python/pandas iterrows解决方案的替代方案
Python中的pandas库提供了一个iterrows()方法，用于遍历DataFrame的每一行。然而，iterrows()方法在处理大型数据集时可能会导致性能问题，因为它是基于行的迭代方式。为了解决这个问题，可以考虑使用其他替代方案。
一种替代方案是使用iteritems()方法，它可以遍历DataFrame的每一列。这种方式比iterrows()更高效，因为它是基于列的迭代方式。使用iteritems()方法，可以通过访问每一列的名称和值来处理数据。
另一种替代方案是使用apply()方法，它可以对DataFrame的每一行或每一列应用一个自定义的函数。通过定义一个适当的函数，可以实现与iterrows()相同的功能。apply()方法的优势在于它可以利用pandas的向量化操作，提高处理速度。
除了pandas库，还可以考虑使用NumPy库来处理大型数据集。NumPy提供了一些高效的函数和方法，可以对数组进行迭代和操作。使用NumPy，可以通过对数组进行逐元素的操作来实现与iterrows()相同的功能。
对于处理大型数据集的需求，还可以考虑使用Dask库。Dask是一个灵活的并行计算库，可以处理比内存更大的数据集。它提供了类似于pandas的API，并且可以无缝地与pandas集成。使用Dask，可以将数据集划分为多个块，并并行处理这些块，从而提高处理速度。
综上所述，替代pandas的iterrows()方法的方案包括使用iteritems()方法、apply()方法、NumPy库和Dask库。根据具体的需求和数据集大小，选择合适的方案来提高处理效率。
腾讯云相关产品和产品介绍链接地址：
- 腾讯云数据库TencentDB：https://cloud.tencent.com/product/tencentdb
- 腾讯云云服务器CVM：https://cloud.tencent.com/product/cvm
- 腾讯云人工智能AI：https://cloud.tencent.com/product/ai
- 腾讯云物联网IoT Hub：https://cloud.tencent.com/product/iothub
- 腾讯云移动开发MPS：https://cloud.tencent.com/product/mps
- 腾讯云对象存储COS：https://cloud.tencent.com/product/cos
- 腾讯云区块链BCS：https://cloud.tencent.com/product/bcs
- 腾讯云元宇宙Tencent XR：https://cloud.tencent.com/product/xr
相关·内容
1回答
我想绕着系列索引旅行。
In [44]: type(ed1)
Out[44]: pandas.core.series.Series
In [43]: for _, row in ed1.iterrows():
...: print(row.name)
我得到了这个错误：
AttributeError: 'Series' object has no attribute 'iterrows'
series有像iterrows这样的方法吗？
浏览 0提问于2018-05-10得票数 16
回答已采纳
我是Pandas的新手，我正在尝试用它来分析一个大型数据集。我已经阅读了我能找到的所有关于它的东西，但就是不能让它工作。我试图更新数据帧中的值，同时逐行迭代数据帧中的值，但数据帧中的值没有更新。
for index, row in df.iterrows():
for j in data_column:
this_value = some_value
print(this_value) # prints some_value
df.loc[index].at[j] = this_value
print(df.loc[ind
浏览 0提问于2019-03-28得票数 0
2回答
我如何在pandas中使用索引遍历列，对于行，我们可以使用for i, j in df.iterrows():，它将给出索引和行。 列也有类似的东西吗？ spice smice skice bike dike mike
1 23 35 34 34 56
135 34 23 21 56 34
231 12 67 21 62 75 我尝试使用嵌套的for循环，如下所示： for index, col1 in df.columns:
for col2 in df.columns[in
浏览 7提问于2019-10-07得票数 1
回答已采纳
2回答
我有两个不同的数据帧，我正在尝试比较。因此，我的第一个数据帧有10行，第二个有2000行。我尝试做的是将我的第一个df中的第一行与另一个df中的全部2,000行进行比较。然后对我的第一个df中的下一行执行相同的操作。
这是我目前拥有的代码。它在前2,000中工作得很好，然后当我应该递增时，它崩溃了。
i = 1
j = 1
for u in userFrame.iterrows():
for d in dbFrame.iterrows():
if userFrame['tag'][i] == dbFrame['tag1'][j]:
浏览 0提问于2016-02-12得票数 2
用pandas读取excel文件后，得到以下警告： 密钥代码： pd_obj = pd.read_excel("flie.xls", dtype=str, usecols=usecols, skiprows=3)
for idx, row in pd_obj.iterrows():
json_tmpl = copy.deepcopy(self.details)
json_tmpl["nameInBank"] = row["nameInBank"]
json_tmpl["totalBala"] =
浏览 164提问于2020-03-19得票数 4
回答已采纳
我使用的是pandas (0.20.3)和python 3.5.3
我有这样的错误
mysql.connector.errors.ProgrammingError: 1054 (42S22): Unknown column 'nan' in 'field list'
我想这是因为mysql不把‘as’理解为mull。
根据这个
该问题已在pandas 0.15.0中修复
然而，我仍然有这个错误。我的电线有问题吗？？
或者我应该在哪里修复？？
stocksDf = pd.read_csv('companys.csv', names=['na
浏览 0提问于2017-07-30得票数 5
我使用psycopg2和sqlalchemy将来自xls文件的数据插入到postgres数据库中。我以前在插入'date‘列时遇到过问题，这些列在excel中被格式化为一个数字。我们在postgres中将这些列定义为date类型。我这里有两个问题: 1.日期列中的一些值是空的。Pandas正在将这些值转换为NaT或NaN，但sqlalchemy和psycopg2无法解析。
df = pd.read_excel(full_path, encoding='utf-8')
dict_items = df.to_dict(orient='records')
ta
浏览 2提问于2017-01-03得票数 0
1回答
我有csv文件，当我试图用熊猫数据把CSV加载到表中时，我收到了一个错误，请帮助我。
import pyodbc
import pandas as pd
df = pd.read_csv("C:\PYTHON\csv.csv")
conn = pyodbc.connect('Driver=ODBC Driver 17 for SQL Server;'
'Server=SIS10647\MSSQLSERVER14;'
'Database=LeelaVen
浏览 6提问于2020-12-17得票数 1
回答已采纳
我需要用于我的Pandas DataFrame的键行索引，其中key是Pandas DataFrame的id列，data是行数据。
数据是稀疏的-我只需要访问几个键的数据，但是我不知道我需要访问哪个键。
我目前正在使用iterrows这样做：
pair_map = {}
for pair_id, data in df.iterrows():
pair_map[pair_id] = data
然而，对于非常多的行(大约100 k-1M)，这会变得很慢。有没有更快的方法来为Pandas创建稀疏的密钥行索引，这样任意访问任何行的速度就会更快吗？更好的是，如果指数稀少，数据是从潘达斯按需提取
浏览 3提问于2022-09-07得票数 1
回答已采纳
通过给定的坐标来查找地理信息的一些线条，引用自。
import geopandas as gpd
from shapely.geometry import Point
pt = Point(8.7333333, 53.1333333)
# countries shapefile from
# http://thematicmapping.org/downloads/world_borders.php
folder = 'C:\\My Documents\\'
data = gpd.read_file(folder + 'TM_WORLD_BORDERS-0.3
浏览 11提问于2022-11-22得票数 0
回答已采纳
如何在Python pandas df.itterows()的迭代过程中检查最后一行？
我的代码：
for index, row in df.iterrows():
... # I want to check last row in df iterrows(). somelike row[0].tail(1)
浏览 2提问于2017-05-15得票数 7
回答已采纳
我有一个python应用程序/作业，它将dataframe推送到BigQuery。然而，这项工作失败了，因为显然它要求的证书如下所示：
请访问此URL以授权此应用程序：
因为这是一个自动化的工作，我不能点击链接并提交代码。还有其他方法可以通过授权吗？
我已经在我的环境变量/ bashrc中设置了服务帐户键。
码
from datetime import timedelta
import pandas as pd
from io import StringIO
from azure.storage.blob import BlockBlobService
class Transmit
浏览 0提问于2018-09-18得票数 0
回答已采纳
我想在迭代时向pandas df中添加一个新列：
for index, row in df.iterrows():
row["newcolumn"] = row["oldcolumn"].normalize() #normalize() is a custom function
然而，这使得我的df没有改变。为什么会这样呢？
浏览 1提问于2018-06-08得票数 0
在我们使用Pandas的代码中的许多地方，我们有一些Python函数process(row)。该函数用于DataFrame.iterrows()，获取每个row，并进行一些处理，并返回一个值，我们最终将其收集到一个新的Series中。
我认识到这种使用模式绕过了numpy / Pandas堆栈的大部分性能优势。
怎样才是使这种使用模式尽可能高效的最佳方法？
我们可以在不重写大部分代码的情况下这样做吗？
这个问题的另一个方面:所有这样的函数都能转换成一个非有效的表示吗？关于numpy / scipy / Pandas堆栈，我有很多要学习的，但是对于真正的任意逻辑，您可能需要使用像
浏览 2提问于2013-08-16得票数 12
回答已采纳
1回答
数据集：
First_Name Last_Name Location
Green White US
Lew Edward UK
Ravi Kumar India
Naveen Reddy France
Yi Ling Singapore
Xin Yi Taiwan
Ryan Nicholas Singapore
Python代码：
import pandas as pd
import numpy as np
df = pd.read_csv (r'data.csv')
def name():
for row in df.iterrows():
nam
浏览 1提问于2020-09-20得票数 0
14回答
在pandas中如何做到这一点：
我在单个文本列上有一个函数extract_text_features，它返回多个输出列。具体地说，该函数返回6个值。
该函数可以工作，但是似乎没有任何适当的返回类型(pandas DataFrame/ numpy数组/ Python list)，因此输出可以正确地分配df.ix[: ,10:16] = df.textcol.map(extract_text_features)
因此，我认为我需要回到按照使用df.iterrows()进行迭代的状态
更新:使用df.iterrows()进行迭代至少要慢20倍，所以我放弃了，将函数拆分为6个不同的.map(lamb
浏览 4提问于2013-04-26得票数 278
回答已采纳
并且必须对以'BH‘开头的'City’列进行复制。复制的df.index应该与原始的相同，例如-
STATE CITY
315 KA BLR
423 WB CCU
554 KA BHU
557 TN BHY
# state_df is new dataframe, df is existing
state_df = pd.DataFram
浏览 0提问于2017-02-27得票数 3
回答已采纳
所以我有下面的代码，在5列中读，日期ohlc。然后，它创建了一个专栏“道”，以举行一周中的一天。到目前为止还不错：
import numpy as np
import pandas as pd
df = pd.read_csv('/content/drive/MyDrive/Forex/EURUSD-2018_12_18-2020_11_01.csv',parse_dates=True,names = ['date','1','2','3','4',])
df['date'] =
浏览 0提问于2021-02-03得票数 2
回答已采纳
使用的代码是
import pandas as pd
url = 'https://raw.githubusercontent.com/RInterested/datasets/gh-pages/mtcars.csv'
dataframe = pd.read_csv(url)
isinstance(dataframe, pd.DataFrame) # This lets me know the data is successfully imported as a DF.
dataframe.head()
但是这最后一行是一个意外的错误吗：
-------------------
浏览 10提问于2020-05-22得票数 3
回答已采纳
0回答
我正在尝试将Pandas Dataframe的值填充到MS Access表中。我使用下面的Pandas内置DF.iterrows()遍历DataFrame的每一行，并将每一行插入Access表中。
for index,row in df.iterrows():
print(repr(row['Vote_date'])) #Using iterrows() temporarily converts datetime64[ns] values into Timestamps
row['Vote_date'] = row['Vote_dat
浏览 10提问于2017-12-07得票数 0
下面是Python的Pandas包的GitHub链接。
我想找到特定方法的源代码(例如，iterrows)。这个文件的路径是什么？
浏览 33提问于2020-05-31得票数 0
回答已采纳
我有一个数据帧，为了创建一些分区，我必须从中检索唯一的值。我有这个部分，我可以得到一个小的数据帧，每一行都是一个特定的分区。我遇到的挑战是，我需要将原始数据帧过滤到适当的数据(不修改原始帧，以便我可以过滤所有值)，以便可以将其发送到S3。
根据小数据帧中的序列过滤数据帧时遇到问题。
下面是我的代码：
df_partitions = df.groupby(['grid_id', 'case_id', 'snapshot_year', 'snapshot_month', 'snapshot_day'])
浏览 10提问于2020-02-22得票数 0
回答已采纳
我正在尝试从dataframe中的name字段中提取标题，并使用python追加到新列中：
import pandas as pd
df = pd.DataFrame(columns = ['id', 'name'])
df = df.append({'id': 123, 'name': 'Mr. Rooney'}, ignore_index=True)
df = df.append({'id': 124, 'name': 'Miss. Aniston'}, igno
浏览 6提问于2020-02-17得票数 0
回答已采纳
我有一个看起来像这样的pandas面板：
import pandas as pd
import numpy as np
P = pd.Panel(np.arange(90).reshape(5,6,3))
我想沿着长轴创建一个生成器，类似于pd.DataFrame.iterrows，以便在每次调用时，next返回一个包含当前长轴索引的元组和一个形状为(P.shape[0], P.shape[2])的pd.DataFrame。此功能是否已在pandas中可用？如果没有，有没有办法使用pd.DataFrame.iterrows或numpy迭代器来有效地复制此功能？
谢谢。
浏览 8提问于2016-07-18得票数 4
回答已采纳
我收到了错误消息：
5205
(5219, 25)
5221
(5219, 25)
Traceback (most recent call last):
File "/Users/Chu/Documents/dssg2018/sa4.py", line 44, in <module>
df.loc[idx,word]=len(df.iloc[indices[idx]][df[word]==1])/\
IndexError: index 5221 is out of bounds for axis 0 with size 5219
当我遍历数据帧时，索引来
浏览 0提问于2017-12-06得票数 4
1回答
我随身带着这个虚拟数据集。比方说df_1 Column x y
AAA 20 30
BBB 10 50
CCC 60 80
DDD 90 100
PQR 30 40
RST 50 60
UVW 30 40
LMN 20 30 接下来是另一个数据集。假设是这样的df_2。我必须查找(df_1的)列，并查看df_2中的映射。PQR、RST和UVW是配对的。 Index 0 1 2
1 AAA
2 BBB
3 CCC DDD
4 XY
浏览 23提问于2020-07-15得票数 0
回答已采纳
1回答
我面临许多问题，集成/添加Pandas现有代码的Pandas代码。
1)如果我将Pandas dataframes转换为，那么多个操作就无法很好地转换，因为Pandas dataframes似乎没有Pandas dataframes那么丰富。
2)如果我选择使用Pandas和pandas在同一代码中处理不同的数据集，当通过map调用的函数包含任何熊猫数据时，Pyspark转换(如map)似乎根本不起作用。
我在Python中已有使用熊猫和numpy的代码，并且在一台机器上工作得很好。我最初试图将整个代码转换为的尝试失败了，因为不支持Pandas所做的许多操作。
现在，我正在尝试将pyspark
浏览 2提问于2017-12-26得票数 6
当我的数据包含韩语单词时，我会遇到问题。我想输出电话号码，但我的电话数据中有一些韩语单词。这给了我错误UnicodeEncodeError: 'ascii' codec can't encode character如何在python中忽略或编码韩语单词？
# -*- coding: utf-8 -*-
import requests
import csv
import re
import pandas as pd
import json
from collections import defaultdict
df = pd.read_csv('tel.csv&
浏览 13提问于2021-05-24得票数 0
回答已采纳
您将如何在Pandas中执行以下操作？ import math
for index, row in data.iterrows():
if row["year"] == 0:
row["year"] = math.floor((row["death"] - row["birth"])/2) 这个循环不起作用，但我试图做的是，如果列year的值为0，则将差除以死亡和出生列中的2的下限分配给列year。我知道你应该避免在Pandas中使用循环，这可能有一个简单的解决方案，但我现在不能弄明白。
浏览 31提问于2020-12-22得票数 2
回答已采纳
我在python中有一个熊猫数据帧。 我需要迭代每一列并计算一个值，然后根据这个值计算下一行的值。 现在我正在使用iterrows()： value = 1000
df['calculated_column'] = 0
for index, row in df.iterrows():
df.loc[index,'calculated_column'] = (df.loc[index -1 ,'calculated_column'] - df.loc[index,'column_to_sum']) if ind
浏览 22提问于2020-07-14得票数 1
回答已采纳
3回答
以此csv为例：
Col1, Col2
1,3,
0,5,
1,4
0,7
假设我有一个列表，并且仅当同一行中的Col2的值为1时，我才想将Col1的值附加到列表中。结果列表应该是[3,4]。
如何在不使用iterrows()的情况下对pandas执行此操作
浏览 0提问于2020-05-30得票数 1
1回答
我用熊猫来读csv文件。我得到了这个错误：
File "antifraud.py", line 11, in <module>
df = pd.read_csv(trainFilePath, names=['time', 'id1', 'id2', 'amount', 'message'])
File "/Library/Frameworks/Python.framework/Versions/3.4/lib/python3.4/site-packages/pandas/
浏览 3提问于2016-11-06得票数 1
回答已采纳
嗨，我收到这个错误了，但是一切似乎都很好。
import matplotlib.pyplot as mpl
import pandas as pd
#Uploading data to Python Pandas Dataframe
db_fondos = pd.read_excel('/Users/jonathanprieto/Documents/GitHub/GoogleMaps/data/- Matriz TDF Python.xlsm',
sheet_name="DB Fondos")
ts_flujos
浏览 2提问于2020-05-25得票数 0
回答已采纳
我正在尝试使用DataFrame ()函数更改pandas iterrows对象的序列。DataFrame充满了随机浮点数。下面是两段代码的示例： 这个可以用： for index,row in other_copy.iterrows()
other_copy.loc[index] = (other_copy.loc[index] > 30) 但这一条不是： for index,row in other_copy.iterrows():
top_3 = other_copy.loc[index].nlargest(3)
minimum = min(top_3)
浏览 18提问于2018-12-22得票数 0
回答已采纳
我正在尝试使用下面的代码获取每一行pandas dataframe的值。
points = [ makePoint(row) for row in df.iterrows() ]
这里的df有4列。每个都包含整数数据。
当我尝试打印row时，它返回follow，
1 3
2 3
3 4
4 5
Name: 0, dtype: int64
我只需要
[3,3,4,5]
并且不需要索引、名称和数据类型。
浏览 2提问于2017-11-04得票数 0
我想遍历pandas DataFrame中的每一行，并对每一行中的元素做一些处理。
现在我有
for row in df.iterrows():
if row['col'] > 1.5:
doSomething
但它告诉我‘元组索引必须是整数，而不是str’。如何访问某一行中我想要的列？
浏览 0提问于2014-10-08得票数 7
例如，我有一个包含100行的电子表格，并希望将每一行导出到一个名为.json的单独JSON文件中。
然而，我得到了这个错误，我不知道我可能做错了什么。
守则如下：
import pandas as pd
from pathlib import Path
from pandas import read_excel
root_location = Path("/fullpath/")
df = pd.read_excel("/fullpath/toexcelfile.xlsx")
rowNumber = 0
for index, row in df.iter
浏览 13提问于2021-10-10得票数 0
回答已采纳
1回答
我试图对一些数据集做一些清理，我可以用一些for循环来完成任务，但我想要一种更多的仿生/庞然大物的方式来完成这个任务。
这是我想出的代码，数据不是real..but，它应该工作。
import pandas as pd
# This is a dataframe containing the correct values
correct = pd.DataFrame([{"letters":"abc","data":1},{"letters":"ast","data":2},{"lette
浏览 0提问于2018-07-04得票数 3
1回答
我希望将列"id“中值的数据类型从整数更改为字符串，然后将新的dataframe保存到CSV文件中。这就是我尝试过的：
import pandas as pd
df = pd.read_csv ('DataSet.csv', header=[0], on_bad_lines='skip', sep = ';')
df["id"] = df["id"].astype(str)
当我运行下面的代码时，它将显示数据类型已被成功更改：
for index, row in df.iterrows():
pr
浏览 3提问于2022-02-14得票数 0
我试图在推特上做一个关于不同汽车品牌的情绪分析，我正在使用Python3的this.While运行代码，我得到了下面的异常
Traceback (most recent call last):
File "C:\Users\Jeet Chatterjee\NLP\Maruti_Toyota_Marcedes_Brand_analysis.py", line 55, in <module>
x = str(x.encode('utf-8','ignore'),errors ='ignore')
AttributeErro
浏览 0提问于2017-07-04得票数 1
回答已采纳
我需要遍历一个dataframe并为'source_name‘中的每个元素创建一个目录。下面的代码运行良好，但只从第一个元素创建第一个目录。如何对列表中的每个元素执行此操作
代码：
import pandas as pd
import os
ds_data = pd.read_csv("feeds_and_urls.csv")
feeds = pd.DataFrame(ds_data)
feeds['source_name'].replace(' ', '_', regex=True, inplace=True)
f
浏览 0提问于2018-03-12得票数 1
2回答
如何在Pandas dataframe中一次迭代100行？当同时应用lambda函数时，forex_python包似乎出错了。
以下是我尝试过的似乎不起作用的东西：
import pandas as pd
from forex_python.converter import CurrencyRates
c = CurrencyRates()
row_processed = 0
for row in df.iterrows():
try:
df['USD_rate'] = df.apply(lambda x: c.get_rate(x['Curr
浏览 6提问于2021-11-04得票数 0
回答已采纳
2回答
我正在尝试以下几点：
import pandas as pd
df = pd.DataFrame({'Col1': {0: 'A', 1: 'A', 2: 'B', 3: 'B', 4: 'B'},
'Col2': {0: 'a', 1: 'a', 2: 'b', 3: 'b', 4: 'c'},
'Col3': {0: 42, 1: 28, 2: 56, 3: 62, 4: 48}}
浏览 0提问于2020-07-28得票数 0
我想用2个pandas数据帧做一个条件插入--类似于的SQL函数。对于源数据帧中的每一行，如果索引不存在，则将其插入到目标数据帧中。如果索引确实存在，请检查辅助条件。如果满足条件，则更新现有行。
下面是一个示例：
import pandas as pd
df1 = pd.DataFrame([{'index':'1st','checkval':2,'storeval':'elephant'},
{'index':'2nd','check
浏览 0提问于2020-03-14得票数 1
我目前正在做一个使用python 2.7框架的数据科学项目，它使用了像numpy，flask，pandas这样的几个模块，并且已经成功地使用应用程序引擎将应用程序部署到Google云中。我现在正计划使用scikit-learn ML框架，我担心它是否与google app engine兼容。我看过过去的一些论坛，他们提到App Engine不支持sci-kit学习。我想确认一下现在是不是这样。感谢你在这里的意见
浏览 4提问于2017-07-13得票数 1
回答已采纳
我想准备我的文本数据，是在熊猫的数据为情感分析与nltk。为此，我使用了一个函数的代码，该函数将熊猫数据的每一行转换为一个语料库。
import nltk
# convert each row of the pandas dataframe of tweets into corpus files
def CreateCorpusFromDataFrame(corpusfolder,df):
for index, r in df.iterrows():
date=r['Date']
tweet=r['Text']
浏览 3提问于2022-06-30得票数 0
回答已采纳
1回答
用Python做glmm (比如SPSS中的GENLINMIXED分析)可以吗？我是状态模型的忠实粉丝，但这个图书馆似乎不支持glmm.还有别的选择吗？
-编辑-
决定用R和r2py.
def RunAnalyseMLMlogit(dataset, outcomevars, meeneemvars, randintercept, randslope):
from rpy2.robjects import pandas2ri
from rpy2.robjects.packages import importr
base = importr('base')
浏览 1提问于2017-03-27得票数 5
回答已采纳
我正在学习本教程：
import itertools
import copy
import networkx as nx
import pandas as pd
import matplotlib.pyplot as plt
nodelist = pd.read_csv('https://gist.githubusercontent.com/brooksandrew/f989e10af17fb4c85b11409fea47895b/raw/a3a8da0fa5b094f1ca9d82e1642b384889ae16e8/nodelist_sleeping_giant.csv&#
浏览 1提问于2017-10-31得票数 8
回答已采纳
2回答
我有一个dataframe(csv文件)，它看起来像：
Name Apple Banana Carrot Mango
Adam false false true true
James false true true false
Jessie false false true true
我需要对行进行迭代，并在字符串中添加具有'true‘值的列名，输出如下：
Carrot,Mango
Banana,Carrot
Carrot,Mango
下面是我如何尝试(这是不起作用的)：
data = pandas.read_csv("filen
浏览 4提问于2015-02-26得票数 0
回答已采纳
我是熊猫的新手。我写了一个我想优化的代码，但我不确定如何优化。我知道'apply‘和pandas向量化都比'iterrows’快，但我不确定如何使用它们来实现同样的目标。iterrows对我来说很简单，因为它类似于' for‘循环，所以我已经习惯了。下面是我的代码：
import numpy as np
import pandas as pd
import matplotlib.pyplot as plt
from sklearn.metrics import mean_squared_error
from scipy.spatial.distance import e
浏览 3提问于2017-10-13得票数 1
扫码
添加站长 进交流群
领取专属 10元无门槛券
手把手带您无忧上云
相关资讯
热门标签
云服务器
ICP备案
实时音视频
对象存储
即时通信 IM活动推荐
腾讯云开发者
