:
Python基础.zip
资源介绍:
压缩包里含有丰富的Python基础的资源和代码，思维导图全程是手打上去，本人非计算机专业，自学数据分析，目前工作岗位是大数据分析；这些基础的内容分享给大家，我明白自学数据分析的不易，内涵许多自己在学习过程的注释，后期我会在自己的博客文章里慢慢的发表内容，对于心急学习的伙伴们就可以下载提取学习，希望可以给各位带来帮助！ 文章里包涵了：print函数，转义符，保留字，变量三部分，整数类型int( )，浮点类型float( )，布尔类型bool( )，字符串类型str( )，类型转换，算术运算符，赋值运算符，比较运算符，布尔运算符，运算符优先级，选择结构，循环语句，字典，元组，集合，列表，字符串，函数创建，函数返回值，参数总结，变量的作用域，Bug，常见的异常类型，try...except...else...finally结构，面向对象，类的组成，对象实例化，动态绑定，三大特征，模块和包，文件处理，with语句，os模块，os.path模块
资源文件列表:
Python基础.zip 大约有36个文件
Python基础/Python基础/- Python基础/Python基础/.ipynb_checkpoints/
Python基础/Python基础/.ipynb_checkpoints/01.初入认识-checkpoint.ipynb 9KB
- Python基础/Python基础/.ipynb_checkpoints/02.数据类型-checkpoint.ipynb 11.97KB
- Python基础/Python基础/.ipynb_checkpoints/03.运算符-checkpoint.ipynb 15.86KB
- Python基础/Python基础/.ipynb_checkpoints/04.选择结构if-checkpoint.ipynb 8.96KB
- Python基础/Python基础/.ipynb_checkpoints/05.循环语句-checkpoint.ipynb 15.86KB
- Python基础/Python基础/.ipynb_checkpoints/06.列表-checkpoint.ipynb 18.68KB
- Python基础/Python基础/.ipynb_checkpoints/07.字典-checkpoint.ipynb 10.34KB
- Python基础/Python基础/.ipynb_checkpoints/08.元组-checkpoint.ipynb 6.28KB
- Python基础/Python基础/.ipynb_checkpoints/09.集合-checkpoint.ipynb 64.14KB
- Python基础/Python基础/.ipynb_checkpoints/10.字符串-checkpoint.ipynb 29.04KB
- Python基础/Python基础/.ipynb_checkpoints/11.函数-checkpoint.ipynb 18.37KB
- Python基础/Python基础/.ipynb_checkpoints/12.Bug异常-checkpoint.ipynb 10.64KB
- Python基础/Python基础/.ipynb_checkpoints/13.面向对象-checkpoint.ipynb 702.71KB
- Python基础/Python基础/.ipynb_checkpoints/14.模块和包-checkpoint.ipynb 11.21KB
- Python基础/Python基础/.ipynb_checkpoints/15.文件处理-checkpoint.ipynb 901B
- Python基础/Python基础/01.初入认识.ipynb 9KB
- Python基础/Python基础/02.数据类型.ipynb 11.97KB
- Python基础/Python基础/03.运算符.ipynb 15.86KB
- Python基础/Python基础/04.选择结构if.ipynb 8.96KB
- Python基础/Python基础/05.循环语句.ipynb 15.86KB
- Python基础/Python基础/06.列表.ipynb 18.86KB
- Python基础/Python基础/07.字典.ipynb 10.34KB
- Python基础/Python基础/08.元组.ipynb 6.28KB
- Python基础/Python基础/09.集合.ipynb 64.14KB
- Python基础/Python基础/10.字符串.ipynb 29.04KB
- Python基础/Python基础/11.函数.ipynb 18.37KB
- Python基础/Python基础/12.Bug异常.ipynb 10.64KB
- Python基础/Python基础/13.面向对象.ipynb 702.78KB
- Python基础/Python基础/14.模块和包.ipynb 11.21KB
- Python基础/Python基础/15.文件处理.ipynb 901B
- Python基础/Python基础【二】.pdf 2.18MB
- Python基础/Python基础【三】.pdf 2.44MB
- Python基础/Python基础【四】.pdf 3.41MB
- Python基础/Python基础【一】.pdf 1.84MB
pandas121212121212122
在金融市场中，股票价格的波动受到多种因素的影响，为了分析和预测股票价格的走势，投资者可以借助各种技术指标和分析方法。本文旨在通过建立机器学习模型策略对股票价格进行回测的分析，以帮助投资者评估和优化投资策略，从而减少投资风险。
选取了铭普光磁（SZSE.002902）股票，采用了贝叶斯优化调整xgboost模型的超参数，得到了最优的模型参数组合：colsample_bytree：0.8308；learning_rate：0.3443；gamma：0.2381；max_depth：4.0。最后测试集得到的精确度：0.53，效果相对一般，但也不错。
根据对测试集的预测结果进行策略买卖回测，增加了买卖交易的手续费---万一免五。一共进行了63次的买入和卖出，最后由初始资金100000元赚取到为179519.77元，共赚取了79519.77元。为了更好评估该模型回测的效果，计出夏普比率为15.6349，最大回撤为30.24%
这一研究对于股票策略的优化和改进具有一定的参考价值。回测结果仅仅是对过去一段时间的模拟，不能保证未来的表现。因此，在实际应用中，需要谨慎对待回测结果，并不断优化和调整策略。
11111111txt合成数据集
1111111111111真实数据集
本文题目来源于2022年数据分析大赛的A题，该文章是本人自己创作而成，从医药电商的店铺、药品和品牌分别进行分析预处理和可视化，最后建立起了时间序列模型进行预测。内容详情可以去本人博客去阅读浏览（免费的哦~）！本压缩包内含比赛题目、比赛数据以及自己创写的代码！
详情内容：
1.进行了数据预处理，包括清洗、整理和转换等步骤，以确保数据的质量和准确性；
2.运用可视化工具将数据呈现出来，以便更好地理解数据之间的关系和趋势；
3.分析店铺、药品和品牌销售各不同的原因分析以及情况，探讨了品牌选择对店铺业绩的影响；
4.利用历史数据对未来的销售情况进行预测。这个模型可以帮助商家做出更准确的决策，提高销售业绩；
5.最后通过对医药电商店铺、药品和品牌的综合分析，我为商家提供了有价值的洞察和建议，帮助他们优化运营策略，提升竞争力。
内含自写的源代码，下载的参考文献，完整论文和处理前后的数据：
1.源代码：提供完整的数据分析流程代码，便于复现分析结果
2.参考文献：列出了所有参考的文献资料，方便深入了解相关理论和背景
3.完整论文：提供了上万字的详细论文，深入探讨了数据分析的各个方面
4.处理前后的数据：分享了原始数据及经过处理后的数据，供进行对比和进一步分析。
实际代码文件和shell文件
RabbitMQ在Centos7.5上安装和集群部署
