一想到新冠肺炎，搞得我现在还没开学，我心态就炸了，从来没有如此想要开学的念头，在家真的闲出蛋来了，体重也飙涨，真是*****它**** 目前中国通过全国人民共同努力，情况基本控制下来，在此向那些抗战在一线的人民英雄致敬，你们辛苦了 令人没想到的是，这病毒在全世界开始蔓延起来，哎，阿门，我好像也没什么为他们做的，就爬取全球数据，在心里默默的为他们祈祷 好了，进入正题 1.爬虫-获取数据 我们要分析数据，肯定要爬取数据，我从丁香园获取数据 我们可以检查源代码分析可得到，我们想要的数据，在此直接上代码 import re from bs4 import BeautifulSoup import r

一、数据预处理与导入 1、2019_nCoV_data.csv是2020年1月-3月世界新冠疫情的数据，要求对2019_nCoV_data.csv进行数据预处理做以下操作，要求： （1）Sno编号列没有用，需要删除 部分国家对应的地区为NAN，需要填充为空白字符串 （3）部分国家/地区，受感染人数为0，也被列在表格中，需要删去 （4）查看受影响的国家/地区的数量，Country一列中将'Mainland China', 'Hong Kong' , 'Macau', 'Taiwan' 等统一修正为'China'；另外需将'Korea, South'改为'South Korea'。 2、对于DXYArea.csv也需要进行数据预处理，要求做以下操作： （2）countryEnglishName一列中将 'HongKong' , 'Macao'等统一修正为'China'。 （3）将updateTime转换成date格式（输出为该数据的新列updateTime1，也就是只保留日期部分）。 （4）因为大部分城市都没有加“市”字，所以要把直辖市的下属区的“区”字去掉；还有一些没有变化规律的城市名

Updates （2019.8.14 19:53）吃饭前用这个方法实战了一下，吃完回来一看好像不太行：跑完一组参数之后，到跑下一组参数时好像没有释放之占用的 GPU，于是 notebook 上的结果，后面好几条都报错说 cuda out of memory。 现在改成：将 notebook 中的代码写在一个 python 文件中，然后用命令行运行这个文件，比如： # autorun.py import os # print(os.getcwd()) over = [ # 之前手工改参数跑完的参数组合 [0, 1, 1], [0, 1, 2], [0, 1, 3], [0, 2, 1],

通过蚁群和遗传进化的旅行时间优化 在这个项目中，我解决了出租车的旅行时间优化问题。 可以将其称为“旅行推销员问题” ，这是众所周知的计算机科学问题。 目的是找到访问一组位置的最短路径。 对于此问题，需要优化技术来智能地搜索解空间并找到接近最优的解。 更具体地说，我首先使用XGBoost模型来预测每对上落地点之间的旅行时间。 然后，我使用了进化算法，即蚁群和遗传算法，为数据中的车辆找到了最佳的旅行路线。 可以在以下链接找到有关Medium的随附博客文章： 数据集 数据是已经下载到上的数据。 我有2016年黄色出租车，绿色出租车和出租汽车的月度数据。 该数据集具有11个属性的近150万个行程记录

ner_crf ner_crf是Jupyter笔记本，它使用 / 实现，使用条件随机字段（CRF）描述了命名实体识别（NER）。 依存关系 ner_crf用编写，因此在使用python3之前应下载最新版本的python3 。 可以从找到python的下载（建议使用3.5.1版）。 您还需要能够运行Jupyter Notebook（请参阅 ）。 还需要以下python库来运行ner_crf笔记本：

带有交互式小部件的实时Jupyter笔记本渲染。 介绍 Voilà将Jupyter笔记本变成独立的Web应用程序。 与普通HTML转换笔记本不同，每个连接到Voilà龙卷风应用程序的用户都将获得专用的Jupyter内核，该内核可以执行回调以更改Jupyter交互式小部件中的更改。 默认情况下，Voilà不允许前端执行请求，从而阻止执行任意代码。 默认情况下，Voilà与strip_source选项一起运行，该选项从渲染的笔记本中剥离输入单元格。 安装 Voilà可以与conda软件包管理器一起安装 conda install -c conda-forge voila 或从pypi pip install voila JupyterLab预览扩展 Voilà提供了JupyterLab扩展，可在侧窗格中显示笔记本的Voilà预览。 与JupyterLab 3.0开始，扩展名自动安装后

学生信息管理系统的实际操作Python代码和jupyter notebook的项目流程图

目前提供的项目数据是双十一及过去6个月内用户的日志信息，预测未来6个月内用户是否在同一商铺中重复购买。 ➢ 目的是根据用户与商家在双11之前6个月的交互记录数据和双11期间的交互记录预测商家的新买家在未来 的6个月内再次从同一商家购买商品的概率。 ➢ 结合目前天猫平台销售的数据情况，可以实现以下目标: 1. 对数据进行基本的处理； 2. 根据用户行为提取出相应的特征，用以判断用户是否会重复购买； 3. 依据用户行为特征训练合适的分类模型，预测用户重复购买的概率； 4. 根据模型对天猫用户重复率进行预测。

Python数据科学：Python数据科学拥有位于http：//youtube.comtheengineeringworld上的YouTube课程的所有数据集和jupyter笔记本文件，名称为“ Python数据科学课程”。

此压缩包为该文章相关资料，包含代码等，建议使用jupyter打开 https://blog.csdn.net/weixin_39858881/article/details/107235037