上一页 1 2 3 4 5 6 7 ··· 12 下一页
2019年11月13日
标题
摘要： ``` /*标题h1 h2 h3样式*/ #cnblogs_post_body { color: black; font: 0.875em/1.5em"微软雅黑", "PTSans", "Arial", sans-serif; font-size: 15px; } #cnblogs_post_body h1 { background: #d27ea2; border-radius: 6px 6px 阅读全文
posted @ 2019-11-13 20:45 太虚真人 阅读(116) 评论(0) 推荐(0) 编辑
项目知识点
摘要： 项目一: 数据库索引： 索引设计规则： 1. App上方提示 2. 数据实时数据：事务 事务的四个属性：ACID原子性，一致性，隔离性，持久性 原子性（Atomicity）：事务作为一个整体被执行，包含在其中的对数据库的操作要么全部被执行，要么都不执行。 一致性（Consistency）：事务应确保 阅读全文
posted @ 2019-11-13 20:40 太虚真人 阅读(286) 评论(0) 推荐(0) 编辑
2019年11月6日
pandas一些其他函数
摘要： df.sort_index() df.idxmax(0) 最大值的索引，参数有轴 df.cumsum() 累和 s.unique() 不重复的所有的值 s.nunique() 不重复的值得数量 s.drop_duplicates() 去重 df.groupby(["key1","key2"]).si 阅读全文
posted @ 2019-11-06 15:05 太虚真人 阅读(141) 评论(0) 推荐(0) 编辑
Pandas中的map(), apply()和applymap()
摘要： 它们的区别在于应用的对象不同。 1、map（） map() 是一个Series的函数，DataFrame结构中没有map()。map()将一个自定义函数应用于Series结构中的每个元素(elements)。 例子： 我们现在用map来对列data1改成保留小数点后三位: 你也可以用map把key1 阅读全文
posted @ 2019-11-06 11:43 太虚真人 阅读(1545) 评论(0) 推荐(0) 编辑
2019年10月30日
Pandas速查手册中文版
摘要： 本文翻译自文章： "Pandas Cheat Sheet Python for Data Science" ，同时添加了部分注解。 "pandas官方文档" "十分钟入门Pandas" 关键缩写和包导入 在这个速查手册中，我们使用如下缩写： df：任意的Pandas DataFrame对象 s：任意 阅读全文
posted @ 2019-10-30 18:30 太虚真人 阅读(4072) 评论(0) 推荐(0) 编辑
2019年9月15日
点线
摘要： 侧边栏 阅读全文
posted @ 2019-09-15 11:29 太虚真人 阅读(343) 评论(0) 推荐(0) 编辑
2019年9月10日
Pandas分组与聚合·
摘要： DataFrame.groupby(key, as_index=False) key:分组的列数据，可以多个 案例:不同颜色的不同笔的价格数据 阅读全文
posted @ 2019-09-10 16:24 太虚真人 阅读(1559) 评论(0) 推荐(0) 编辑
2019年9月9日
12306抢票
摘要： 12306 项目传送门： py12306 项目传送门 阅读全文
posted @ 2019-09-09 21:33 太虚真人 阅读(140) 评论(0) 推荐(0) 编辑
交叉表与透视变
摘要： 交叉表与透视表什么作用 分析两个离散值值间得相关性 探究股票的涨跌与星期几有关？ 以下图当中表示，week代表星期几，1,0代表这一天股票的涨跌幅是好还是坏，里面的数据代表比例 可以理解为所有时间为星期一等等的数据当中涨跌幅好坏的比例 使用crosstab(交叉表)实现上图 交叉表： 用于计算一列数 阅读全文
posted @ 2019-09-09 20:52 太虚真人 阅读(382) 评论(0) 推荐(0) 编辑
Pandas合并
摘要： pd.concat实现数据合并 pd.concat([data1, data2], axis=1) 按照行或列进行合并axis=0为列索引，axis=1为行索引 pd.merge pd.merge(left, right, how='inner', on=None, left_on=None, ri 阅读全文
posted @ 2019-09-09 20:11 太虚真人 阅读(562) 评论(0) 推荐(0) 编辑
one-hot编码/哑编码/独热编码
摘要： one hot编码 把每个类别生成一个布尔列，这些列中只有一列可以为这个样本取值为1.其又被称为独热编码。 把下图中左边的表格转化为使用右边形式进行表示： 要把类别变成可用于数值计算的值 加入非线性 距离信息得到很好的转换 距离相等 pandas.get_dummies(data, prefix=N 阅读全文
posted @ 2019-09-09 19:56 太虚真人 阅读(407) 评论(0) 推荐(0) 编辑
Pandas数据离散化
摘要： 为什么要离散化 连续属性离散化的目的是为了简化数据结构，数据离散化技术可以用来减少给定连续属性值的个数。离散化方法经常作为数据挖掘的工具 扔掉一些信息,可以让模型更健壮,泛化能力更强 什么是数据的离散化 连续属性的离散化就是在连续属性的值域上，将值域划分为若干个离散的区间，最后用不同的符号或整数 值 阅读全文
posted @ 2019-09-09 19:22 太虚真人 阅读(1033) 评论(0) 推荐(0) 编辑
Pandas缺失值处理
摘要： 判断数据是否为NaN： 判断缺失值是否存在 处理方式： 存在缺失值nan,并且是np.nan: 1、删除缺失值:dropna(axis='rows') 注：不会修改原数据，需要接受返回值 2、替换缺失值:fillna(value, inplace=True) value:替换成的值 inplace: 阅读全文
posted @ 2019-09-09 18:44 太虚真人 阅读(343) 评论(0) 推荐(0) 编辑
2019年9月8日
文件读取与存储
摘要： pandas的API支持众多的文件格式，如CSV、SQL、XLS、JSON、HDF5。 CSV pandas.read_csv(filepath_or_buffer, sep =',' ) filepath_or_buffer:文件路径 usecols:指定读取的列名，列表形式 sep 分割字符 默 阅读全文
posted @ 2019-09-08 21:46 太虚真人 阅读(460) 评论(0) 推荐(0) 编辑
DataFrame运算
摘要： 算术运算 加法—series对象.add(值) 减法—series对象.sub(值/对象) 逻辑运算符号、|、 & 1. 逻辑运算符号、|、 &—等价于sql中的where语句 等价于numpy的逻辑运算 返回的是布尔类型的对象(series/df) 2. 逻辑运算函数 df.query()—相当于 阅读全文
posted @ 2019-09-08 21:43 太虚真人 阅读(1765) 评论(0) 推荐(0) 编辑
上一页 1 2 3 4 5 6 7 ··· 12 下一页