2017年12月6日
R-绘图03
摘要： 阅读全文
posted @ 2017-12-06 17:09 Groupe 阅读(95) 评论(0) 推荐(0)
R-绘图02
摘要： 阅读全文
posted @ 2017-12-06 17:08 Groupe 阅读(87) 评论(0) 推荐(0)
R-绘图01
摘要： 阅读全文
posted @ 2017-12-06 16:38 Groupe 阅读(132) 评论(0) 推荐(0)
2017年12月5日
R-数据处理
摘要： data.frame( ) 数据框创建mydata <- data.frame(col1,col2,col3,...，stringAsFactors=FALSE)其中col1，col2，col3，... 可为任何类型（如字符型、数值型或逻辑型 。不将字符型数据转为枚举类型mydata<-transf 阅读全文
posted @ 2017-12-05 11:40 Groupe 阅读(354) 评论(0) 推荐(0)
2016年9月22日
R语言-笔记
只有注册用户登录后才能阅读该文。 阅读全文
posted @ 2016-09-22 19:00 Groupe 阅读(2) 评论(0) 推荐(0)
2015年11月6日
利用python进行数据分析-08-第六章 数据加载、存储与文件格式
摘要： 1、读写文本格式的数据pandas提供了一些用于将表格型数据读取为DataFrame对象的函数。文件导入，使用read_csv将数据导入一个DataFramedf= pd.read_csv('B:/test/ch06/ex1.csv')dfOut[142]: a b c d mes... 阅读全文
posted @ 2015-11-06 18:17 Groupe 阅读(226) 评论(0) 推荐(0)
2015年11月5日
利用Python进行数据分析-07-汇总和计算描述统计
摘要： 1、sum函数df = pd.DataFrame([[1.4,np.nan],[7.1,-4.5],[np.nan,np.nan],[0.75,-1.3]],index = ['a','b','c','d'],columns = ['one','two'])dfOut[6]: one tw... 阅读全文
posted @ 2015-11-05 09:43 Groupe 阅读(1468) 评论(0) 推荐(0)
2015年11月4日
利用python进行数据分析-06-pandas-基本功能
摘要： 1、重新索引obj = pd.Series([4.5,7.2,-5.3,3.6],index = ['d','b','a','c'])objOut[41]: d 4.5b 7.2a -5.3c 3.6dtype: float64obj2 = obj.reindex(['a','... 阅读全文
posted @ 2015-11-04 18:28 Groupe 阅读(323) 评论(0) 推荐(0)
2015年11月3日
利用python进行数据分析-05-pandas基础
摘要： 1、Seriesseries是类似于一维数组的对象，它是由一组数据以及与之相关的数据标签（即索引）组成，仅由一组数据即可产生最简单的series：p=pd.Series([1,2,4,3])pOut[5]: 0 11 22 43 3dtype: int64p.valuesOu... 阅读全文
posted @ 2015-11-03 13:58 Groupe 阅读(201) 评论(0) 推荐(0)
2015年10月27日
利用python进行数据分析-04-numpy基础
摘要： 1、线性代数argmax（）函数y=f(x)，x0= argmax(f(x)) 的意思就是参数x0满足f(x0)为f(x)的最大值；换句话说就是 argmax(f(x))是使得 f(x)取得最大值所对应的变量x。any(x) 方法def any(iterable): for element in... 阅读全文
posted @ 2015-10-27 20:16 Groupe 阅读(356) 评论(0) 推荐(0)
下一页