个方法，你需要执行它，但是直接调用私有方法可能会很困难甚至不可能，这取决于你使用的编程语言。在本文中，我将主要讲述Python和Java，但是所描述的技术肯定可以应用于许多其他语言（但我不能确定是否适用于所有语言）。 什么是私有方法？ 你是否曾经问过自己，为什么你需要私有方法？你需要私有数据来维护一致性，但为什么