巴蜀秀才

摘要： 前述知识见二值变量间的相关性分析 dc系数，这里作者是用自己名字命名，也是区分度相关系数的一个缩写。 关于dc系数的表达式我们可以使用如下的表达式，该表达式要比第一个表达式更优。因为区分度d实际上是一个平方项，开发之后的sqrt(d)能更好的刻画区分度，所以dc系数为： 即我们用新的区分度sqrt( 阅读全文

摘要： 二值类别变量相关性分析 目前，在相关性分析领域，主要使用的技术指标有pearson相关系数、spearman相关系数、kendall相关系数。三者有一个共同的特点，它们都是通过两组数据的元素大小来刻画相关性，也即同增同减的性质。在分类、聚类领域中，为了弥补上述相关性的不足，科学家将距离、方向引入相关 阅读全文

摘要： 本题来自于牛客网，答案为自己训练出，仅供参考。牛客网链接：https://www.nowcoder.com/activity/oj 题目一： 查找最晚入职员工的所有信息 CREATE TABLE `employees` ( `emp_no` int(11) NOT NULL, `birth_date 阅读全文

摘要： 集群的启动：$HADOOP_HOME/sbin/start-all.sh jps检测进程： 单启动HDFS：$HADOOP_HOME/sbin/start-dfs.sh 单启动YARN：$HADOOP_HOME/sbin/start-yarn.sh 如果你的Hadoop一直有如下警告： 则请检查你的 阅读全文

摘要： seaborn官方文档：http://seaborn.pydata.org/api.html 绘制多变量的分布图 先绘制两个变量的分布图，其中X变量为分类变量，Y为数值变量。 运行结果： 注意：观察上图不难发现，带图默认是有抖动的，即 jitter=True 。下面用 swarmplot 绘制带分布 阅读全文

摘要： 观测两个变量之间的分布关系 最好用散点图 两个便量间的分布关系： 运行结果： 用 “类蜂窝” 结构展示数据的分布： 运行结果： 多维数据间的分布关系 运行结果： 绘制回归关系 regplot()和lmplot()都可以绘制回归关系,推荐regplot() 运行结果： 用DataFrame数据画图 用 阅读全文

摘要： 绘制数据的直方图及其概率密度曲线 这里可以使用 seaborn.displot() 来绘制，如果指定kde参数为False，就不会画概率密度曲线 运行结果： 下面展示没有概率密度曲线的直方图和用gamma拟合的概率密度曲线： 运行结果： 在一个画布上绘制多条曲线 运行结果： 我们可以恢复seabor 阅读全文

摘要： 绘制bar图，类似于直方图： 运行结果： 此时我们可以调整参数，让图更美观。 运行结果： 在很多时候，我们更希望这种图可以横着画，我们可以在画图的时候使用 ax.barh() 去画，其他命令一样。 效果如下：（这里是pycharm的效果，右边显示不完全） 绘制散点图 ax.scatter() 用来绘 阅读全文

摘要： 打开画布，传入x,y的值，可以简单的画出曲线图 运行结果： 画出来的图像简单，且单调。一般为了美观我们需要更多的参数指定。 对x轴的一些操作 如下案例： 运行结果： 添加横坐标标签和纵坐标标签，以及标题 运行结果： 在一个画布上花多个子图 运行结果： 此时，也许你会疑惑，我们想将坐标标识等示例画到第 阅读全文

摘要： 数据聚合(GroupBy) 输出结果： 令x = group.sum(), 则可以取值为： x.values x.values Out[20]: array([2.75, 1.3 , 0.56, 4.2 , 5.56]) 等级分组 输出结果： 组迭代 链式转换 输出结果： 阅读全文