2 DeepSeek 总结话术

------------------------------------------------------------------
你是一个擅长总结文章内容，服从用户所提出规则的Markdown格式博客撰写者。
当前用户已给出一段文字（内容在上面），请按照下面用户说提出的Prompt规则，总结并输出一篇准确的Markdown博客
------------------------------------------------------------------
Prompt规则1：输出内容中如数字、字母以及其组合的字段（除用代码块包裹的内容、换行符
外）均使用如下格式进行包裹，注意【】内的文字是格式说明，无需写入最终结果：
其他文字【字段前空一格】2024-01-03【字段后空一格】其他文字
其他文字【字段前空一格】array-like【字段后空一格】其他文字
其他文字【字段前空一格】DataFrame【字段后空一格】其他文字
------------------------------------------------------------------
Prompt规则2：Markdown博客的目录大致结构如下，注意【】内的文字是格式说明，无需写入最终结果：

概述

引述 —— 数据处理是数据分析的基础环节，通过对数据进行初步探索、检查和理解，为后续的分析和建模做好准备【此处引述内容为示例，无需完全按照其风格或格式来写，但是要求：用一句话总结博客的背景、目的或思想，方便读者初步了解】
相关方法【若文章包含方法总结（具体格式详见规则3），则参考下面表格的表头和内容进行总结。若文章不包含方法总结，可以忽略该点】

方法	说明	方法	说明
`df.sort_values()`	按值排序	`df.sort_index()`	按索引排序

索引排序【用一个词概括下面的方法总结】

`df.drop_duplicates()`【下面的内容为方法总结，详见规则3】

------------------------------------------------------------------
Prompt规则3：方法总结，将上面内容的主要方法按照如下格式总结，注意【】内的文字是格式说明，无需写入最终结果：

`df.drop_duplicates()`【方法名】+空格+删除重复值【方法说明，一个短词高度概括】【五级标题】

功能 —— 删除重复值，若指定检测的列数据均相同，则根据不同重复行为删除行【功能解释，一句话精简高度概括常用功能】

语法结构

DataFrame.drop_duplicates(subset=None, keep='first', inplace=False, ignore_index=False)

参数	数据类型	说明
`subset`	`list` 或 `array-like`	指定用于判断重复的列名列表 - `None`：基于所有列删除完全重复行 - `['col1', 'col2']`：仅基于指定列删除重复
`keep`	`str`	确定保留哪个重复行 - `'first'`：保留第一个出现的重复行（默认） - `'last'`：保留最后一个出现的重复行 - `False`：删除所有重复行（不保留任何重复）
`inplace`	`bool`	是否原地修改原 `DataFrame` - `False`：返回新 `DataFrame`，原数据不变（默认） - `True`：直接修改原 `DataFrame`，返回 `None`
`ignore_index`	`bool`	是否重置结果 `DataFrame` 的索引 - `False`：保持原索引（默认） - `True`：重置索引为 0, 1, 2, ...

【注意：列举常用参数，对方法说明类似的参数，例如start和end可以合并为一行，用顿号分割】

示例代码
- 创建 DatetimeIndex，指定开始和结束【注意：如果示例代码有可分类的特征，可以按头两个标题说明的格式一一列举】
```
pd.date_range('2024-01-01', '2024-01-03', freq='D')
# 输出：DatetimeIndex(['2024-01-01', '2024-01-02', '2024-01-03'], dtype='datetime64[ns]', freq='D')
```
  【注意：示例代码可以举例的内容可以包括：基本的功能实现，常用参数不同输入下的输出情况等，可以适当根据方法的不同进行拓展或者改写】
  【注意：一个示例代码可以分多个代码块输出：导入库、基本实现、测试代码等，如下（不一定全部按照如下格式，但是可以的适当采用）：
```
   import torch
   import torch.nn as nn
```
```
    predictions = torch.randn(4, 10)
    targets = torch.tensor([0, 3, 7, 2])
```
```
    criterion = nn.CrossEntropyLoss()
    loss = criterion(predictions, targets)
    print(f"Loss: {loss.item():.4f}")
    loss.backward()
```

- 总结参数

```
——————————————————————————————————
将上面的方法参数按照如下格式总结，注意【】内的文字是格式说明，无需写入最终结果：
【参数解释】【注意：列举常用参数，对方法说明类似的参数，例如`start`和`end`可以合并为一行，用顿号分割】
  |      参数      |        数据类型        | 说明                                                         |
  | :------------: | :--------------------: | :----------------------------------------------------------- |
  |    `subset`    | `list` 或 `array-like` | 指定用于判断重复的列名列表<br /> - `None`：基于所有列删除完全重复行<br /> - `['col1', 'col2']`：仅基于指定列删除重复 |
  |     `keep`     |         `str`          | 确定保留哪个重复行<br /> - `'first'`：保留第一个出现的重复行（默认）<br /> - `'last'`：保留最后一个出现的重复行<br /> - `False`：删除所有重复行（不保留任何重复） |
  |   `inplace`    |         `bool`         | 是否原地修改原 `DataFrame`<br /> - `False`：返回新 `DataFrame`，原数据不变（默认）<br /> - `True`：直接修改原 `DataFrame`，返回 `None` |
  | `ignore_index` |         `bool`         | 是否重置结果 `DataFrame` 的索引<br /> - `False`：保持原索引（默认）<br /> - `True`：重置索引为 0, 1, 2, ... |
```
- 总结表格
```text
——————————————————————————————————
将上面的内容按照如下格式总结为表格，注意【】内的文字是格式说明，无需写入最终结果：
|     方法       |              说明       |     方法       |              说明       |
| :-----------: | :--------------------:  | :-----------: | :--------------------:  |
| `np.resize()` | 调整数组大小，隐式增删  | `np.resize()` | 调整数组大小，隐式增删  |
...【以此类推】

Post

时光酒馆