trainData['survey_time']=pd.to_datetime(trainData['survey_time'],format='%Y/%m/%d%H:%M')trainData['survey_time']=trainData['survey_time'].dt.year格式化日期转换为dt然后直接取年python中时间日期格式化符号：%y两位数的年份表示（00-99）%Y四位数的年份表示（000-9999）%m月份（01-12）%d月内
系统 2019-09-27 17:55:28 2077
逗号代码假定有下面这样的列表：spam=['apples','bananas','tofu','cats']编写一个函数，它以一个列表值作为参数，返回一个字符串。该字符串包含所有表项，表项之间以逗号和空格分隔，并在最后一个表项之前插入and。例如，将前面的spam列表传递给函数，将返回'apples,bananas,tofu,andcats'。但是你的函数应该能够传递给它的任何列表。代码如下：importcopydefconFun(nameList):n=
系统 2019-09-27 17:55:01 2077
file=open("write_test.txt",encoding="utf-8",mode="w")file.write("君臣佐使")file.close()withopen("write_test.txt",encoding="utf-8",mode="a")asdata:data.write("神农本草经")w模式是重写（原文件的内容删除），a模式是追加（原文件的内容保留）。
系统 2019-09-27 17:54:58 2077
作者：HelloGitHub-ProdesireHelloGitHub的《讲解开源项目》系列，项目地址：https://github.com/HelloGitHub-Team/Article一、nosenose是一个第三方单元测试框架，它完全兼容unittest，并且号称是一个更好用的测试框架。那么nose除了具备unittest的所有功能外，还具有哪些优势呢？1.1用例编写用例的编写方式除了编写继承于unittest.TestCase的测试类外，还可以编
系统 2019-09-27 17:54:38 2077
什么是可变/不可变对象不可变对象，该对象所指向的内存中的值不能被改变。当改变某个变量时候，由于其所指的值不能被改变，相当于把原来的值复制一份后再改变，这会开辟一个新的地址，变量再指向这个新的地址。可变对象，该对象所指向的内存中的值可以被改变。变量（准确的说是引用）改变后，实际上是其所指的值直接发生改变，并没有发生复制行为，也没有开辟新的出地址，通俗点说就是原地改变。Python中，数值类型（int和float）、字符串str、元组tuple都是不可变类型。
系统 2019-09-27 17:54:37 2077
迭代器迭代式访问元素的一种方式，迭代器是一个可以记住遍历的位置的对象。迭代器对象从集合的第一个元素开始访问，直到所有的元素被访问完结束。迭代器只能往前不会后退。迭代器有两个基本的方法：iter()和next()。常见的字符串，列表或元组对象都可用于创建迭代器：>>>list=[1,2,3,4,5]>>>it=iter(list)>>>print(next(it))1>>>print(next(it))2迭代器对象可以使用常规for语句进行遍历：list=[
系统 2019-09-27 17:54:17 2077
环境：编辑工具：浏览器：有问题可以联系qq：1776376537安装xlrd安装DDT一分析1目录结构2导入包二代码importxlrdclassExcelUtil():def__init__(self,excelPath,sheetName="Sheet1"):self.data=xlrd.open_workbook(excelPath)self.table=self.data.sheet_by_name(sheetName)#获取第一行作为key值se
系统 2019-09-27 17:54:09 2077
Python面向对象编程——总结面向对象的优点一、从代码级别看面向对象1、在没有学习类这个概念时，数据与功能是分离的defexc1(host,port,db,charset):conn=connect(host,port,db,charset)conn.execute(sql)returnxxxdefexc2(host,port,db,charset,proc_name)conn=connect(host,port,db,charset)conn.call
系统 2019-09-27 17:53:53 2077
前言学过Python数据分析的朋友都知道，在可视化的工具中，有很多优秀的三方库，比如matplotlib，seaborn，plotly，Boken，pyecharts等等。这些可视化库都有自己的特点，在实际应用中也广为大家使用。plotly、Boken等都是交互式的可视化工具，结合Jupyternotebook可以非常灵活方便地展现分析后的结果。虽然做出的效果非常的炫酷，比如plotly，但是每一次都需要写很长的代码，一是麻烦，二是不便于维护。我觉得在数据
系统 2019-09-27 17:52:48 2077
#使用StandardScaler进行数据预处理importnumpyimportmatplotlib.pyplotaspltfromsklearn.datasetsimportmake_blobsX,y=make_blobs(n_samples=40,centers=2,random_state=50,cluster_std=2)plt.scatter(X[:,0],X[:,1],c=y,cmap=plt.cm.cool)plt.show()#导入Sta
系统 2019-09-27 17:52:41 2077
