# 2021美赛D题之数据处理

import pandas as pd
import xlwt

df_group = data.groupby(by = 'follower_main_genre')

Cata_list = list(df_group.groups.keys())

df = pd.DataFrame(index = Cata_list,columns = Cata_list)
df.loc[:,:] = 0

for i in range(data.shape[0]):
df.loc[data.iat[i,6], data.iat[i,2]] += 1

df.to_excel("genre_influence.xls")

import pandas as pd
import xlwt

df_group1 = data.groupby(by = 'influencer_name')
df_group2 = data.groupby(by = 'follower_name')

Cata_list1 = list(df_group1.groups.keys())
Cata_list2 = list(df_group2.groups.keys())

df_group = list(set(Cata_list1 + Cata_list2))
df = pd.DataFrame(index = df_group,columns = [1])
df.loc[:,:] = 0

for i in range(data.shape[0]):
df.loc[data.iat[i,1], 1] += 1

df.to_excel("artist_influence.xls")

import pandas as pd
import xlwt

df_group = data.groupby(by = 'influencer_id')

Cata_list = list(df_group.groups.keys())

df = pd.DataFrame(index = Cata_list,columns = [-60,-50,-40,-30,-20,-10,0,10,20,30,40,50,60,70,80])
df.loc[:,:] = 0

for i in range(data.shape[0]):
df.loc[data.iat[i,0],(data.iat[i,7]-data.iat[i,3])] += 1

df.to_excel("active_year_difference.xls")


import pandas as pd

data1=data1.append(data2)
norepeat_df = data1.drop_duplicates(subset=['11'], keep='first')

norepeat_df.to_csv("norepeat.csv",index=False)

import pandas as pd
import xlwt

df_group1 = data.groupby(by = 'year')
df_group2 = data.groupby(by = 'genre')

Cata_list1 = list(df_group1.groups.keys())
Cata_list2 = list(df_group2.groups.keys())

df = pd.DataFrame(index = Cata_list2,columns = Cata_list1)
df.loc[:,:] = 0

for i in range(data.shape[0]):
df.loc[data.iat[i,1],data.iat[i,2]] += 1

df.to_excel("year_genre.xls")


import pandas as pd
import xlwt

Cata_list = list(data_new['artist_id'])
Column_list = ['year']

list0=['none' for x in range(len(Cata_list))]
df = pd.DataFrame(list0,index = Cata_list,columns = Column_list,dtype=str)

for i in range(len(data)):
df.loc[data.iat[i,0],'year']=data.iat[i,3]
for i in range(len(data)):
df.loc[data.iat[i,4],'year']=data.iat[i,7]

df.to_excel("artist_year.xls")


import pandas as pd
import xlwt

Cata_list = list(data_new['artist_id'])
Column_list = ['genre']

list0=['none' for x in range(len(Cata_list))]
df = pd.DataFrame(list0,index = Cata_list,columns = Column_list,dtype=str)

for i in range(len(data)):
df.loc[data.iat[i,0],'genre']=data.iat[i,2]
for i in range(len(data)):
df.loc[data.iat[i,4],'genre']=data.iat[i,6]

df.to_excel("artist_genre.xls")



[En]

Delete artists with no category or no active years

import pandas as pd
import xlwt

index = data[data.genre == 'none'].index.tolist()
data=data.drop(index)
index = data[data.year == 'none'].index.tolist()
data=data.drop(index)

data.to_csv("data_by_artist_new.csv",index=False)

import pandas as pd
import xlwt

Cata_list = list(data.groupby(by = 'genre').groups.keys())
index_list = list(data.groupby(by = 'year').groups.keys())
Column_list = data.columns.values[4:15]

AvantGarde = pd.DataFrame(index = index_list,columns = Column_list)
Blues = pd.DataFrame(index = index_list,columns = Column_list)
Childrens = pd.DataFrame(index = index_list,columns = Column_list)
Classical = pd.DataFrame(index = index_list,columns = Column_list)
ComedySpoken = pd.DataFrame(index = index_list,columns = Column_list)
Country = pd.DataFrame(index = index_list,columns = Column_list)
EasyListening = pd.DataFrame(index = index_list,columns = Column_list)
Electronic = pd.DataFrame(index = index_list,columns = Column_list)
Folk = pd.DataFrame(index = index_list,columns = Column_list)
International = pd.DataFrame(index = index_list,columns = Column_list)
Jazz = pd.DataFrame(index = index_list,columns = Column_list)
Latin = pd.DataFrame(index = index_list,columns = Column_list)
NewAge = pd.DataFrame(index = index_list,columns = Column_list)
PopRock = pd.DataFrame(index = index_list,columns = Column_list)
RB = pd.DataFrame(index = index_list,columns = Column_list)
Reggae = pd.DataFrame(index = index_list,columns = Column_list)
Religious = pd.DataFrame(index = index_list,columns = Column_list)
StageScreen = pd.DataFrame(index = index_list,columns = Column_list)
Unknown = pd.DataFrame(index = index_list,columns = Column_list)
Vocal = pd.DataFrame(index = index_list,columns = Column_list)

AvantGarde.loc[:,:] = 0
Blues.loc[:,:] = 0
Childrens.loc[:,:] = 0
Classical.loc[:,:] = 0
ComedySpoken.loc[:,:] = 0
Country.loc[:,:] = 0
EasyListening.loc[:,:] = 0
Electronic.loc[:,:] = 0
Folk.loc[:,:] = 0
International.loc[:,:] = 0
Jazz.loc[:,:] = 0
Latin.loc[:,:] = 0
NewAge.loc[:,:] = 0
PopRock.loc[:,:] = 0
RB.loc[:,:] = 0
Reggae.loc[:,:] = 0
Religious.loc[:,:] = 0
StageScreen.loc[:,:] = 0
Unknown.loc[:,:] = 0
Vocal.loc[:,:] = 0

for i in range(len(data)):
if data.iat[i,2]=='Avant-Garde':
for j in range(4,15):
AvantGarde.loc[data.iat[i,1],Column_list[j-4]]=AvantGarde.loc[data.iat[i,1],Column_list[j-4]]+data.iat[i,j]
if data.iat[i,2]=='Blues':
for j in range(4,15):
Blues.loc[data.iat[i,1],Column_list[j-4]]=Blues.loc[data.iat[i,1],Column_list[j-4]]+data.iat[i,j]
if data.iat[i,2]=="Children's":
for j in range(4,15):
Childrens.loc[data.iat[i,1],Column_list[j-4]]=Childrens.loc[data.iat[i,1],Column_list[j-4]]+data.iat[i,j]
if data.iat[i,2]=='Classical':
for j in range(4,15):
Classical.loc[data.iat[i,1],Column_list[j-4]]=Classical.loc[data.iat[i,1],Column_list[j-4]]+data.iat[i,j]
if data.iat[i,2]=='Comedy/Spoken':
for j in range(4,15):
ComedySpoken.loc[data.iat[i,1],Column_list[j-4]]=ComedySpoken.loc[data.iat[i,1],Column_list[j-4]]+data.iat[i,j]
if data.iat[i,2]=='Country':
for j in range(4,15):
Country.loc[data.iat[i,1],Column_list[j-4]]=Country.loc[data.iat[i,1],Column_list[j-4]]+data.iat[i,j]
if data.iat[i,2]=='Easy Listening':
for j in range(4,15):
EasyListening.loc[data.iat[i,1],Column_list[j-4]]=EasyListening.loc[data.iat[i,1],Column_list[j-4]]+data.iat[i,j]
if data.iat[i,2]=='Electronic':
for j in range(4,15):
Electronic.loc[data.iat[i,1],Column_list[j-4]]=Electronic.loc[data.iat[i,1],Column_list[j-4]]+data.iat[i,j]
if data.iat[i,2]=='Folk':
for j in range(4,15):
Folk.loc[data.iat[i,1],Column_list[j-4]]=Folk.loc[data.iat[i,1],Column_list[j-4]]+data.iat[i,j]
if data.iat[i,2]=='International':
for j in range(4,15):
International.loc[data.iat[i,1],Column_list[j-4]]=International.loc[data.iat[i,1],Column_list[j-4]]+data.iat[i,j]
if data.iat[i,2]=='Jazz':
for j in range(4,15):
Jazz.loc[data.iat[i,1],Column_list[j-4]]=Jazz.loc[data.iat[i,1],Column_list[j-4]]+data.iat[i,j]
if data.iat[i,2]=='Latin':
for j in range(4,15):
Latin.loc[data.iat[i,1],Column_list[j-4]]=Latin.loc[data.iat[i,1],Column_list[j-4]]+data.iat[i,j]
if data.iat[i,2]=='New Age':
for j in range(4,15):
NewAge.loc[data.iat[i,1],Column_list[j-4]]=NewAge.loc[data.iat[i,1],Column_list[j-4]]+data.iat[i,j]
if data.iat[i,2]=='Pop/Rock':
for j in range(4,15):
PopRock.loc[data.iat[i,1],Column_list[j-4]]=PopRock.loc[data.iat[i,1],Column_list[j-4]]+data.iat[i,j]
if data.iat[i,2]=='R&B;':
for j in range(4,15):
RB.loc[data.iat[i,1],Column_list[j-4]]=RB.loc[data.iat[i,1],Column_list[j-4]]+data.iat[i,j]
if data.iat[i,2]=='Reggae':
for j in range(4,15):
Reggae.loc[data.iat[i,1],Column_list[j-4]]=Reggae.loc[data.iat[i,1],Column_list[j-4]]+data.iat[i,j]
if data.iat[i,2]=='Religious':
for j in range(4,15):
Religious.loc[data.iat[i,1],Column_list[j-4]]=Religious.loc[data.iat[i,1],Column_list[j-4]]+data.iat[i,j]
if data.iat[i,2]=='Stage & Screen':
for j in range(4,15):
StageScreen.loc[data.iat[i,1],Column_list[j-4]]=StageScreen.loc[data.iat[i,1],Column_list[j-4]]+data.iat[i,j]
if data.iat[i,2]=='Unknown':
for j in range(4,15):
Unknown.loc[data.iat[i,1],Column_list[j-4]]=Unknown.loc[data.iat[i,1],Column_list[j-4]]+data.iat[i,j]
if data.iat[i,2]=='Vocal':
for j in range(4,15):
Vocal.loc[data.iat[i,1],Column_list[j-4]]=Vocal.loc[data.iat[i,1],Column_list[j-4]]+data.iat[i,j]

AvantGarde.to_excel("AvantGarde.xls")
Blues.to_excel("Blues.xls")
Childrens.to_excel("Childrens.xls")
Classical.to_excel("Classical.xls")
ComedySpoken.to_excel("ComedySpoken.xls")
Country.to_excel("Country.xls")
EasyListening.to_excel("EasyListening.xls")
Electronic.to_excel("Electronic.xls")
Folk.to_excel("Folk.xls")
International.to_excel("International.xls")
Jazz.to_excel("Jazz.xls")
Latin.to_excel("Latin.xls")
NewAge.to_excel("NewAge.xls")
PopRock.to_excel("PopRock.xls")
RB.to_excel("RB.xls")
Reggae.to_excel("Reggae.xls")
Religious.to_excel("Religious.xls")
StageScreen.to_excel("StageScreen.xls")
Unknown.to_excel("Unknown.xls")
Vocal.to_excel("Vocal.xls")



[En]

Oral modeling, using some previously processed data.

[En]

At first, the purpose of writing this blog is to sort out the code that Mercer has written systematically, so as to prevent myself from using it and forgetting it (because I always do.) if there is anything wrong with the code, I hope the bosses will give me advice.

Original: https://blog.csdn.net/Panda2412/article/details/114956051
Author: LQW_SCUT
Title: 2021美赛D题之数据处理

## Title: 空调行业如何破局？TCL空调双十一战绩可窥见端倪

11月7日立冬，正式拉开冬季的帷幕，但除了北方的个别城市，全国绝大部分地区仍能感受到阳光的和煦。相比之下，在受到整体大环境反复施压后，国内某些行业所经历的”严寒”，比”真正的冬天”更早到来。

“不坏不换”成为整个家电行业的”老大难”。

8月，格力空调更是被爆出”二选一”的负面。这一”经销商事件”最终也闹得沸沸扬扬。

TCL空调双十一战报的背后，再显创新重要性

“小蓝翼”如何满足消费者的智慧健康需求？体现在三个方面，其一相比其他新风空调，”小蓝翼”有着巨大的新风量，例如小蓝翼Ⅱ系列，不用二次打墙孔拥有着每小时60立方米的大新风量，远超国家标准，超大的新风量让它可实现高效换新风，36分钟便能整屋空气换新。

*本文图片均来源于网络

•泛财经新媒体。

•微信十万+曝文《”维密秀”被谁杀死了？》等的创作者；

•重点关注：新商业（含直播、短视频等大文娱）、新营销、新消费（含新零售）、上市公司、新金融（含金融科技）、区块链等领域。

Original: https://blog.csdn.net/Xiaoxiang_Lee/article/details/127826397
Author: 螳螂观察
Title: 空调行业如何破局？TCL空调双十一战绩可窥见端倪

(0)

### 大家都在看

• #### 轻量化网络总结[1]–SqueezeNet，Xception，MobileNetv1~v3

笔者还写了《轻量化网络总结[2]–ShuffleNetv1/v2，OSNet，GhostNet》 ，点击即可查看 轻量化网络 * – 1. SqueezeNet &#8…

人工智能 2022年12月7日
054
• #### [附源码]Python计算机毕业设计Django会议室预定管理APP

项目运行环境配置：Pychram社区版+ python3.7.7 + Mysql5.7 + HBuilderX+list pip+Navicat11+Django+nodejs。 …

人工智能 2022年12月21日
038
• #### pytorch从零搭建神经网络实现多分类(训练自己的数据集)

简介 本文介绍如何使用pytorch搭建基础的神经网络，解决多分类问题。主要介绍了两个模型：①全连接层网络；②VGG11卷积神经网络模型(下次介绍)。为了演示方便，使用了Fashi…

人工智能 2022年11月27日
064
• #### Python如何读取Excel表内容

用python读取excel表中的数据 假如说有如下一张存储了数据的excel表，其中x1-x6是特征，y_label是特征对应的类别标签。我们想要使用python对以下数据进行数…

人工智能 2022年12月1日
073
• #### 数据库仓库管理系统课程设计

库存表—–Storage create table Storage ( Gno char (4) primary key, Sno char (4) not…

人工智能 2022年12月21日
045
• #### 如果有多个标签，如何训练一个多标记的语义分割模型

你好，这篇文章咱们讨论一下关于「如果有多个标签，如何训练一个多标记的语义分割模型」的事情.. 如何训练一个多标记的语义分割模型 语义分割模型是计算机视觉领域中的重要任务之一。他们旨…

人工智能 2023年3月12日
013
• #### Python数据分析高薪实战第十一天 AI落地实战票房预测

28 AI 落地实战：训练通用电影票房预测模型 近十年，电影行业在世界范围内都取得了蓬勃的发展，越来越多的资金和人都源源不断地流入到这个行业，但对于电影投资人来说，风险和收益也是并…

人工智能 2022年12月9日
065
• #### 气温和降水空间栅格数据下载RS123

中国1980-2015逐年年降水量空间插值数据集 介绍 中国1980年以来逐年年平均气温、年降水量空间插值数据集是基于全国2400多个气象站点日观测数据，通过整理、计算和空间插值处…

人工智能 2022年11月9日
0136
• #### 数据挖掘学习报告一

1.观看学习了学堂在线《数据科学导论》 1.1了解了一些数据科学发展史： 中国已将大数据发展确定为国家战略。 [En] China has identified big data&…

人工智能 2022年12月11日
038
• #### 3D点云目标检测算法Pointnet++项目实战Pytorch实现

刚刚复现完成PointNet++分类和分割网络，效果还不错，分享给大家。 Pointnet++算法的原理在此不再赘述，本文专注讲一下重要代码，从输入数据到输出结果展现复现过程。注：…

人工智能 2022年12月16日
046
• #### PyTorch 使用GPU训练

Pytorch 使用GPU训练 使用 GPU 训练只需要在原来的代码中修改几处就可以了。 我们有两种方式实现代码在 GPU 上进行训练 方法一 .cuda() 我们可以通过对网络模…

人工智能 2022年11月25日
058
• #### 人工智能 | ShowMeAI资讯日报 #2022.06.28

ShowMeAI 日报系列全新升级！覆盖AI人工智能 工具&框架 | 项目&代码 | 博文&分享 | 数据&资源 | 研究&论文 等方向。点…

人工智能 2022年9月26日
0127
• #### MobilenetV1、V2、V3系列详解

Mobilenet系列模型作为当前主流的端侧轻量级模型被广泛应用，很多算法都会使用其作为backbone提取特征，这一章对Mobilenet系列模型做一个总结。 一、Mobilne…

人工智能 2022年11月16日
098
• #### 不用再找了，这就是全网最全的异常检测方法总结

大家好，今天正好趁着周末，收集整理全网最常使用的异常检测方法（附资料来源和代码）， 喜欢记得收藏、点赞、关注。 注：技术交流文末获取 一、基于分布的方法 1. 3sigma 基于正…

人工智能 2022年12月19日
031
• #### 24、短信登录（基于redis实现短信登录）

短信登录（基于redis实现短信登录） 修改代码（之前的基于session） 发送验证的逻辑：（更改就是将短信验证码存到redis中） 第一步：注入SrtingRedisTempl…

人工智能 2022年11月25日
039
• #### MRI多序列，多中心数据集预处理–使用FSL-Flirt 配准数据

FLIRT（FMRIB 的 线性图像配准工具）是用于线性（仿射）模态内和模态间脑图像配准的全自动稳健且准确的工具。 文章目录 * – 什么是配准 – ima…

人工智能 2022年9月8日
0184