老师，这个切面和以前的方法封装有什么区别呢

老师，没明白，也没看懂，哪里声明了，能详细点吗

老师，a1+1=4也在-128~127之间，为什么会报错

win7的3.9装不了 应该安装哪个呢？

# -*- coding: utf-8 -*-
"""
baseline 2: ad.csv (creativeID/adID/camgaignID/advertiserID/appID/appPlatform) + lr
"""

import zipfile
import pandas as pd
from scipy import sparse
from sklearn.preprocessing import OneHotEncoder
from sklearn.linear_model import LogisticRegression

# load data
data_root = "."
train = pd.read_csv("%s/train.csv"%data_root)
test = pd.read_csv("%s/test.csv"%data_root)
ad = pd.read_csv("%s/ad.csv"%data_root)

# process data
train = pd.merge(train, ad, on="creativeID")
test = pd.merge(test, ad, on="creativeID")
#获取类标号
y_train = train["label"].values

# feature engineering/encoding
enc = OneHotEncoder()
#对这些特征进行OneHot编码
feats = ["creativeID", "adID", "camgaignID", "advertiserID", "appID", "appPlatform"]
for i,feat in enumerate(feats):
    x_train = enc.fit_transform(train[feat].values.reshape(-1, 1))
    x_test = enc.transform(test[feat].values.reshape(-1, 1))
    if i == 0:
        X_train, X_test = x_train, x_test
    else:
        X_train, X_test = sparse.hstack((X_train, x_train)), sparse.hstack((X_test, x_test))

# model training
lr = LogisticRegression()
#训练模型
lr.fit(X_train, y_train)
#预测
proba_test = lr.predict_proba(X_test)[:,1]

# submission  写提交文件
df = pd.DataFrame({"instanceID": test["instanceID"].values, "proba": proba_test})
df.sort_values("instanceID", inplace=True)
df.to_csv("submission.csv", index=False)
with zipfile.ZipFile("submission.zip", "w") as fout:
    fout.write("submission.csv", compress_type=zipfile.ZIP_DEFLATED)

老师好，这是什么问题呀？

老师这什么问题，这个东西安装不了，但是oracle安装成功了到了第八步

老师请问类方法和实例方法有啥区别啊，不都是放在类对象里面的吗，实例方法可以被所有的实例对象所共享，但是我看视频说实例对象不能调类方法，那搞个类方法放在类对象里有什么用处？

老师，帮忙看看是哪里错了呢，找了好久都没有找到

为啥BigDecimal可以精确计算浮点型？？

remove之后为什么遍历还是会得到被移除的元素

老师EditPlus3这个软件可以给我下吗？

下图，Nginx监听的端口都是80，怎样识别不同的服务？

老师，新建用户的密码，必须和新建连接的密码一样么

找到了一种方法。

zq_top10['评分'].agg(['mean','count']).sort_values('mean',ascending=False).query('count>20').head(10).plot(kind = 'bar')