随笔分类 - Python数据科学
摘要：假设一个data中其某列值是显示工作单位属性的，为了方便算法计算，需要将这些属性转换成数值替换。 通过pd.series.unique(）确认工作单位属性的个数 利于pandas方法转换 使作anywhere即可返回到值的索引。 将需要str类型的所有列全部转换 实现批量替换 第二种，利于sciki
阅读全文
摘要：训练需要一段时间，出现下图字样，则代表训练完成。 注意[2,4]为数据中不存在的数值，进行预测.
阅读全文
摘要：  ![](https://img
阅读全文
摘要：第一步：读取三个表数据（用户表、评分表、电影表） mnames=['MovieID','Title','Genres'] user_data = pd.read_table(r".\datas\movielens-1m\users.dat", sep='::', header=None, names
阅读全文
摘要：详见:https://www.cnblogs.com/Yanjy-OnlyOne/p/11195621.html
阅读全文
摘要：#时间戳格式改为YYYY-mm-DD hh:MM:ss df['pdate']=pd.to_datetime(df['Timestamp'],unit='s') #从日期中快速取出月份 df_group=df.groupby([df["pdate"].dt.month,"Rating"])["Use
阅读全文
摘要：上图是获取2018年每个月温度最高的2天数据。 另一种解题思路 要得到销售排名前3位的城市，先进行排序。 详细见https://www.sohu.com/a/344992003_165070
阅读全文
摘要：参考此文章:https://www.jianshu.com/p/e76861ed1815 写得很详细 map仅能传一下参数 map传入一个字典或一个函数都可。 apply可以传多个参数 apply注意asix值，asix=0，以列计算（按行扫数据），asix=1，以行计算（按列扫数据） applym
阅读全文
摘要：同样以股票数据为例 Series单层索引 ser=stocks.grougby('公司').['收盘'].mean（） 返回以公司为维度作为索引的平均值。（ser值的含义：A公司的股票收盘平均值，B公司的股票收盘平均值，...X公司的股票收盘平均值） Series的分层索引Mulitindex se
阅读全文
摘要：分组统计在实际应用中是非常多的。比如：对不同地区的销售量的统计，不同班级的分数统计，同一月份的统计等。比如查询每个月最高气温。 先通过分组groapby方法查出每个月的聚合数据，而且再利于agg进行max计算。 group_data=df.groupby('month').agg({'bWendy'
阅读全文
摘要：以天气为例 用agg传入一个字典，多个对比参数。比如天气的最大值，最小值，均值做比较。
阅读全文
摘要：df.append(df2，ignore_index=False),按行添加
阅读全文
摘要：Pandas的Merge相当于sql的join，将不同的表关联在一个表 #读取电影数据,sep为分割符 df_ratings=pd.read_csv(r'...\datas\movielens-1m\ratings.dat',sep='',engine='python',names='UserIDM
阅读全文
摘要：`#读取目标excel表,忽略前面2行 df=pd.read_excel(r'F:\人工智能_优学\Pandas-learn-code\pandas-learn-code\datas\student_excel\student_excel.xlsx',skiprows=2) #去掉所有为NaN的列,
阅读全文
摘要：1.汇总类统计 2.唯一去重和按值计数 3.相关系统和协方差
阅读全文
摘要：按数值、列表、区间、条件、函数五种方法。 Pandas查询数据的几种方法 1.df.loc(),根据行、列的标签值查询（推荐使用） 2.df.iloc（）,根据行、列的数值查询（不推荐使用） 3.df.where()方法 4.df.query（）方法 重点 Pandas使用df.loc查询数据的方法
阅读全文
摘要：一、创建pandas可识别的一维数据和二维数据、多维数据 pd.Series(list/dict) pd.DataFrame(list/dict,index,column) #传入array二维数组，index行索引，column列索引 直接读取csv、数据库数据、txt pd.date_range
阅读全文
摘要：numpy是用于处理矩阵运算非常好的工具。执行效率高，因为其底层是用的是C语句 #使用numpy,需要将数据转换成numpy能识别的矩阵格式。 基本用法: numpy.array(object, dtype = None, copy = True, order = None, subok = Fal
阅读全文
