精华内容
下载资源
问答
  • 2020-12-09 03:11:02

    该楼层疑似违规已被系统折叠 隐藏此楼查看此楼

    def ma(x,y):

    '''

    # 自定义函数“ma(x,y)”指南

    函数格式:ma(x,y)

    函数功能:求序列数据x的y周期的简单平均值,输出值为序列平均值、即列表。

    函数使用举例:

    #输入:

    L = [1,2,3,4,5]

    ma(L,3)

    #输出:

    [2.0, 3.0, 4.0]

    #输出注解:

    (1+2+3)/3=2.0

    (2+3+4)/3=3.0

    (3+4+5)/3=4.0

    '''

    if isinstance(x,str):

    print('第一个参数不能是字符串!')

    elif isinstance(y,int) and y>0 and len(x) >= y:

    x = list(x)

    L=[]

    z=[x[i : i + y] for i in range(0,len(x) - y + 1,1)]

    for i in range(0,len(x) - y + 1):

    L.append(sum(z[i][0 : y + 1]) / y)

    return L

    else:

    if isinstance(x,list) == False:

    print('请输入一个列表或者数组或者元组!')

    if isinstance(y,int) == False or y <= 0:

    print('错误提示:第二个参数应该是正整数!')

    if len(x) < y:

    print('错误提示:第二个参数值要小于等于第一个参数中元素的个数!')

    print([0 for i in range(0,y)])

    print([None for i in range(0,y)])

    print(list())

    更多相关内容
  • 该楼层疑似违规已被系统折叠隐藏此楼查看此楼编程,输入一批互不相等的正整数存入一维整型数组 a 中,直到输入0时终止,要求对这批数(不包括最后输入的表示输入结束的0)作相应的处理并按示例格式依次输出下列结果:...

    该楼层疑似违规已被系统折叠 隐藏此楼查看此楼

    编程,输入一批互不相等的正整数存入一维整型

    数组 a 中,直到输入0时终止,要求对这批数(不

    包括最后输入的表示输入结束的0)作相应的处理

    并按示例格式依次输出下列结果:

    ⑴ 最大值和最小值及其所在位置下标;

    ⑵ 平均值(保留1位小数);

    ⑶ 大于并最接**均值的数及其所在位置下标;

    ⑷ 小于平均值的数的个数及其占总数的百分比

    (保留1位小数) ;

    ⑸ 这批数按从小到大的顺序排列。

    include

    main()

    {

    int a[81],s[81],i,j,t,n,count=0; float ave=0,d;

    for(i=0;;i++)

    scanf("%d",&a[i]); count++;

    ave+=a[i];s[i]=i;

    ave/=count;

    for(i=1;a[i+1]!=0;i++)

    for(j=i+1;a[j]!=0;j++)

    if(a[i]>a[j])

    {t=a[i];a[i]=a[j];a[j]=t;

    t=s[i];s[i]=s[j];s[j]=t;}

    printf("Maximum: a[%d]=%d\n",s[count-1],a[count-1]);

    printf("Minimun: a[%d]=%d\n",s[0],a[0]);

    printf("Average: %.1f\n",ave);

    for(i=0;i<10;i++)

    if (a[i]>ave) break;

    printf("Closest to: a[%d]=%d\n",s[i],a[i]);

    for(i=n=0;i<10;i++)

    if(a[i]

    printf("Less than: %d(%.1f%%)\n",n,d);

    printf("Sort: ");

    for(i=0;a[i]!=0;i++)

    printf("%d ",a[i]);

    }

    我这个程序错了,这个一维数组中的元素个数不确定,如何来输入一维数组赋值呢?请各位高手帮我改正一下。非常感谢

    展开全文
  • 黑体的参数是最常用的,通常用包含隐藏值1,2,4,5,9 Ref1 必需。 要对其进行自动筛选、分类汇总计算的第一个命名区域或引用。 Ref2,…… 可选。 要对其进行分类汇总计算的第 2 个至第 254 个命名区域或引用。 ...

    你没看错,只需要用一个函数:SUBTOTAL ,即可实现。

    如下图所示,对单元格B2:B6进行筛选后,再对筛选的结果求和。

    v2-28b3543cc3cc8fe081593458b11db9ac_b.jpg


    01 SUBTOTAL 函数语法

    对筛选结果、“分类汇总”结果再进行运算

    SUBTOTAL (function_num,ref1,[ref2] ])


    02 参数说明

    Function_num 必需。 1 到 11之间的数字,用于指定使用何种函数在列表中进行分类汇总计算。黑体的参数值是最常用的,通常用包含隐藏值1,2,4,5,9

    • Ref1 必需。 要对其进行自动筛选、分类汇总计算的第一个命名区域或引用。
    • Ref2,…… 可选。 要对其进行分类汇总计算的第 2 个至第 254 个命名区域或引用。

    通常使用Ref1,如本例中的B2:B6,即选中所有要参与计算的单元格。

    v2-d980f4a13f9d95a3ca9448090e1e6c9c_b.jpg

    展开全文
  • 文章目录最大值池化层平均值池化层自适应平均值池化层代码实现 还是用[上次的小实例] ,这次加入三种池化层做练习。(https://blog.csdn.net/qq_38737428/article/details/121523145) 我之前以为池化层也叫下采样,但...

    还是用上次的小实例 ,这次加入三种池化层做练习。

    关于池化层的基础概念可以看这里。

    我之前以为池化层也叫下采样,但这样说并不严格,只是大家都这么说,我刚知道,其实采样层包含池化层。某种卷积层也叫采样层。

    最大值池化层

    选择每个小区域的最大值作为特征放到结果矩阵,像下面这样。

    在这里插入图片描述

    maxpool = nn.MaxPool2d(2,stride=2) # 定义池化层
    pool_out = maxpool(image_out) # 图像数据放进去做池化操作
    
    

    平均值池化层

    就是从这个区域中算出平均值加入结果集。
    像下面这样。

    在这里插入图片描述

    average_pool = nn.AvgPool2d(2,stride=2)
    pool_out = average_pool(image_out)
    

    自适应平均值池化层

    自适应池化Adaptive Pooling与标准的Max/AvgPooling区别在于,自适应池化Adaptive Pooling会根据输入的参数来控制输出output_size,而标准的Max/AvgPooling是通过kernel_size,stride与padding来计算output_size。

    adaverage_pool = nn.AdaptiveAvgPool2d(output_size=(100,100)) # 输出大小的尺寸指定为100*100
    pool_out = adaverage_pool(image_out)
    

    代码实现

    沿用上一次的代码 直接加入池化层.

    
    ## 池化层加入
    from copy import deepcopy
    from PIL import Image
    import torch
    import matplotlib.pyplot as plt
    import numpy as np
    from torch import nn
    
    image = Image.open('../data/cat.png')
    image = image.convert("L")
    image_np = np.array(image)
    
    h, w = image_np.shape
    image_tensor = torch.from_numpy(image_np.reshape(1, 1, h, w)).float()
    
    kersize = 5
    
    ker = torch.ones(kersize, kersize, dtype=torch.float32) * -1
    temp = deepcopy(ker)
    
    ker[2,2] = 24
    conv2d = torch.nn.Conv2d(1, 2, (kersize, kersize), bias=False)
    ker = ker.reshape((1, 1, kersize, kersize))
    conv2d.weight.data[0] = ker
    conv2d.weight.data[1] = temp
    
    
    image_out = conv2d(image_tensor)
    
    # 添加池化层----最大值池化
    # maxpool = nn.MaxPool2d(2,stride=2)
    # pool_out = maxpool(image_out)
    
    # 添加池化层---平均值池化
    # average_pool = nn.AvgPool2d(2,stride=2)
    # pool_out = average_pool(image_out)
    
    # 添加池化层---自适应平均池化层
    adaverage_pool = nn.AdaptiveAvgPool2d(output_size=(100,100)) # 输出大小的尺寸指定为100*100
    pool_out = adaverage_pool(image_out)
    
    # print(image_out.data)
    # print("=" * 20)
    # print(image_out.detach().numpy().shape) # 仅仅将tensor数据转为numpy数据
    x = torch.linspace(-6,6,100)  # -6到6分成了一百份 返回张量类型
    print(type(x))
    
    print(x)
    # print(pool_out.shape)
    pool_out_min = pool_out.squeeze()
    # print(pool_out_min.shape)
    image_out = image_out.squeeze()
    
    
    # 画图之前看一下数据维度,在压缩之前是四维张量 torch.Size([1, 2, 357, 357])
    # 压缩之后是三维张量 torch.Size([2, 357, 357])   这里有两个 (357*357) 一个是普通卷积 一个是边缘提取
    # 给到最后plt画图的时候需要numpy类型数据。 所以直接[0] 和[1] 提取出来。
    
    #结果对比  一组是普通卷积和卷积+池化  另一组是边缘检测和边缘检测+池化
    plt.figure(figsize=(18,18),frameon=True)
    plt.subplot(2,2,1) # 你显示出来的图如何规划,  规划为2行2列 从左到右,从上到下,编号   
    plt.imshow(pool_out_min[1].detach(), cmap=plt.cm.gray) # 数据有梯度 使用detach方法提取
    plt.axis('off')
    
    plt.subplot(2,2,2) # 加入池化层的普通卷积操作
    plt.imshow(image_out[1].detach(), cmap=plt.cm.gray)
    plt.axis('off')
    
    
    plt.subplot(2,2,3)  # 边缘检测
    plt.imshow(pool_out_min[0].detach(), cmap=plt.cm.gray)
    plt.axis('off')
    
    plt.subplot(2,2,4) # 加入池化层的边缘检测
    plt.imshow(image_out[0].detach(), cmap=plt.cm.gray)
    plt.axis('off')
    
    plt.show()
    
    

    最大值池化,

    四个图对比 分别是:

    普通卷积+池化 --------------- 普通卷积
    边缘检测+池化 --------------- 边缘检测
    在这里插入图片描述
    平均值池化

    在这里插入图片描述

    自适应平均值池化

    在这里插入图片描述

    展开全文
  • 数据分析中的缺失处理

    千次阅读 2018-07-08 00:32:37
    转载于:https://blog.csdn.net/a8131357leo/article/details/79495322 对缺失的处理要具体问题具体分析,为什么要具体问题具体分析呢?因为属性缺失有时并意味着数据缺失,缺失本身是包含信息的,...
  • Python数据分析基础: 数据缺失处理

    千次阅读 多人点赞 2020-10-31 21:56:01
    本篇开始分享如何使用Python进行数据分析,主要侧重介绍一些分析的方法和技巧,而对于pandas和numpy等Pyhon计算包的使用会在问题中提及,但详细介绍。本篇我们来说说面对数据的缺失,我们该如何处理。文末有.
  • 与众所周知的图像密码学相比,图像隐藏具有显著的安全性优势,即包含秘密信息的隐写图像与被隐图像难以区分,更适合进行秘密通信。此外,与图像密码学不同,图像隐藏更注重隐藏信息的容量和可见性,而不是鲁棒性。...
  • 机器学习中处理缺失的9种方法

    千次阅读 2020-10-31 11:01:04
    我们能对包含缺失的数据进行分析或训练机器学习模型。这就是为什么我们90%的时间都花在数据预处理上的主要原因。我们可以使用许多技术来处理丢失的数据。在这个文章中,我将分享处理数据缺失的9种方法,但首先让...
  • MySQL数据库视图

    千次阅读 2021-02-02 14:05:09
    MERGE算法要求视图中的和基表中的具有一对一的关系,如果具有该关系,必须使用临时表取而代之。指定了TEMPTABLE选项,视图的结果将被置于临时表中,然后使用它执行语句。 ● select_statement:用来创建视图的...
  • 数据预处理_缺失处理

    千次阅读 2019-07-01 23:05:55
    它指的是现有数据集中某个或某些属性的完全的。缺失的产生的原因多种多样,主要分为机械原因和人为原因。 机械原因是由于机械原因导致的数据收集或保存的失败造成的数据缺失,比如数据存储的失败,存储器...
  • 信息隐藏技术综述-学习笔记

    千次阅读 2022-04-01 12:35:17
    文章目录信息隐藏技术综述@[toc]一、什么是信息隐藏二、信息隐藏基本原理2.1信息隐藏的分类2.2信息隐藏的特性2.3信息隐藏的基本模型2.4信息隐藏的关键技术2.4.1空域法2.4.2变换域法2.4.3信道隐藏三、信息隐藏的应用...
  • 机器学习中数据缺失处理方法

    千次阅读 多人点赞 2018-06-17 22:48:00
    这时如果手工处理非常低效,如果舍弃缺失记录,则会丢失大量信息,使完全观测数据与完全观测数据间产生系统差异,对这样的数据进行分析,很可能会得出错误的结论。 造成数据缺失的原因 缺失处理的方法 ...
  • 学会用KNNImputer来填补数据中的缺失 了解缺失及其类型 介绍 scikit learn公司的KNNImputer是一种广泛使用的缺失插补方法。它被广泛认为是传统插补技术的替代品。 在当今世界,数据是从许多来源收集的,...
  • 不同平均数的比较;图片来源:维基百科 大概是最常见的数据分析任务 你有一组数字。你希望用更少的数字概括它们,最好是只用一个数字。因此,你将这组数字加起来,然后除以数字的数目。哇,你得到了“平均数”,没...
  • 将一幅512*512的原始灰度图像,采用3*3的平均窗口对它作滤波运算(原图像外围的像素的灰度视为128);对滤波后图像隔行、隔列丢弃一半像素形成一幅256*256的小图像;对此小图像分别采用最邻近内插、双线性内插的...
  • 定义一个整型数组a[4]并从键盘输入各元素的,利用指针变量该数组元素的积c 语言程序如下:#includeint main(){int a[4];int i;double v=1;printf("input 4 int data:\n");for (i=0;i<4;i++){scanf("%d",a+i);v...
  • 由于电脑等原因,经常一些总结东西找到了,所以想通过写博客的方式进行记录,一方面是对学过的东西、技术进行总结,方便以后使用,另一方面有相关方面研究的同学提供一下借鉴。欢迎大家一起交流,不足之处,请大家...
  • 不同平均数的比较;图片来源:维基百科 大概是最常见的数据分析任务 你有一组数字。你希望用更少的数字概括它们,最好是只用一个数字。因此,你将这组数字加起来,然后除以数字的数目。哇,你得到了“平均数”,没...
  • 缺失处理方法综述

    千次阅读 2018-07-09 15:48:30
    它指的是现有数据集中某个或某些属性的完全的。缺失的产生的原因多种多样,主要分为机械原因和人为原因。 机械原因是由于机械原因导致的数据收集或保存的失败造成的数据缺失,比如数据存储的失败,存储器...
  • 直方图平移的可逆信息隐藏 摘要:可逆数据隐藏(RDH)也被称为无损或可逆数据隐藏,已逐渐成为数据隐藏领域非常活跃的研究领域。本文介绍了多种基于直方图平移的可逆信息隐藏算法,并对各种算法的技术发展历史,现状...
  • 机器学习中缺失处理

    千次阅读 2019-09-14 21:47:26
    当我们拿到一批数据的时候,往往都是“干净”的,而缺失是最常见也是最容易发现的。不同的缺失处理方式对接下来的特征提取,建模等都有巨大影响。那么缺失的处理是有一套流程的,我在这里总结总结: 发现...
  • 我们需要了解数据缺失的原因和数据缺失的类型,并从数据中识别缺失,探索数据缺失的模式,进而处理缺失的数据。本文概述处理数据缺失的方法。 一,数据缺失的原因 首先我们应该知道:数据为什么缺失?数据的缺失是...
  • 缺失的处理方法

    千次阅读 2017-07-22 10:28:52
      对于数据挖掘和分析人员来说,数据准备(Data Preparation,包括数据的抽取、清洗、转换和集成)常常占据了70%左右的...本文针对缺失和特殊这种数据质量问题,进行了初步介绍并推荐了一些处理方法。 值得注意的
  • 数据挖掘:数据清洗——缺失处理

    千次阅读 多人点赞 2020-02-17 16:15:02
    而在数据处理的过程中,缺失不仅包括数据库中的NULL,也包括用于表示数值缺失的特殊数值(比如,在系统中用-999来表示数值存在)。 说明: None是一个python特殊的数据类型。不同于空列表和空字符串,是一种...
  • 数据分析方法 1.缺失填充

    千次阅读 2020-02-19 17:07:38
    数据分析方法 1.缺失填充 缺失:缺失是指粗糙数据中由于缺少信息而造成的数据的聚类、分组、删失或截断。它指的是现有数据集中某个或某些属性的完全的。(百度词条) ...

空空如也

空空如也

1 2 3 4 5 ... 20
收藏数 57,682
精华内容 23,072
关键字:

不包括隐藏行求平均值