gopy

实际开发中，我们离不开定义各种类型，当我们需要定义类型时，一般是通过一组整数来定义。比如：定义不同的月份 1 JAN 1 2 FEB 2 3 MAR 3 4 ... 5 NOV 11 6 DEC 12 一般会想到以下几种定义的方法： 1.直接使用定义变量的方法 1 jan = 1 2 feb = 2 2.使用字典 1 d = { "jan" : 1 , "feb" : 2 } 3.使用类变量 1 class TypeMonth : 2 jan = 1 3 feb = 2 对于表示月份的数字或者其他类型，一旦定义之后就不需要作改变！但是以上几种定义的方法，都能轻易的对类型的值进行改变，比如： 1 d[ 'jan' ] = 3 2 3 TypeMonth.jan = 3 这在实际开发中是不严谨的，也不安全，是不可取的。 同时，以上几种方法都会出现不同的类型 key，相同值的情况。 1 d = { "jan" : 1 , "feb" : 2 , "mar" : 2 } 对于这种情况，在 Python3.4 之后，给我们增加了枚举类，枚举类型可以看作是一种标签或是一系列常量的集合，通常用于表示某些特定的有限集合，例如星期、月份、状态等 枚举类 简单示例： 1 from enum import Enum 2 3 class Color (Enum) : 4 RED = 1 5 GREEN =

之前小F说了G6 湖 人总 冠军 ，果不其然湖人 夺冠了 。 不过硬实力摆在那里，说不说其实关系也不大，哈哈哈。 36岁的老詹还没有老，4座总冠军+4次FMVP。 湖人总冠军， Kobe! this is for u！ 今天给大家介绍一个好东西~ 只需 4行代码 就能实现 。投篮数据可视化 GitHub地址： https://github.com/theccalderon/shot_chart 在PyCharm上直接安装shot-chart库，记得 版本选1.0.0 的。 最新版本是1.1.0，得分和未得分没有明显区分开，所以小F选择安装1.0.0版本。 大伙也可以两个版本都下载安装，看有什么差异。 from shot_chart.core import * # 2019-2020赛季 shots_2019 = make_df(untar_data(URLs.SHOTS_2019)) 同样的 这位大佬也是把数据 放在网络上，需要 通过数据请求才能 获取到 。 此处小F通过查看源代码(core.py)，发现数据的请求地址。 地址如下，从2000-2001赛季到2019-2020赛季。 # 2000-2001赛季常规赛数据 https://nba-shot-charts.s3.amazonaws.com/shots -2000. tgz ........................

Python的热度一直高居不下！除了数据分析，还有运维、自动化测试、后端开发、机器学习...Python的用武之地真的太多了！ 而量化更是Python的一种高级应用！ 什么是量化？ 我们利用计算机技术，通过建模分析、优化参数等手段，从历史金融数据中挖掘出影响投资的指标，使用程序进行自动交易来获得“超额”的收益，这种投资方法就叫做量化交易。 现在，很多量化机构将人工智能和机器学习与量化策略相结合。国内的一些顶尖私募，比如：九坤、幻方、朱雀等都在使用AI量化策略，从各大公司的招聘公告上也可以看出这点。 如果想要进一步了解数据分析和量化交易，可以了解下 网易云课堂免费推出的《3天 数据分析师实战营 》 ， 资深数据分析大牛带你在 项目案例中实战 学习， 带你少走弯路，真正实现从0到1。 3天数据分析师实战营直播主题 ▼ 9月22日&量化金融进阶: 利用Python玩转A股投资(RSI指标篇) 场景和工具：Pandas工具分解RSI指标 流程处理：业务场景分析建模和可视化 学习成果：使用RSI指标模型做买卖点搜索、交易回溯 实战项目：分析搭建沪深股市投资模型 9月23日&数据算法入门： 60分钟带你搞定数据的高效分类 场景工具：利用贝叶斯算法掌握算法适用的场景 流程处理: 业务场景分析，数据归类和Python语句学习 学习成果：学会操作算法库，对数据进行高效分类 实战案例