чтобы вычислить частоту
f(x) = 2*x+3 - детерминистическаяNormal(0,1) - стохастическая даст случайное значение из Гаусовго распределения с параметрами среднее 0 и стандартное отклонение 1.f(x) = 2*x+3 + Normal(0,1) - это третий кейс, когда мы накладываем шум на некую функцию.Y = F(X) + E.
df = pd.read_csv('directory2.csv').set_index('Имя', drop=False).rename_axis('_Имя', axis=0)df.to_csv('directory2.csv', index=False)
import pandas as pd
# Первая часть создание файла
df = pd.DataFrame({
'Name':['Petr','Maks','Aleksandr'],
'Age':[30,40,50],
'Salary':[500,700,600]
})
df.to_csv('data.csv', index=False)
# Вторая часть обновление
name = input('Введите Имя, чьи данные хотите изменить? ')
fields_to_change = input('Какие данные Вы хотите изменить? например Age, Salary: ').split(',')
data_to_update = {}
for field in fields_to_change:
data_to_update[field] = input(f'Введите {field}: ')
df = pd.read_csv('data.csv').set_index('Name')
df.loc[name, fields_to_change] = data_to_update
df.to_csv('data.csv')
print('Спасибо, данные обновлены')import requests
import json
import pandas as pd
response = requests.get(url="https://en.wikipedia.org/w/api.php?format=json&action=query&prop=extracts&exintro&explaintext&redirects=1&titles=Apple")
info = json.loads(response.text)
df = pd.json_normalize(info)
print(df.iloc[:,-1][0])print(df.filter(regex='extract$',axis=1).iloc[0,0])class MyClass:
pass
my_instance = MyClass()
print(dir(my_instance))detected_circles = cv2.HoughCircles(gray_blurred,
cv2.HOUGH_GRADIENT, 1, 45, param1=75,
param2=25, minRadius=8, maxRadius=36)Как определить большинство и меньшинство по числовой характеристике?
лучше учить слова: с английского на русский или с русского на английский?
bad_rounding_result = pivot_table_type_of_expenses.iloc[6, 1]
df1 = pd.DataFrame({'A':[bad_rounding_result]})
print(df1)
print(df1.iloc[0,0])Button(w, text="Отправить", command=clicked_send).pack()Button(w, text="Отправить", command= lambda: clicked_send(entry_id)).pack()Button(w, text="Отправить", command= partial(clicked_send, entry_id).pack()=[(4000,4), (2500,1),(2000,3), (8000, 2), (9000, 4), (7000,2)]return img, gray перед возвращением будет создан объект кортеж и затем возвращен туда откуда была вызвана функция.return означает выход из функции, при условии что функция не рекурсивная (там return может останавливать рекурсию, но не обязательно выходить из функции). Твоя функция обычная и в ней есть два returnreturn lab_gray при чем первый раз он и цикл то не выполнит весь если там больше одного элемента вернет значение и выйдет из функции. При условии что объект по которому ты итерируешься не пуст, иначе он пропустит цикл и вернет return img, gray