Background Image

Флудильня ,боровичная. ( Берегись Всяк Сюда Входящий, Не Модерируется )

Discussion in 'Russian' started by SHREDDER, Oct 18, 2013.

  1. XZASrus XZASrus Subordinate

    А, этот. Он вечно бомбит. То у него команда тупое стадо, то баланса нет.
  2. Не коллега.

    Обмазался ПТСР и синдромом одиночки сильно раньше даты получения паспорта, к доктору попал тока в 27 а до этого вёл себя плохо. Доктор кстати был не торт, но дать пинка в сторону процесса селфимпрувмента смог. ( плюс - год дешёвой наркоты по рецептам из аптеки тоже зашёл).

    Если хотите пойти на кандидатскую или защитить докторскую по фактическую материалу - попробуйте договорится со мной. По профессии я аналитик с IQ сильно > 100, сейчас переквалифицируюсь в дата скаениста от Python\IPython. Про ПТСР и процесс перетекания в синдром я знаю больше, чем вся медицина.

    Завтра в роботах патч, а ещё я смог вот в такое - в связи с чем намерен писать резюме в моём круге.

    import pandas as pd
    import matplotlib.pyplot as plt
    import seaborn as sns
    plt.rcParams['figure.figsize'] = (10, 8)
    import pandas as pd
    import numpy as pr
    data = pd.read_csv("J:/HiEnd/mlcourse_open-master/mlcourse_open-master/data/adult.data.csv")
    data.head() # возвращает первые 5 строк из файла - просто проверяем.
    print(data.shape) # возвращает (32561, 15) - 32561 строка в 15 столбцах
    print(data.columns) # возвращает название столбцов
    print(data.info()) # общая информация по дата фрейму
    data.describe() # общая стата по основным числовым характеристикам
    """ проведём сортировку датафрейма по числовм признакам, используем метод сортировки по убиванию ascending=False """
    data.sort_values(by="age", # сортировка по признаку Age
    ascending=False).head()
    data.sort_values(by="fnlwgt", # сортировка по признаку fnlwgt
    ascending=False).head()
    data.sort_values(by="education-num", # сортировка по признаку education-num
    ascending=False).head()
    data.sort_values(by="capital-gain", # сортировка по признаку capital-gain
    ascending=False).head()
    data.sort_values(by="capital-loss", # сортировка по признаку capital-loss
    ascending=False).head()
    data.sort_values(by="hours-per-week", # сортировка по признаку hours-per-week
    ascending=False).head()
    data.describe(include=['object', 'bool']) # возвращает статистику по нечисловым признакам
    """ проведём сортировку датафрейма по нечисловм признакам, используем метод сортировки по убиванию ascending=False """
    data.sort_values(by="workclass", # сортировка по признаку workclass
    ascending=False).head()
    data.sort_values(by="education", # сортировка по признаку education
    ascending=False).head()
    data.sort_values(by="marital-status", # сортировка по признаку marital-status
    ascending=False).head()
    data.sort_values(by="occupation", # сортировка по признаку occupation
    ascending=False).head()
    data.sort_values(by="relationship", # сортировка по признаку relationship
    ascending=False).head()
    data.sort_values(by="race", # сортировка по признаку race
    ascending=False).head()
    data.sort_values(by="sex", # сортировка по признаку sex
    ascending=False).head()
    data.sort_values(by="native-country", # сортировка по признаку native-country
    ascending=False).head()
    data.sort_values(by="salary", # сортировка по признаку salary
    ascending=False).head()
    """ посмотрим на распределение данных в отношении объектов датафрейма"""
    data['sex'].value_counts() # вывод чисел по признаку Sex
    data['workclass'].value_counts() # вывод чисел по признаку workclass
    data['education'].value_counts() # вывод чисел по признаку education
    data['marital-status'].value_counts() # вывод чисел по признаку marital-status
    data['occupation'].value_counts() # вывод чисел по признаку occupation
    data['relationship'].value_counts() # вывод чисел по признаку relationship
    data['race'].value_counts() # вывод чисел по признаку race
    data['native-country'].value_counts() # вывод чисел по признаку native-country
    data['salary'].value_counts() # вывод чисел по признаку salary
    """ посмотрим на распределение данных по числовым объектам """
    data['age'].value_counts() # вывод чисел по признаку age
    data['fnlwgt'].value_counts() # вывод чисел по признаку fnlwgt
    data['education-num'].value_counts() # вывод чисел по признаку education-num
    data['capital-gain'].value_counts() # вывод чисел по признаку capital-gain
    data['capital-loss'].value_counts() # вывод чисел по признаку capital-loss
    data['hours-per-week'].value_counts() # вывод чисел по признаку hours-per-week
    """ отсортируем столбцы датафрейма по группе столбцов 'sex', 'workclass - True == female, False == male"""
    data.sort_values(by=['sex', 'workclass'], # сортировка по группе столбцов в отношении Female
    ascending=[True, False]).head()
    data.sort_values(by=['sex', 'workclass'], # сортировка по группе столбцов в отношении Male
    ascending=[False, False]).head()
    """ процедура извлечения данных (индексации) из отдельных столбцов, рабоатет только с численными типами объектов """
    data['age'].mean() # средний возвраст 38.58164675532078
    data['fnlwgt'].mean() # 189778.36651208502
    data['education-num'].mean() # 10.0806793403151
    data['capital-gain'].mean() # 1077.6488437087312
    data['capital-loss'].mean() # 87.303829734959
    data['hours-per-week'].mean() # 40.437455852092995
    """ процедура извлечения логической индексации из отдельных столбцов, рабоатет только с НЕчисленными типами объектов """
    data['workclass'] = data['workclass'].astype('bool')
    data['workclass'] = data['workclass'].astype('int64')
    data[data['workclass'] == 1].mean()
    data[data['workclass'] == 0].mean()
    data['education'] = data['education'].astype('bool')
    data['education'] = data['education'].astype('int64')
    data[data['education'] == 1].mean()
    data[data['education'] == 0].mean()
    data['marital-status'] = data['marital-status'].astype('bool')
    data['marital-status'] = data['marital-status'].astype('int64')
    data[data['marital-status'] == 1].mean()
    data[data['marital-status'] == 0].mean()
    data['occupation'] = data['occupation'].astype('bool')
    data['occupation'] = data['occupation'].astype('int64')
    data[data['occupation'] == 1].mean()
    data[data['occupation'] == 0].mean()
    data['relationship'] = data['relationship'].astype('bool')
    data['relationship'] = data['relationship'].astype('int64')
    data[data['relationship'] == 1].mean()
    data[data['relationship'] == 0].mean()
    data['race'] = data['race'].astype('bool')
    data['race'] = data['race'].astype('int64')
    data[data['race'] == 1].mean()
    data[data['race'] == 0].mean()
    data['sex'] = data['sex'].astype('bool')
    data['sex'] = data['sex'].astype('int64')
    data[data['sex'] == 1].mean()
    data[data['sex'] == 0].mean()
    data['native-country'] = data['native-country'].astype('bool')
    data['native-country'] = data['native-country'].astype('int64')
    data[data['native-country'] == 1].mean()
    data[data['native-country'] == 0].mean()
    data['salary'] = data['salary'].astype('bool')
    data['salary'] = data['salary'].astype('int64')
    data[data['salary'] == 1].mean()
    data[data['salary'] == 0].mean()

    В следствии чего появляться на форуме я буду редко.

    Отвечая на ваш вопрос: "есть ли шанс" могу с уверенностью сказать - пока персонаж не заторможен и не зациклен на 100% шансы есть. Всё зависит от окружения. Человек может сам себя загнать в угл - но, шанс есть. Вы тоже "окружение" этого персонажа и вы тоже так или иначе ответственны за его будущие (как бы тупо это не звучало).

    В связи со своим временным отсутствием в конфе, связанным с патчем роботов и процессом трудоустройства - полагаюсь на вас в вопросе "не гнобить мальчика на автомате".

    #раз уж вы спалились по коллегиальной линии.

    Считайте, что в моём лице
    [​IMG]
    хаос возложил на вас миссию.
    Hitroy, Firskon and rbk2077 like this.
  3. nikel nikel Arkhona Vanguard

    Чет походу аимбот снова работает, ходили сборной солянкой WoK и CrB, на олипсисе против лоялов встретили какого-то sterling, ходил с болтером без стрейфа, роллов, ADAD, и стрелял только по головам, хоть пролетаешь над ним на скорости хавком, хоть сзади полетишь, еле вытянули игру, а уродец 65 фрагов набил.
  4. Он мне в еще одной попался. 55 за довольно короткую игру, минут 15, но я с пугами уже не вытянул это животное.
    Самое смешное оно же пришло в дискорд и клялось что без читов. Ну я отправил послание со скриншотычем и данными матча в сапорт. Будем посмотреть.
  5. Horus Firskon Subordinate

    Он и с античитом работал. У них вся система дырявая как сама жопа Натана.
  6. Horus Firskon Subordinate

    Собственно ответ с техподдерки по поводу животных с читами. Нихуя им не будет.
    Hi Horus,

    Thank you for writing in about this. We will investigate from here, and will follow up with you if we need any additional information.

    Our community moderators take these issues seriously, and we will take any necessary action.

    Please note, however, that for this same sense of import, we do not disclose any information about reported or banned players. This is necessary to keep things fair for all parties.

    For now, you can hold tab to bring up the scoreboard, then hold 'E' and select the name of the player, and you will see the vote/kick option at the bottom.

    Thank you for your help!

    The gaze of Alaitoc sees all,
    The Eternal Crusade Team

    Т.е. за мат бан без вопросов, а с читами играйте на здоровье. Блядский цирк.
  7. USSRxGrabli USSRxGrabli Arkhona Vanguard

    Я наверное везучий. Особо не замечал таких. От чоппы нет приёма. Хотя кто-то мне говорил мол и на мили чит есть. Короч побольше даки, побольше напалма и жжем их читерские пердаки.
    P.S. эх хочу огнемёт...
  8. Horus Firskon Subordinate

    Есть, баши не работают на таких.
  9. USSRxGrabli USSRxGrabli Arkhona Vanguard


    View: https://youtu.be/VnVv5G1F6xc
    Makrura, Nob and Firskon like this.
  10. Horus Firskon Subordinate

    Все же на муриканском сервере против эльдар играть невозможно, тут уже пинг сильно влияет на результат. Если против моряков ещё терпимо, то в эльфа тупо урон не проходит из-за его скорости. На евросерваке норм. На муриканском стенания и плач, хотя хуй знает чего им жаловаться, у них там инет быстрее намного, чем у нас.

Share This Page