老师 对多个属性求平均值和数量之后，如何使用sort_values进行排序

在ipynb文件中代码执行不报错，但是图形没有显示，是什么原因呢。我把render_notebook()改成render()也没有生成html文件

a="abcdef"
print(a[4:2:-1])

老师 这里为什么会输出“ed”而不是“edc”啊，这里步数不是-1吗

a=(a[::-])

老师 这里为什么会输出“ed”而不是“edc”啊，步数不是-1吗

老师 如何在通过筛选后的结果中显示对应数据的其他信息呢？比如在计算出某一电影评分的平均值和人数后，如何在同一张表格中显示对应的user_id和item_id 呢？

这里“等价于”中的“

sum = sum + na = a + "sxt"

”为什么不是sum = sum + na = na + "sxt"

t = Thread(target=home,args=(f"tom{i}",se))

args里要传哪些参数？

假设你使用的是Django框架和Python 3.6或更高版本。在Django的设置中，DIRS选项用于指定一个包含模板目录的列表。这里使用了BASE_DIR / 'templates'这种表达方式，这是Python 3.6及以后版本引入的路径操作符(/)的用法，它依赖于pathlib模块，使得路径的表达更为直观和方便。

这种表达方式正确地指定了模板目录的位置，假设BASE_DIR已经被正确地定义为你项目的根目录（这通常在Django项目的settings.py文件中完成）。BASE_DIR / 'templates'表达式会构造一个指向项目根目录下templates文件夹的路径。

"DIRS": [ BASE_DIR / 'templates'],

如果直接这样用呢？可以吗

为什么我的无法运行？

老师 通过merge进行数据合并完之后，存在user_id为2的数据，为什么不显示，直接跳过了呢？

import numpy as np
from sklearn import datasets
from sklearn.linear_model import LogisticRegression
from sklearn.metrics import confusion_matrix
from sklearn.model_selection import GridSearchCV
from sklearn.svm import SVC
import matplotlib.pyplot as plt

iris=datasets.load_iris()
# print(list(iris.keys()))
# print(iris['DESCR'])
# print(iris['feature_names'])
X=iris['data'][:,3:]
# print(X)
# print(iris['target'])
y=iris['target']
print(X)
print(y)

param_grid={'C':[1e3,5e3,1e4,5e4,1e5],
            'gamma':[0.0001,0.0005,0.001,0.005,0.01,0.1]}
model1=GridSearchCV(SVC(kernel='rbf',class_weight='balanced'),param_grid,cv=5)
model1=model1.fit(X,y)
model2=GridSearchCV(SVC(kernel='sigmoid',class_weight='balanced'),param_grid,cv=5)
model2=model2.fit(X,y)

test_labels=np.zeros(150)
test_labels[75:150]=1
result1=model1.predict(X)

test_labels=np.zeros(150)
test_labels[75:150]=1
result2=model2.predict(X)

print(confusion_matrix(test_labels,result1))
print(confusion_matrix(test_labels,result2))
model3=GridSearchCV(SVC(kernel='poly',class_weight='balanced'),param_grid,cv=5)
model3=model3.fit(X,y)

test_labels=np.zeros(150)
test_labels[75:150]=1
result3=model3.predict(X)
print(confusion_matrix(test_labels,result3))

model4=GridSearchCV(SVC(kernel='linear',class_weight='balanced'),param_grid,cv=5)
test_labels=np.zeros(150)
test_labels[75:150]=1
model4=model4.fit(X,y)
result4=model4.predict(X)
print(confusion_matrix(test_labels,result4))

改变四个核函数之后训练出来的模型为什么后面三个结果是一样的，这是巧合还是就是会出现这种情况

print(globals())

这里的globals()后面为什么加s

老师，在之前的学习中，axis=1不是代表的行吗？axis=0代表的是列

老师 axis=1 不是以横向进行删除吗