文章分类 - 数据分析
摘要：Matplotlib是高度可定制的，但快速实施出吸引人的细节就变得有些复杂。 Seaborn作为一个带着定制主题和高级界面控制的Matplotlib扩展包，能让绘图变得更轻松（是matplotlib的扩展,是在其基础之上的） matplotlib 绘图基本元素 seaborn 数据展示（自带分组技能
阅读全文
摘要：基本参数配置 import numpy as np import pandas as pd from pandas import Series, DataFrame import matplotlib.pyplot as plt # 如果浏览器不显示图片，就需要加上这句话 %matplotlib i
阅读全文
摘要：import numpy as np import pandas as pd from pandas import Series, DataFrame # 原始数据最基本的操作一定包括如下三步 # 1.空值的处理 # 2.重复值的处理 # 3.异常值的处理 # 一、重复值的处理 df1 = Data
阅读全文
摘要：pandas的拼接分为两种： 级联：pd.concat(), pd.append() 合并：pd.merge(),pd.join() 概述： pd.concat() objs:(df1,df2,df3...) axis:axis=0,1 join:"inner", "outer" 确定内连接还是外连
阅读全文
摘要：import numpy as np import pandas as pd from pandas import Series,DataFrame # 1.NaN是浮点类型 type(np.nan) # np.nan与任何数运算，仍为nan np.nan + 1 # 不用python的None原因
阅读全文
摘要：import numpy as np import pandas as pd from pandas import Series, DataFrame df1 = pd.read_excel("D:\Desktop\data.xlsx", header=[0,1], index_col=[0]) d
阅读全文
摘要：import numpy as np import pandas as pd from pandas import Series, DataFrame DataFrame结构： 列索引 列索引 列索引 列索引 行索引 value value value value 行索引 value value v
阅读全文
摘要：numpyarray提供了运算基础 pandas提供了业务逻辑的处理方法 Series, DataFrame # 导入数据分析三剑客（numpy、pandas、matplotlib） import numpy as np import pandas as pd from pandas import
阅读全文
摘要：import numpy as np # 一、索引 array1 = np.array([1,2,3,4,5]) array1[2] array2 = np.array([[1,2,3],[4,5,6]]) # 普通索引 array2[0][0] # 高级索引 array2[1,0] array3
阅读全文
摘要：·numpy默认ndarray的所有元素的类型是相同的 ·如果传进来的列表中包含不同的类型，则统一为同一类型，优先级：str>float>int import numpy as np # 创建数组 age = [10,11,12] array = np.array(age,dtype=np.floa
阅读全文
摘要：数据阶段 要使用的编译器 jupyter notebook 数据阶段： AI 初级 AI 体系： google alphago 深度学习框架 商业领域： 推荐系统 人脸识别 验证码识别 BI（数据分析）（偏运维） 工业领域： 智能驾驶 语义识别 情感分析 目标检测 (偏重算法开发) 研究生 博士 数
阅读全文
