07 2021 档案
摘要：DataFrame.ewm(self,com=None,halflife=None, alpha=None, min_periods=0, adjust=True, ignore_na=False, axis=0) 提供指数加权平均。 返回值 DataFrame 参数 com：float，可选根据质
阅读全文
摘要：在 python 中，类型属于对象，变量是没有类型的： a = [1, 2, 3] a = 'Runoob' 以上代码中，[1, 2, 3]是 list 类型，'Runoob' 是 String 类型，而变量 a 是没有类型，它只是一个对象的引用（一个指针），可以是 list 类型对象，也可以是 S
阅读全文
摘要：sys.argv[] 是一个从程序外部获取参数的桥梁。因为我们从外部取得的参数可以是多个，这里获得的是一个列表（list），也就是说 sys.argv 其实可以看作是一个列表，所以才能用[]提取其中的元素。其第一个元素是程序本身，随后才依次是外部给与的参数。 下面用简单的test.py程序运行结果说
阅读全文
摘要：1. Python继承 继承表示允许我们继承另一个类的所有方法和属性的类。 父类是继承的类，称基类。 子类是从另一个类继承类，称派生类。 2. 创建父类 任何类都可以是父类。 实例 创建一个 Person 类，其中包含 firstname 和 lastname 属性以及 printname 方法。
阅读全文
摘要：1. 类定义 Python是面向对象的编程语言。 Python中几乎所有的东西都是对象，拥有属性和方法。 2. 创建类 如需创建类，使用关键字class。 创建名为 MyClass 的类，属性名为 X： class MyClass: x = 7 print(MyClass) <class '__ma
阅读全文
摘要：1. Xbar-R控制图 Xbar-R控制图，可以在拥有连续数据且子组大小不超过8的情况下监视过程的均值和变异。 例如：确定新塑料产品的生产过程是否受控。操作员抽样20个小时，每小时抽取5个部件，并评估塑料的强度。 什么情况下使用备择控制图？ 对于具有9或更多观测值的子组，使用Xbar-S控制图。
阅读全文
摘要：1. 概述 使用Xbar控制图可以在子组中拥有连续数据的情况下监视过程的均值。使用此控制图可以监视过程在一段时间内的稳定性，以便可以标识和更正过程中的不稳定性。 例如：塑料制造商想确定新塑料产品的生产过程是否受控制。分析员抽样20小时，每小时5个部件作为一个子组，并评估塑料的强度。 注意：过程变异必
阅读全文
摘要：1. SQL foreign key 约束 一个表中的 foreign key 指向另一个表中的 unique key（唯一约束）。 下面通过实例解释外键。 注意，“Orders”表中的“P_Id”列指向“Persons” 表中的“P_Id”列。 “Persons”表中的“P_Id”列是“Perso
阅读全文
摘要：1. SQL PRIMARY KEY 约束 primary key约束唯一标识数据库表中的每条记录。 主键必须包含唯一的值。 主键列不能包含NULL值。 每个表都应该有一个主键，并且每个表只能有一个主键。 2. create table 时的 SQL primary key 约束 下面的 SQL 在
阅读全文
摘要：1. 窗口函数简介 MySQL 8.0+ 版本支持窗口函数，该函数也称分析函数，对初学者来说，窗口函数特别容易与分组聚合函数混合。两者的不同之处在于，窗口函数使每一行数据都生成一个结果。 2. 窗口函数分类 排序函数：row_number()、rank()、dense_rank() 对分析对象进行排
阅读全文
摘要：时间序列模型（一）：模型概述 时间序列模型（二）：移动平均法（MA） 时间序列模型（三）：指数平滑法 一次移动平均实际上认为近N期数据对未来值影响相同，都加权 1/N；而 N 期以前的数据对未来值没有影响，加权为0。但是，二次及更高次移动平均数的权数却不是 1/N，且次数越高，权数的结构越复杂，但永
阅读全文
摘要：时间序列模型（一）：模型概述 时间序列模型（二）：移动平均法（MA） 时间序列模型（三）：指数平滑 移动平均法可以作为一种数据平滑的方式，以每天的气温数据为例，今天的温度可能与过去的十天的温度有线性关系；或者做的饭一部分是上顿的，一部分是现在的，再假设隔两顿的都被倒掉了，并且每天都是这样的，这就是一
阅读全文
摘要：时间序列模型（一）：模型概述 时间序列模型（二）：移动平均法（MA） 时间序列模型（三）：指数平滑 1. 时间序列的不同分类 时间序列是按时间顺序排列的、随时间变化且相互关联的数据序列。分析时间序列的方法构成数据分析的一个重要领域，即时间序列分析。 时间序列根据研究的依据不同，可有不同的分类。 1.
阅读全文
摘要：时间序列是研究数据随时间变化而变化的一种算法。是一种预测性分析算法。它的基本出发点就是事物发展都有连续性，按照它本身固有的规律进行。 时间序列的常用算法包括移动平均（MA，Moving Average）、指数平滑（ES，Exponential Smoothing）、差分自回归移动平均模型（ARIMA
阅读全文
摘要：1. 分类数据和顺序数据 建模中，很多时候无法直接处理非数值型变量。 例如KMeans算法中基于距离相似度的计算，字符串无法计算距离；再比如Numpy以及基于Numpy的sklearn，虽然这些库允许直接使用和存储字符串型变量，但无法发挥矩阵计算优势。 这些类型的数据可以分为两类： 1. 分类数据：
阅读全文
摘要：数据标准化的目的是使其缩放到相同的数据区间，防止量纲差异对模型的影响。 除了用做模型计算，标准化后的数据还具有直接计算并生成符合指标的意义，是加权指标的必要步骤。 1. 实现中心化和正太分布的Z-Score Z-Score标准化是基于原始数据的均值和标准差进行的标准化，假设原转换数据为x，新数据为
阅读全文
摘要：1. 概述 加权移动平均法，是对观察值分别给予不同的权数，按不同的权数求得移动平均值。并以最后的移动平均值为基础，确定预测值的方法。采用加权移动平均法，是因为观察期的近期观察值对预测有较大影响，它更能反映近期变化的趋势。 指数加权移动平均法（Exponentially Weighted Moving
阅读全文
