2- pandas索引
第2章 索引1234import numpy as npimport pandas as pddf = pd.read_csv('data/table.csv',index_col='ID')df.head()
.dataframe tbody tr th:only-of-type {
vertical-align: middle;
}
.dataframe tbody tr th {
vertical-align: top;
}
.dataframe thead th {
text-align: right;
}
School
Class
Gender
Address
Height
Weight
Math
Physics
ID
...
1 - pandas基础
Pandas基础12import pandas as pdimport numpy as np
查看Pandas版本（本教程全部使用1.0.0版本）
1pd.__version__
'1.0.1'
文件读取与写入读取csv格式12df = pd.read_csv('data/table.csv')df.head()
.dataframe tbody tr th:only-of-type {
vertical-align: middle;
}
.dataframe tbody tr th {
vertical-align: top;
}
.dataframe thead th {
text-align: right;
}
School
Class
ID
Gender
Address
Height
Weight
Math
Physics
...
数据结构与算法-图灵机（Turing Machine）概念讲解与具体实例
图灵机（Turing Machine）概念讲解与具体实例图灵机Turing Machine历史起源：1936年， Alan Turing提出的一种抽象计算模型基本思想是用机器模拟人们用纸笔进行数学运算的过程，但比数值计算更为简单 。
图灵机Turing Machine基本概念：所谓的图灵机就是指一个抽象的机器，它有一条无限长的纸带，纸带分成了一个一个的小方格，每个方格有不同的颜色。有一个机器头在纸带上移来移去。机器头有一组内部状态，还有一些固定的程序。在每个时刻，机器头都要从当前纸带上读入一个方格信息，然后结合自己的内部状态查找程序表，根据程序输出信息到纸带方格上，并转换自己的内部状态，然后进行移动。
图灵机由以下几部分构成一条无限长的分格纸带，每格可以记录1个符号，
一个读写头，可在纸带上左右移动，能读出和擦写格子的字符，
一个状态寄存器，记录有限状态中的1个状态一系列有限的控制规则：
1. 某个状态，读入某个字符时， 2. 要改写成什么字符
3. 要如何移动读写头， 4. 要改 ...
数据结构与算法--哈希(hasn)算法
[toc]
hash算法及查找Hash算法是一个广义的算法，也可以认为是一种思想，使用Hash算法可以提高存储空间的利用率，可以提高数据的查询效率，也可以做[字签名来保障数据传递的安全性。所以Hash算法被广泛地应用在互联网应用中。
hash表构造方法：直接定址法取关键字或关键字的某个线性函数值为哈希地址。即:H（key）=key 或 H（key） = a * key + b其中a 和 b为常数（这种哈希函数叫做自身函数），
数字分析法假设关键字是以r为基数的数（如：以10为基的十进制数），并且哈希表中可能出现的关键字都是事先知道的，则可取关键字的若干数位组成哈希地址（尽量选取不冲突的—重复率少的）,也可以在此基础上进行一定的数学处理。
平方取中法取关键字平方后的中间几位为哈希地址。这是一种较常用的构造哈希函数的方法。通常在选定哈希函数时不一定能知道关键字的全部情况，取其中哪几位也不一定合适，而一个数平方后的中间几位数和数的每一位都有关，由此使随机分布的关键字得到的哈希地址也是随机的。取的位数由表长决定。
折叠法将关键字分割成位数相同的几部分（最后一部分的位数可以不同），然 ...
hexo搭建博客
最近才知道hexo可以搭建博客，果然又一次孤陋寡闻了，我是和GitHub连用，所以都是以它为例，下面正文开始
创建这个博客中，很详细，具体参考就他了：https://caiyantao.gitee.io/2019/04/13/Hexo-%E4%B8%80/
主题更改这个链接里是提供的所有主题：https://hexo.io/themes/index.html，大家可以查找自己欢喜的，然后下载即可1$ git clone https://github.com/theme-next/hexo-theme-next themes/next
个性化设置编辑_config.yml12345678# Sitetitle: Hexosubtitle: ''description: ''keywords:author: Zhappy language: zh-CN # default en, select from `themes/landscape/languages/`timezone: Asia/ShanghaiUpdate
NexT releases new versions every ...
leecode-66-加一
leecode-66. 加一给定一个由 整数 组成的 非空 数组所表示的非负整数，在该数的基础上加一。最高位数字存放在数组的首位， 数组中每个元素只存储单个数字。你可以假设除了整数 0 之外，这个整数不会以零开头。
12345678910111213141516171819示例 1：输入：digits = [1,2,3]输出：[1,2,4]解释：输入数组表示数字 123。示例 2：输入：digits = [4,3,2,1]输出：[4,3,2,2]解释：输入数组表示数字 4321。示例 3：输入：digits = [0]输出：[1]提示：1 <= digits.length <= 1000 <= digits[i] <= 9
12345678910111213141516171819202122232425class Solution: def plusOne(self, digits): length = len(digits)-1 digits[-1] = digits[-1]+1 i = length ...
ml-Hoeffding's Inequality
Hoeffding’s Inequality霍夫丁不等式 ($\mathbb P(\Big|v -\mu\Big|\ge \epsilon ) \le 2e^{-2n\epsilon^2}$ ) 的意义：
当n 很大时，抽样的期望$v$可以逼近样本本身的期望值$\mu$（一般是未知），例如：
n =1000, 误差 \epsilon= 0.05， \mu -0.05 \le v \le \mu+0.05,\mathbb P(|v-\mu|\ge\epsilon)\le2e^{-2*1000*0.05^2} = 0.013注意这里只是概率上说明$v$ 和$\mu$的误差关系，真实情况$v$ 的取值是随意的。所以霍夫丁不等式只是告诉我们在一定误差范围内，取得我们想要的$\mu$的估计值$v$的概率可能性，而不是一定。（关于误差的介绍以后会相继推出）
常用的不等式证明 $\sigma$和$\mu$是样本本身的方差和均值，$X$是随机变量，$\epsilon$是任意整数。
$\mathbb E (x) = \int_{-\infty}^{\infty}(x-\mu)f(x)dx =\mu ...
ml-常见数学函数
常见函数：sigmoid函数
常见的分布：
#均匀分布：
指数分布：
正态分布：
分布
参数
数学期望
方差
正态分布
$\mu,\sigma >0$
$\mu $
$\sigma^2$
二项分布
$n\ge 1,0<p<1$
$np$
$np(1-p)$
泊松分布
$\lambda >0$
$\lambda $
$\lambda $
均匀分布
$a<b$
$(a+b)/2$
$(a+b)^2/12$
指数分布
$\theta >0$
$\theta $
$\theta^2 $
两点分布
$0<p<1$
$p$
$p(1-p)$
document.querySelectorAll('.github-emoji')
.forEach(el => {
if (!el.dataset.src) { return; }
const img = document.createElement('i ...
