- 综合排序
- 最热优先
- 最新优先
- 来自专栏完美Excel
统计不同值的7种方法
标签：Excel技巧 很多时候，我们需要统计列表中的不同值的个数，在Excel中有多种方法实现。 首先，我们来解释什么是不同值和唯一值。 方法1：使用COUNTIFS函数 COUNTIFS函数允许基于一个或多个判断条件来统计值。 方法2：使用UNIQUE函数 如下图2所示，很简单的公式： =COUNTA(UNIQUE(B5:B13)) 图2 UNIQUE函数返回列表中所有不同的值，COUNTA函数统计这些值的个数。 方法3：使用高级筛选 在单元格中输入公式： =SUBTOTAL(103,B5:B13) 如下图3所示。 图3 公式中，103指示仅统计可见单元格。 图15 方法7：使用VBA 按Alt+F11组合键，打开VBE，插入一个标准模块，输入下面的代码： Function CountDistinctValues(rng As Range) As Integer
6.6K10编辑于 2023-08-29 - 来自专栏编程小白狼
QPS 统计方法
性能监控：了解系统的实时处理能力 容量规划：根据流量趋势进行资源扩容或缩容 异常检测：发现流量异常波动，及时预警 性能优化：识别瓶颈，针对性优化系统 QPS 计算方法 基本计算公式 QPS = 请求总数 / 时间间隔(秒) 简单计数法 最简单的QPS统计方法是使用计数器： import time from collections import defaultdict class SimpleQPSCounter counter.increment() time.sleep(0.001) # 模拟请求处理 print(f"当前QPS: {counter.get_qps():.2f}") 高级 QPS 统计方法 、地域等多维度统计QPS 总结 QPS统计是系统监控的重要组成部分，选择合适的统计方法对于准确评估系统性能至关重要。 从简单的计数器到复杂的滑动窗口算法，每种方法都有其适用场景。在实际应用中，需要根据系统特点、性能要求和资源约束选择最合适的QPS统计方案。 希望本文对您理解和实现QPS统计有所帮助！
15410编辑于 2025-08-30 - 来自专栏Data分析
数学和统计方法
，不能统计浮点数 print(np.argmax(counts)) # 返回众数,此方法不能用于二维数组 Numpy中没有直接的方法求众数，但是可以这样实现： import numpy as np # 不同列代表不同特征，所以用axis=0做计算 • 标准化一般使用：通过均值和方差实现 数组 = （数组 - mean(数组，axis=0)）/ std(数组, axis=0) 在NumPy中，数学和统计方法是用于对数组进行各种数学运算和统计分析的函数 这些方法能够对数组中的元素进行聚合、求和、均值、方差等操作，非常有用。下面列举一些常用的数学和统计方法： 数学方法： np.abs(): 计算数组中元素的绝对值。 统计方法： np.sum(): 计算数组所有元素的和。 np.mean(): 计算数组所有元素的均值。 np.median(): 计算数组所有元素的中位数。 result_std) # 输出：1.4142135623730951 result_var = np.var(arr) print(result_var) # 输出：2.0 总结： NumPy中的数学和统计方法能够帮助我们对数组进行各种数学运算和统计分析
35410编辑于 2024-01-30 - 来自专栏AI金融科技
统计学方法
熵权法是一种客观赋权方法 1. 利用信息熵计算各指标熵权 2. 再利用熵权对各指标的权重进行修正，得到较为客观的指标权重 3. 确定指标的综合权数（同上） code1: ```python ###方法二：熵权法 class cul_weight(): def get_df(self,df): """处理数据 ，列名分别为组别、指标1、指标2、指标3，每行数据为每组数据统计量""" def str2ft(x): x = x[:-1] return data.iloc[:, 1:].min()) # 标准化 data.iloc[:, 1:] = (data.iloc[:, 1:]) / (data.iloc[:, 1:].sum()) # 统计概率 condition_ent = calc_condition_ent(x, y) ent_grap = base_ent - condition_ent return ent_grap ``` 另一种方法
83810发布于 2021-03-05 - 来自专栏SnailTyan
统计学习方法(一)——统计学习方法概论
统计学习方法概论 本文是统计学习方法（李航）第一章的学习总结。 统计学习方法包括模型的假设空间、模型选择的准则及模型选择的算法，称为统计学习方法的三要素，简称模型（model）、策略（strategy）和算法（algorithm）。 5.统计学习的研究 统计学习的研究包括统计学习方法（算法创新）、统计学习理论（算法效率及有效性）及统计学习应用（解决问题）三个方面。 6.统计学习的重要性 统计学习的重要性体现在三个方面：（1）统计学习是处理海量数据的有效方法。（2）统计学习是计算机智能化的有效手段。（3）统计学习是计算机发展的重要组成部分。 1.3 统计学习三要素 统计学习方法的三要素为模型、策略和算法，它们关系为：统计学习方法 = 模型 + 策略 + 算法。 1.3.1 模型 在监督学习过程中，模型是要学习的条件概率分布或决策函数。
97120发布于 2019-05-25 - 来自专栏开发 & 算法杂谈
统计学习方法-提升方法
最近再看统计学习方法这本书第八章-提升方法，把书上以及网上的一些知识点归纳了一下，分享给和我一样在机器学习入门道路上的小伙伴~ 大多数提升算法包括由迭代使用弱学习分类器组成，并将其结果加入一个最终的成强学习分类器 详细可参考PPT 提升方法.pptx
76030发布于 2018-06-12 - 来自专栏闪电gogogo的专栏
《统计学习方法》笔记一 统计学习方法概论
统计学习 统计学习时关于计算机基于数据构建概率统计模型 并运用模型 对数据进行预测与分析。 统计学习的三要素： 方法 = 模型+策略+算法 统计学习由监督学习、非监督学习、半监督学习和强化学习等组成。 实现统计学习方法的具体步骤如下： （1）得到一个有限的训练数据集合； （2）确定包含所有可能的模型的假设空间，即学习模型的集合； （3）确定模型选择的准则，即学习的策略； （4）实现求解最优模型的算法， 即学习的算法； （5）通过学习方法选择最优模型； （6）利用学习的最优模型对数据进行预测或分析。 标注常用的统计学习方法有：隐马尔可夫模型、条件随机场。 回归问题 回归用于预测输入变量和输出变量之间的关系，回归模型表示从输入变量到输出变量之间映射的函数，回归问题的学习等价于函数拟合。
75420发布于 2018-10-11 - 来自专栏iOSDevLog
《统计学习方法》笔记-统计学习方法概论-1
统计学习的定义、研究对象与方法 监督学习，这是本书的主要内容 统计学习方法的三要素 模型 策略 算法 模型选择 正则化 交叉验证 学习的泛化能力 生成模型与判别模型 监督学习方法的应用 分类问题 4．统计学习的方法 统计学习的方法是基于数据构建统计模型从而对数据进行预测与分析。 统计学习方法为主，特别是 监督学习方法，主要包括用于分类、标注与回归问题的方法。 5．统计学习的研究 统计学习方法（statistical learning method） 开发新的学习方法 统计学习理论（statistical learning theory） 探求统计学习方法的有效性与效率 1.3 统计学习三要素 统计学习方法都是由模型、策略和算法构成的，即统计学习方法由 三要素 构成，可以简单地表示为 方法＝模型＋策略＋算法 下面论述监督学习中的统计学习三要素。
58340发布于 2019-05-31 - 来自专栏Helloted
Clang插件统计方法耗时
0、统计函数耗时原理 LLVM的优化和转换工作就需要通过PASS来进行，就像下面这种图，PASS就像流水线上的操作工一样对中间代码IR进行优化，每个PASS完成特定的优化工作。 方法结束时统计方法耗时，开始的时间记录作为参数 insert_return_inst(F, beginTime); return false; } 2、函数开始 SceneDelegate sceneDidBecomeActive:] 0 us -[SceneDelegate window] 0 us -[SceneDelegate window] 0 us 5、统计方法耗时的其他方案
1K30编辑于 2022-06-08 调和平均统计方法
调和平均（Harmonic Mean） 一种用于计算一组数值的平均值的统计方法，它特别适用于处理那些包含倒数关系或速率的情况。 计算方法如下： 首先计算每段路程所需的时间： 第一段时间：( ) 第二段时间： 总时间为： 总路程为： 平均速度为： 使用调和平均进行验证： 调和平均得出的结果同样为 40 调和平均与其他平均值的比较 算术平均 算术平均是最常见的平均值计算方法，适用于大多数一般情况。 结论 调和平均是一种强大的统计工具，特别适用于处理涉及速率、比率和倒数关系的数据。在不同的应用场景中，调和平均能够提供比算术平均和几何平均更有意义的结果。 希望这些详细的介绍和实例说明，能够帮助大家更好地理解和应用调和平均这一重要的统计方法。
13010编辑于 2025-08-29- 来自专栏hotarugaliの技术分享
统计学习方法
【注】学习笔记参考自《统计学习方法第二版》——李航。 1. 简介 统计学习方法由三要素构成，即：方法=模型+策略+算法。 2. 模型 统计学习首要考虑的问题是学习什么样的模型。
45420编辑于 2022-03-18 - 来自专栏刷题笔记
7-2 树种统计 (20 分)
本文链接：https://blog.csdn.net/shiliang97/article/details/102924532 7-2 树种统计 (20 分) 随着卫星成像技术的应用，自然资源研究机构可以识别每一棵树的种类 请编写程序帮助研究人员统计每种树的数量，计算每种树占总数的百分比。 输入格式: 输入首先给出正整数N（≤105），随后N行，每行给出卫星观测到的一棵树的种类名称。 就是因为是统计树所以出在在这个专题里面了？
1K10发布于 2019-11-07 - 来自专栏机器学习AI算法工程
统计学习方法概论
统计学习方法包括模型的假设空间、模型选择的准则以及模型学习的算法。 如果最优化问题有显示的解析解，这个最优化问题就比较简单，但通常这个解析解不存在，所以就需要利用数值计算的方法来求解。统计学习可以利用已有的最优化算法，也可以开发独自的最优化算法。 4. 如果数据不充足，可以采用交叉验证的方法来选择模型。 6. 泛化能力 ? 7.生成模型与判别模型 判别模型 该模型主要对p(y|x)建模，通过x来预测y。 许多统计方法可以用于分类，包括k近邻法、感知机、朴素贝叶斯法、决策树、决策列表、逻辑斯谛回归模型、支持向量机、提升方法、贝叶斯网络、神经网络、Winnow等。 标注常用的统计学习方法有：隐马尔科夫模型、条件随机场。 回归问题的学习等价于函数拟合：选择一条函数曲线使其很好的拟合已知数据且很好地预测未知数据。
82540发布于 2018-03-12 - 来自专栏闪电gogogo的专栏
《统计学习方法》笔记八 提升方法
本系列笔记内容参考来源为李航《统计学习方法》 参考： [转]Adaboost 算法的原理与推导 补充提升树内容 ? ? ? ? ? ? ?
54330发布于 2018-12-24 - 来自专栏机器学习/数据可视化
统计学习方法-Perceptron
感知机的算法是误分类驱动的，具体采用的是随机梯度下降法(stochastic gradient descent)，大致过程如下： 选取任意的超平面w_0,b_0 利用梯度下降方法去不断地极小化目标损失函数
35620发布于 2021-03-02 - 来自专栏程序那些事
Pandas高级教程之:统计方法
简介 数据分析中经常会用到很多统计类的方法，本文将会介绍Pandas中使用到的统计方法。 变动百分百 Series和DF都有一个pct_change() 方法用来计算数据变动的百分比。 这个方法在填充NaN值的时候特别有用。 0 NaN 1 -1.264716 2 4.125006 3 -1.159092 4 -0.091292 5 4.837752 6 -1.182146 7 s1.cov(s2) Out[7]: 0.0006801088174310875 同样的，DataFrame.cov() 会计算对应Series的协方差，也会忽略NaN的数据。 有三种相关系数的计算方法： 方法名 描述 pearson (default) 标准相关系数 kendall Kendall Tau相关系数 spearman 斯皮尔曼等级相关系数 n [15]: frame
58920发布于 2021-07-08 - 来自专栏散尽浮华
统计代码行数的方法梳理
在日常运维工作中，会碰到对一项项目下的代码行数进行统计的需求，下面对代码行数的统计方法进行梳理，以供参考。 1）最简单的是使用wc -l直接进行代码行数统计。 （wc的几个参数的解释：-c 统计字节数；-l 统计行数；-w统计字数） 1）统计当前目录下的index.php文件的行数 [root@huanqiu_web1 ~]# cat index.php |wc -l 17 2）统计web目录下，js文件数量： [root@huanqiu_web1 ~]# find web/ -name "*.js" |wc -l 3）统计web目录下所有js文件代码行数 ，但是它会将代码中的注释、空行所占用的文本行都统计在内。 https://fossies.org/linux/privat/cloc-1.64.tar.gz/cloc-1.64/cloc 百度云盘下载地址：https://pan.baidu.com/s/1o7B1vyq
3.3K70发布于 2018-01-23 - 来自专栏机器学习与统计学
统计学习方法：概述
这个系列是对李航写的《统计学习方法》的一个读书笔记。统计学习方法是我在机器学习领域的入门书籍。比起别的书这本相对简单一些。非常感谢李航的这本好书，把我带入了机器学习这个领域。 话又说回来，既然这是统计学习方法，那么我们就可以用概率来描述问题。这就牵扯到一些概率统计方面的知识了。学习统计学习方法要求读者有一定的概率思想。 方法 那么统计学习的方法指的是什么呢？ 这里所说的统计学习方法，不单单指某一个模型、某一个学习算法。这里的方法指的是一个机器学习解决方法。 对于统计学习方法李航先生有个很精炼的描述： 方法=模型+策略+算法 等式右边就是统计学习三要素。 可以说这直接就把统计学习方法抽象化了（有朝一日如果写个面向对象的统计学习方法包的话，可以考虑这个结构）。 模型 我们反复提到模型，模型到底是什么呢？
72720发布于 2019-04-10 - 来自专栏灿视学长
模式识别 —— 统计决策方法
今天我们开始复习下统计决策方法，其中主要还是针对贝叶斯公式。这里还是主要用我们的上课课件。
47420发布于 2021-10-12 - 来自专栏云时之间
《统计学习方法》笔记
1：统计学习方法概论 1.1：统计学习特点，统计学习是关于计算机基于数据构建概率统计模型并运用模型进行数据分析和预测的一门学科。 由于他们有统计规律性，所以可以有概率统计方法加以处理。 4：统计学习的方法 统计学习的方法是基于数据构建统计技术从而对数据进行预测和分步。统计学习是由监督学习，非监督学习，半监督学习和强化学习等组成，统计学习的三要素简称为：模型，策略，算法。 统计学习方法旨在开发新的学习方法；统计学习理论在研究于探求统计学习方法的有效性与效率，以及统计学习的基本理论问题；统计学习应用的研究主要考虑将统计学习方法应用于实际问题中，解决实际问题。 6：统计学习的重要性 1：统计学习是处理海量数据的有效方法 2：统计学习是计算机智能化的有效手段 3：统计学习是计算机科学发展的一个重要组成部分
73370发布于 2018-04-11
腾讯云开发者
