一，由已知数据 画出各省份价格、各省份成交量柱状图； 二，画出成交量线图、柱状图、箱线图、饼图 三，画出价格与成交量的散点图

DLology博客 怎么跑 简单方法：运行 。 另外，如果您想使用图像而不是图像，则此仓库随附。 需要安装 。 分叉并将此存储库克隆到本地计算机。 https://github.com/Tony607/object_detection_demo 安装所需的库 pip3 install -r requirements.txt 第1步：注释一些图像 使用自定义对象保存一些照片，最好将jpg扩展名保存到./data/raw目录。 （如果您的对象很简单，例如此存储库随附的对象，则20张图像就足够了。） 将那些照片调整为统一大小。 例如(800, 600)与 python resize_images.py --raw-dir ./data/raw --save-dir ./data/images --ext jpg --target-size "(800, 600)" 调整大小的图像位于.

使用Kubernetes从零到JupyterHub 此仓库包含JupyterHub的Helm图表和使用指南。 它们共同使您能够为大量用户（例如大学的教职员工和学生）提供JupyterHub。 导游 提供了用户友好的步骤，以使用和在云上部署 。 该指南是很好补充。 舵图 JupyterHub Helm图表使用户可以在云环境中的Kubernetes集群上创建可复制且可维护的JupyterHub部署。 已发布的图表可在我们的。 历史 本文档的许多初始基础是从UC Berkeley的JupyterHub和Kubernetes在程序中的成功使用中学到的信息。 致谢 感谢以下贡献者： 亚伦·库里奇（Aaron Culich） 卡罗尔·威林 克里斯·霍尔德格拉夫 埃里克·桑德尔 瑞安·洛夫特（Ryan Lovett） Yuvi Panda 洛朗·戈德雷（Laurent Goderre） 鼓励未来的贡献者也将自己添加到此README文件中。 发牌 该存储库获得了Apache2（与上游Kubernetes存储库匹配）和三子项BSD（与Project Jupyter存储库的其余部分匹配

TensorFlow2.1 notebook

NILMTK：非侵入式负载监控工具包 非侵入式负载监控（NILM）是仅根据整个房屋的功率计读数估算单个设备所消耗的能量的过程。 换句话说，它仅通过一个整个房屋的电表就产生了（估算的）逐项电费单。 NILMTK是一个工具包，旨在帮助研究人员评估NILM算法的准确性。 如果您是Python的新用户，建议对Python生态系统中的 ， 和其他工具进行自我教育。 :warning: NILMTK作者可能需要一些时间才能就查询/问题与您联系。 但是，我们非常欢迎您提出修改，支持！ 记住要检查现有的问题凭单，尤其是未解决的问题凭单。 文献资料 如果您是新用户，请在阅读。 引起我们注意的是，一些用户遵循第三方教程来安装NILMTK。 请始终记住检查此类教程的日期，其中许多教程已经过时，并且无法反映NILMTK的当前版本或推荐/支持的设置。 为什么要使用NILM工具包？ 我们引用解释对NILM工具包的需求：

Notebook源码，Java记事本

贝叶斯分析食谱 介绍 我最近受到贝叶斯统计分析的灵活和强大的启发。 然而，与许多事情一样，灵活性通常意味着要对易用性进行权衡。 我认为拥有一本可用于多种设置的代码手册对于将贝叶斯方法引入更通用的设置非常有帮助！ 目标 我的目标是每个型号有一个笔记本。 在每个笔记本中，您最终应该会发现： 这里正在解决的问题。 数据结构的描述。 示例数据表。 它通常最终会成为数据。 模型的 PyMC3 代码； 在某些笔记本中，同一型号可能有两个版本。 有关如何报告 MCMC 采样后验结果的示例。 我希望这些食谱对你有用！ （假设 我的假设遵循帕累托原则：大部分现实世界的问题基本上可以归结为几类问题，这些问题具有贝叶斯解释。 特别是，我有这样的预感，像ANOVA常用的方法，可以通过概念比较简单和更可解释的贝叶斯替代品取代，像约翰Kruschke最好的（B ayesianéstimation小号up

数据会议 :clinking_beer_mugs: _ .- ' ) ( ' .( OO )_ ,--. .- ' ),-----. .- ' ),-----. ,--. ,--.) | | .- ' ) ( OO ' .-. ' ( OO ' .-. ' | `. ' | | | OO )/ | | | | / | | | ||

基于Jupyter Notebook与MovieLens数据集的电影推荐系统设计与实现

Pandas练习题120题+jupyter notebook源码，有源码及运行结果，更方便理解和查询。