目录数据集介绍可视化步骤1. 导入pandas等需要的库2. 读取数据，查看基本情况3. 读取城市坐标数据4. 按省份统计人数5. 合并城市坐标数据 与 省份数据6. 绘制地图写入HTML文件，并用浏览器打开完整代码 数据集介绍 1.100000_full.json （地理位置数据集，用于绘制地理边界） 2.china_coordinates.csv （全国城市位置数据集，用于定位每个城市位置） 3.DXYArea.csv （2020-2-9全国新冠数据集） 数据集下载链接：https://download.csdn.net/download/Cristiano272/123511

使用 Q-learning 算法在能源市场中实现利益最大化这篇论文有一些想法： Yousefi, S.、Moghaddam, MP 和 Majd, VJ (2011)。 使用综合需求响应模型在基于代理的零售市场中优化实时定价。 能源，36（9），5716-5727。

压缩包内含——jupyter代码、保存的HTML图片、答辩PPT 、Word文档 作品介绍 （源文件），基本期末作业所需的知识点全覆盖。

数据资产化之路：数据资产的估值与行业实践

采用Python语言，运用pyqt5，pandas等包集成的一个桌面化提取数据的小程序 里边有简单的年份、月份、车型分类的筛选，以及数据字段的定制 数据字段定制信息支持保存

NavicatforMySQL MySQL数据库可视化工具 完美破解版 里面带破解钥匙

国际化代码数据字典表，excel表，包含id,pid,name三个字段，已建立好id与pid对应关系，可直接导入数据库作为数据字典表使用

基于Pseudo-Partial-Derivative(PPD)的概念动态线性化非线性系统,利用集结方法处理未来预测时刻的PPD,实现了非线性系统的自适应预测函数控制.所给算法的预测模型只与当前时刻的测量数据有关,不依赖于对象的具体结构.该算法能够提供有界的输入输出,并能无偏差跟踪给定值.最后通过大滞后对象和强非线性pH中和滴定实验验证了该方法的有效性,并说明了其具有很强的鲁棒性和抗干扰能力.

本项目完成了通过“链家”对青城山660套二手房的房屋编号、名称、所在小区名称、所在位置、户型、面积、朝向、装修情况、楼层情况、以及单价和总价共11个关键信息的爬取。主要应用Python脚本开发的网络爬虫技术中的Scrapy框架，并通过应用Python扩展库pandas、seaborn、matplotlib、BeautifulSoup对抓取的660条房屋数据进行了处理和分析，并形成了11个可视化的统计图表，进而使用户迅速对青城山的二手房市场有一个更加直观的了解。 压缩包中包含了文档说明和源码供大家参考；

EA 企业信息化总体架构方法论，是经典的一个方法论，可以指导进行架构的开发。 这是本人收藏的PDF，能够起到学习的作用