@idoggy 到死都没学会 c++ 啊哈哈哈哈哈哈

电动车在非机动车道没被占用的情况下确实不要上机动车道比较好

不论是提速和刹车性能都太弱了, 不要拿电摩抬杠, 那个本来就该上机动车牌照

卖水龙头的五金店问问能不能上门修

不过如果是我的话, 不是很繁琐的管道维修我选择自己动手

看到集赞就果断拜拜

@hooopo 比如透视表, pd.pivot_table(data, values, index, columns) 就完事, sql 你懂的, 各家还不一样

@hooopo
干得了和很方便干不一样, pandas 一个函数修改修改参数就出来了的东西

sql 写得累死累活的

不过数据量太大 pandas 确实不适合

f-string
矩阵乘法运算符 @

async 一直也没用明白

摸鱼呗, 不摸都对不起这么多的上班时间

口渴提出来就行了嘛

再补一句去死吧 mysql (和用 mysql 做 olap 的憨逼)

几百万行的数据的话反正我这里是 pandas 比 mysql 这**要快不少的, 而且 where 条件的指定更加方便

而且 pandas 也能读取各种 csv 和 excel 和数据库中的数据同时使用,
非常便利的时间函数,
方便的透视表,
和其他 python 库无缝衔接,
数据可以随时 copy 清洗
还有一点是 pandas 的数据集是有序的, sql 默认是无序的集合, 这就又平添了很多事情, 即使开窗函数也不能很好解决

我觉得 SQL 还是勉强说得过去, 然而用了 pandas 后, 现在看到 sql 就想吐

我恨 sql, 去死吧 sql

不可行吧, 正在使用中的文件 git 是没法修改的, 除非你可以不进入 windows 就使用 git

@lasuar
我恨存储过程, 改这个破东西时候心里已经骂了提出用存储过程来解决和写这个垃圾存储过程的人五千万遍了

尤其是今天快改完时候发现最后几行的一个没见过的函数, 打开该函数发现又是一千行的时候

给领导发消息, "怎么,你活不到我学会 C++那天吗"

@easonHHH 很大可能性是伪随机数吧... 物理方式选出个种子数, 然后用这个种子去随机, 嗯, 我看行

@daijinming 把年份视作系数矩阵, 年龄视作结果向量
year*x1+x2=age, 得到线性方程组
2015*x1+x2=4
2016*x1+x2=5
2017*x1+x2=6
2018*x1+x2=7,
然后解这个方程组得到 x1 和 x2 的值, 并用于预测

推荐可以买一些机器学习的书尝试一下手写一些常见算法就明白了一些回归和分类以及聚类的常见套路了

更深入的部分我能力有限,给不了建议

@raymanr 我打错了,是 sklearn.linear_model, 也不要冷嘲热讽了, 就当楼主是真的在求问吧, 谁不是一步步走过来的呢?

就是一般的线性回归就可以了

from sklearn.linear import LinearRegression

m = LinearRegression()
m.fit([[2015],[2016],[2017],[2018]],[4,5,6,7])
m.predict([[2020]])

云闪付 + 信用卡