使用os.environ来读取和修改环境变量：复制代码代码如下:importosprint(os.environ["TEMP"])mydir="c:\\mydir"os.environ["MYDIR"]=mydirprint(os.environ["MYDIR"])pathV=os.environ["PATH"]print(pathV)os.environ["PATH"]=mydir+";"+os.environ["PATH"]print(os.envir
系统 2019-09-27 17:54:00 2183
之前的文章里面谈到过，我从R转到Python上，一个很大的不习惯就是R的数据结构比较简单，但是Python的数据类型比较多，很容易就令人头脑混乱。但是今天学习了一下Udacity的课程，顿时就清楚多了。Python最基础的数据类型包括数组、列表、字典比较常见的。而Numpy和Pandas的数据类型是在基础数据类型上建立，彼此相关，又彼此不同。Numpy里面最基本的就是一维的对象np代指，这点我认为和列表list基本没有什么不同，很多操作（比如各种的for循
系统 2019-09-27 17:49:11 2183
首先下载源tar包可利用linux自带下载工具wget下载，如下所示：wgethttp://www.python.org/ftp/python/2.7.3/Python-2.7.3.tgz下载完成后到下载目录下，解压tar-zxvfPython-2.7.3.tgz进入解压缩后的文件夹cdPython-2.7.3在编译前先在/usr/local建一个文件夹python27（作为python的安装路径，以免覆盖老的版本）mkdir/usr/local/pyth
系统 2019-09-27 17:48:01 2183
前言首先我们做数据分析，想要得出最科学，最真实的结论，必须要有好的数据。而实际上我们一般面对的的都是复杂，多变的数据，所以必须要有强大的数据处理能力，接下来，我从我们面临的最真实的情况，一步一步教会大家怎么做。1.数据的读取（1）读取模块ImportpandasaspdImportnumpyasnp（2）读取表格的全部数据df=pd.read_csv(".data/HR.csv")（3）读取你所需要的数据sl_s=df["sactisfaction_lev
系统 2019-09-27 17:38:02 2183
