摘要：
新的一年开始新的学习，寒假老师布置了很多作业，包括每日总结的发布，spark基础实验报告，完成钉钉群的两个项目。今天主要观看了钉钉群的课程回访，第一个视频主要介绍了大数据实验平台的功能和使用，但是学校的实验平台只有大四的才能使用，与我们没关系，所以只是大致浏览的一遍，主要看了第二个视频，项目理论。 阅读全文
摘要：
今天大三上的课程正式结束，验收也正式结束。回想大三上这几个月以来学习了不少东西，hadoop，hive，hbase，mapreduce，pandas等等，主要训练了对大数据的清洗，以及前台的展示。大作业主要是对数据文件的上传导出以及数据字典，数据清洗。 总之不管完成的怎么样，最起码样子是有了，也是学 阅读全文
摘要：
估算来自哪里:所有的估算都以问题的模型为基础﹑但在我们过深地卷入建模技术之前，我们必须先提及一个基本的估算诀窍、它总能给出好的答案:去问已经做过这件事情的人.在你·头创进建模之前．仔细在周围找找也曾处在类似情况下的人.看看他们的问题是怎么解决的你不大可能找到完全相符的案例．似你会惊奇有多少次．你能够 阅读全文
摘要：
点击结果查看并导出即可查看清洗后的结果，清洗后数据会先保存到数据库中，然后可以通过穿梭框将要导出的属性列导出为excel 文件导出利用是原先的原始表数据导出,与之前的原理一摸一样，保存到数据库也与最一开始的文件上传并导入到数据库原理一样 #清洗数据存入数据库 def data_clean_save( 阅读全文
摘要：
原型与便笺 许多不同的行业都使用原型试验具体的想法:与完全的制作相比.制作原型要便宣得多惇例如．轿车制造商可以制造某种新车设计的许多不同的原型．每一种的设i计I.i的都是要测试轿车的某个只体的方面——空气动万学、样式、结构特征．等等也许会制造·个粘土模型．用于风洞测试，也许会为工艺部门制造一个轻木和 阅读全文
摘要：
这次实现了缺省值处理部分内容，主要有将缺省值按中位数，平均值补全。将缺省行或者列去掉。 #缺省值补全 @app.route('/data_clean_supply') def data_clean_supply(): supply_type = request.values.get("supply_ 阅读全文
摘要：
5.7 how much 5.7.1 计算相关系数（票房相关系数矩阵） clean_tmdb_5000_movies = "static/data/clean_df_tmdb_5000_movies.csv" # 显示所有列 pd.set_option('display.max_columns', 阅读全文
摘要：
5.6 how 5.6.1 原创 VS 改编占比（饼图） 在查看属性列并没有发现有“改编“这一列一时间不知道如何分辨是否是改编。 但是百度以后发现keywords这一属性列中有based on代表是改编。于是问题解决了： clean_tmdb_5000_movies = "static/data/c 阅读全文
摘要：
5.4 where 本数据集收集的是美国地区的电影数据，对于电影的制作公司以及制作国家，在本次的故事 背景下不作分析。 5.5 who 5.5.1 分析票房分布及票房 Top10 的导演 先统计除各个制片公司的电影数量和： #production_companies制片公司 clean_tmdb_5 阅读全文
摘要：
曳光弹，在黑踣中用机枪射击有两种方式，你可以找出!标的确切位.置（射程、仰角及)位）你可以确定环境状况（温度、湿度、气压、风，等等）你可以确定你使用的弹药筒和了弹的精确规格．以及它们j你使用的机枪的交互作用﹐然后你可以用计算表或射击计算机计算枪管的确切方向及仰角﹐如果每一样东西都严格按照规定的方式工 阅读全文