通过A股API接口爬取19年股票买卖信息，包括开盘收盘最高最低等指标，并利用python对其进行数据可视化，进行股票技术分析。
可视化内容包括了k线图、均线图、MACD、RSI、和相关系数。
用到的库有numpy、matplotlib、pandas、tushare、mplfinance、talib

ReadMeReleaseVersionbeta_1.0index.pyimageMatlab.pyThisismoreorlessawrapperforMatplotlibimagingfunctionssuchthattheirbehaviorisequivalent,intermsofcolormap,aspectandsoforth,totheexpectedbehaviorofMatlab'sfunctions.sepVocal.pyThisscriptcanbeusedtoexecutethedesiredseparation.Seebelowforanexampleofuseofthisfile.SIMM.pyThisscriptimplementstheactualalgorithmforparameterestimation.ItismainlyusedbysepVocal.py.tracking.pyTheViterbidecodingalgorithmisimplementedinthisscript.Requirements:ThesescriptshavebeentestedwithPython2.7,Thepackagesthatarerequiredtorunthescriptsarepydub,ffmepg,Numpy,Spicy,Matplotlib.Onecanrespectivelyfindthelatestversionsatthefollowingaddresses:http://pydub.com/https://ffmpeg.orghttp://numpy.org/http://scipy.org/http://matplotlib.sourceforge.net/Notes:Preferrecentversionsoftheabovepackages,inordertoavoidcompatibilityissues,notablyforMatplotlib.Notethatthislatterpackageisnotnecessaryfortheprogramtorun,althoughyoumightwanttowatchabitwhatishappening!Spicyshouldbeversion0.8+,sinceweuseitsio.wavefilemoduletoreadthewavefiles.Weonceusedtheaudiolabmodule,butitwouldseemthatitisabitmorecomplicatedtoinstall(withthebenefitthatmanymorefileformatsareallowed).Usage:Theeasywaytousethesescriptsistoruntheexecpackageofourreleaseversion:http://www.github.com/beata_1.0formoredevelop:youcanruntheindex.pyonpycharmdirectly.note:theoutputfileswillcreateunderyousourcewavfile.ContactMeEmail:xlzhang14@fudan.edu.cn

2017年只要题目，2018年有题目和代码。
环境需要:python+pyQt5+numpy+matplotlib编辑器使用pycharm

序言1.1大数据时代的技术挑战1.2数据可视化的技术难点1.3可视化工具的必备特性第一部分：大数据可视化基础篇2.1集群的安装及网络配置2.1.1Hadoop集群概述2.1.2集群软件及其版本2.1.3集群网络环境配置2.2集群案例数据集简介2.2.1数据字段说明2.2.2数据导入说明2.2.3运转环境说明

支持向量机的相关经典案例，里面包含线性核函数和非线性核函数，另外还有实例：支持向量机手写数字识别；
内含测试集训练集、代码源文件及正文，可直接运行（需安装numpy和matplotlib）

本例代码使用了Python的PyQt5、matplotlib和Dataframe画图，并在图中添加了一条随鼠标移动的虚线，之后经过计算在画图的线上标注出了鼠标在当时x轴停留时的数据，本例只是一个简单的例子，本人可以根据功能修改

python实现扫描线填充算法，运用matplotlib模块将绘制的图形保存并画出来，可以画凹多边形

高斯牛顿.datasets.py-非线性回归问题。
gaussnewton.py简单的非线性最小二乘问题求解器。
graph.py图形生成脚本。
img/-由graph.py生成的graph.py。
要求Python2.7NumPy意味Matplotlib

注：数据集太大，可在压缩包中的数据集html页面中点击链接下载完整数据集。
本项目采用ASSISTments2012数据集，在所有数据集中，问题通常只有一种技能，但极少数可能与两种或三种技能相关联。
它通常取决于内容创建者给出的结构。
一些研究人员通过复制将具有多种技能的记录分成多个单一技能记录。
Wilson[6]声称这种类型的数据处理可以人为地显著提高预测结果，因为这些重复行可以占到DKT模型的Assistment09数据集中大约25%的记录。
因此，为了比较的公正性，我们在所有数据集中去掉了重复和多技能重复记录。
本项目基于pandas+Matplotlib+seaborn等工具包对学生的测试数据进行可视化统计分析，并利用学生2012年和2013年上半年不同类型题目的测试结果数据，构建机器学习面向，实现对学生的画像建模，以此预测2013年下半年测试对不同类型问题的表现。
可以看出，该决策树模型的预测结果如下，可以较好的依据用户测试的行为数据（测试过的试题种类、测试时间、犹豫情况、提示次数等等），预测该学生能否能考试达标（测试准确率＞60%）

在日常工作中，钉钉打卡成了我生活中不可或缺的一部分。然而，有时候这个看似简单的任务却给我带来了不少烦恼。 每天早晚，我总是得牢记打开钉钉应用，点击"工作台"，再找到"考勤打卡"进行签到。有时候因为工作忙碌，会忘记打卡，导致考勤异常，影响当月的工作评价。而且，由于我使用的是苹果手机，有时候系统更新后，钉钉的某些功能会出现异常，使得打卡变得更加麻烦。 另外，我的家人使用的是安卓手机，他们也经常抱怨钉钉打卡的繁琐。尤其是对于那些不太熟悉手机操作的长辈来说，每次打卡都是一次挑战。他们总是担心自己会操作失误，导致打卡失败。 为了解决这些烦恼，我开始思考是否可以通过编写一个全自动化脚本来实现钉钉打卡。经过一段时间的摸索和学习，我终于成功编写出了一个适用于苹果和安卓系统的钉钉打卡脚本。