Python – 随机漫步

Python实现“cin”

使用input()：

# 例如
path = str(input('文件路径：'))
num = int(input('个数：'))

使用os库

import os
def file_name(file_dir):   
    for root, dirs, files in os.walk(file_dir):  
        print(root) #当前目录路径  
        print(di

这几天由于工作的关系，处理的大型数据比较多，动辄遍历几百M的Excel文件，看着Jupyter Notebook的“[*]”转圈圈，坐在电脑前发呆都会变得焦急万分。这个程序到底运行到哪了？还要多久？

我这… Read More

使用os库中的remove()函数

import os
path = 'test.txt'
try:
    os.remove(path)
except:
    pass

使用weekday()函数：

def is_weekday(df_new):
    # 添加列
    df_new['日期类型'] = ''
    for i in range(0, len(df_new.index)):
        df_new['日期

1. 建立多层次索引

例如建立如下图所示的多层次索引：

# 建立含多层次索引的新表df_new
def create_df_new(df):
    # 定义索引
    index=pd.MultiIndex.from_produc

1.字符串转时间格式

# 列转换
data['交易时间'] = pd.to_datetime(data['交易时间'])
## 仅保留日期
data['交易时间'] = pd.to_datetime(data['交易时间

# 读
## 需要处理的表格名
path='表格1.xlsx'
## 该表格的Sheet名
sheet_name_1='Sheet1'
df=pd.read_excel(

保存模型：

from keras.models import load_model 
model.save('my_model.h5')

加载模型：

from keras.models import load_model
p

神经网络往往会因为各种原因表现出过拟合的现象，如数据量太少、模型参数设置不合理等。解决神经网络的过拟合问题通常有以下几种方法，在一定程度上可以降低过拟合：