<?xml version="1.0" encoding="utf-8" ?><rss version="2.0"><channel><title><![CDATA[Harry_Stephen的博客]]></title><description><![CDATA[]]></description><link>https://blog.csdn.net/Harry_Stephen</link><language>zh-cn</language><generator>https://blog.csdn.net/</generator><copyright><![CDATA[Copyright &copy; Harry_Stephen]]></copyright><item><title><![CDATA[【import geatpy报错ValueError: numpy.ndarray size changed（已解决）】]]></title><link>https://blog.csdn.net/Harry_Stephen/article/details/142636884</link><guid>https://blog.csdn.net/Harry_Stephen/article/details/142636884</guid><author>Harry_Stephen</author><pubDate>Sun, 29 Sep 2024 16:02:04 +0800</pubDate><description><![CDATA[今天想装一个geatpy库，第一次安装发现报DLL错误，根据我多年的装库经验，立马就确定是python版本不支持导致的，遂登录pypi官网查看这个库的版本支持，果然，这个库目前最高只支持到。装好numpy1.21.0之后发现与matplotlib又冲突了，不过还好，pip给我提示了，要求的numpy版本不得小于1.23.1，遂重装。安装geatpy库的时候并不会自动安装好与其适配的numpy版本，只会检索内部的版本依赖，然后选择最新的版本进行安装。那这就没办法了，只能一点一点试了。]]></description><category></category></item><item><title><![CDATA[最新版py2neo访问子图中的所有节点时报错：TypeError: ‘SetView‘ object is not callable]]></title><link>https://blog.csdn.net/Harry_Stephen/article/details/123774608</link><guid>https://blog.csdn.net/Harry_Stephen/article/details/123774608</guid><author>Harry_Stephen</author><pubDate>Sun, 27 Mar 2022 15:50:17 +0800</pubDate><description><![CDATA[最近搞毕业设计，研究知识图谱，在学习python扩展库py2neo时遇到了一个问题，代码如下：
a=Node('Student',name='Alice')
b=Node('Student',name='Bob')
c=Node('Student',name='Carol')
r1=Relationship(a,'knows',b)
r2=Relationship(a,'work_with',c)
s = a | b | c | r1 | r2
print(s.nodes())

然后报错：TypeErro]]></description><category></category></item><item><title><![CDATA[数据可视化——鸢尾花数据集的分析与散点图的绘制]]></title><link>https://blog.csdn.net/Harry_Stephen/article/details/106696230</link><guid>https://blog.csdn.net/Harry_Stephen/article/details/106696230</guid><author>Harry_Stephen</author><pubDate>Thu, 11 Jun 2020 20:31:43 +0800</pubDate><description><![CDATA[**
数据可视化——鸢尾花数据集的分析及散点图的绘制
话不多说，直接上代码。
我们先来看一下鸢尾花数据集。


#读取鸢尾花卉数据集，绘制“花瓣长度”和“花瓣宽度”特征之间的散点图。
import numpy as np
import pandas as pd
from sklearn.cluster import KMeans#K-means算法
import matplotlib.pyplot as plt
plt.rcParams[‘font.sans-serif’]=[‘SimHei’]#用来正常显]]></description><category></category></item></channel></rss>