firstfu

# 高精度浮點數計算

#減
$disPrice = bcsub($numA, $numB, 2);

firstfu

import tensorflow as tf
import pandas as pd
import numpy as np
from scipy import stats
import itertools
import matplotlib.pylab as plt

# 白努力分配
size = 10000
p = 0.4

firstfu

import pandas as pd

dataDic = {
    'Weather': [
        'Sunny',
        'Overcast',
        'Rainy',
        'Sunny',
        'Sunny',
        'Overcast',

firstfu

from scipy import stats

# 常態分佈檢定
staRs = stats.shapiro(df2["正面統計"])
if staRs[1] > 0.05:
    print('為常態分佈')
else:
    print('不為常態分佈')

firstfu

df2.win_odds.unique()

firstfu

##評價模型數據(loss + acc)
model.evaluate(x_test, [yN1_test, yN2_test, yN3_test])

##取得評價模型返回值key
model.metrics_names

firstfu

##########################################
pandas的axis的理解: 用運算的方向理解
##########################################

axis=0 => 水平軸開始，延著垂直軸移動。
axis=1 => 垂直軸開始，延著水平軸移動。

firstfu

# 信號
import signal
import sys, os
import time
import requests

# ###########################################################################
# 常用信号类型
# SIGINT     终止进程     中断进程，不可通过signal.signal()捕捉(相当于Ctrl+C)
# SIGTERM    终止进程     软件终止信号，可通过signal.signal()捕捉(默认信号，当os.kill()没有指明信号类型时，默认的是该信号)

firstfu

# 變更欄位型態
df['allN'] = df['allN'].astype(np.str)
predicts['預測號碼1'] = predicts['預測號碼1'].astype(str)

firstfu

# 排序欄位值
df.sort_values('periods')

# 重新排序欄位順序
orderCol = ['ballDate', 'periods', 'ballN1', 'ballN2', 'ballN3', 'allN']
df = df[orderCol]