摘要：
目的：爬取‘糗事百科’热图板块所有图 在网页response中可以发现，每个图是一个没有http开头的、以.jpg结尾的链接，在这个链接前边补上http可以成功访问该图片。 所以第一步应该把需要下载的图片的url下载下来，然后补上http，再下载，保存到本地就可以。 下边代码是第一步。 def do 阅读全文
摘要：
http://www.python3.vip/tut/py/extra/regex/ 大家看一个例子。 一个文本文件里面存储了 一些市场职位信息，格式如下所示 Python3 高级开发工程师 上海互教教育科技有限公司上海-浦东新区2万/月02-18满员 测试开发工程师（C++/python） 上海墨 阅读全文
摘要：
药监局网址：http://scxk.nmpa.gov.cn:81/xk/ 药监局首页： 详情页： 目的：爬取药监局所有详情页信息，保存在本地，以csv文件格式保存。 分析主页： 主页的response返回内容中，包含了这一页中的所有企业的id 修改网页参数page可以实现翻页 所以首先要通过访问主页 阅读全文
摘要：
爬虫基本分为几步： 1、找到RUL URL不一定是网址，最准确的是打开网页抓包工具（网页按F12） 2、查看网页是get还是post请求。 get请求用requests.get()，post请求用requests.post()；此方法的返回值是网页response的类型。常见的有json、test等 阅读全文
摘要：
病人分类的例子 让我从一个例子开始讲起，你会看到贝叶斯分类器很好懂，一点都不难。 某个医院早上收了六个门诊病人，如下表。 症状 职业 疾病 打喷嚏 护士 感冒 打喷嚏 农夫 过敏 头痛 建筑工人 脑震荡 头痛 建筑工人 感冒 打喷嚏 教师 感冒 头痛 教师 脑震荡 现在又来了第七个病人，是一个打喷嚏 阅读全文
摘要：
import pandas as pd data = pd.read_table('val.txt',names=['category','theme','URL','content']) #读取数据，转成DataFrame格式。因为前期数据已经是处理好的，所以可以这样写。这里的read_table 阅读全文
摘要：
在实际应用中，经常需要把统计一段字符中，每个词出现的次数，也就是词频。统计次数有一个现成的方法就是DataFrame.value_counts()，问题是如何保存结果为我们所用。思路就是把value_counts的两列先分别转成列表，再讲两个列表转成字典。 import pandas as pd d 阅读全文
摘要：
import pandas as pd data = pd.read_csv("train.csv") #确定每一列，或者叫每一个series下，是否有空数据 columns_name = data.columns.tolist() columns_name_true_false={} print( 阅读全文
摘要：
背景：有人利用信用卡欺诈，数据给出了28W多个样本，每一个样本有20多个因素数据和最终是否欺诈的结论。 1 import numpy as np 2 import pandas as pd 3 import matplotlib.pyplot as plt 4 #导入相关库文件 5 6 data = 阅读全文
摘要：
1. Series 情况下： pandas 的 value_counts() 函数可以对Series里面的每个值进行计数并且排序。 import pandas as pd df = pd.DataFrame({'区域' : ['西安', '太原', '西安', '太原', '郑州', '太原'], 阅读全文