kris12

2018年9月29日

Python图表数据可视化Seaborn：3. 线性关系数据| 时间线图表| 热图

摘要： 1. 线性关系数据可视化 lmplot( ) 2. 时间线图表 sns. tsplot( ) 一个变量里边有10个变量，每个变量里边有31个观测值 10个变量，做了一个均值的估计，其他31个维度代表它的变化程度。 3.热图 sns.heatmap（）阅读全文

posted @ 2018-09-29 00:37 kris12 阅读(4658) 评论(0) 推荐(0) 编辑

摘要： 1. 分类数据可视化 - 分类散点图 stripplot( ) / swarmplot( ) 1.1 stripplot（） hue参数可再分类 1.2 swarmplot（）分簇散点图 2. 分类数据可视化 - 分布图 boxplot( ) / violinplot( ) / lvplot( ) 阅读全文

posted @ 2018-09-29 00:34 kris12 阅读(13097) 评论(2) 推荐(2) 编辑

Python图表数据可视化Seaborn：1. 风格| 分布数据可视化-直方图| 密度图| 散点图

摘要： conda install seaborn 是安装到jupyter那个环境的 1. 整体风格设置对图表整体颜色、比例等进行风格设置，包括颜色色板等调用系统风格进行数据可视化 set() / set_style() / axes_style() / despine() / set_context() 阅读全文

posted @ 2018-09-29 00:14 kris12 阅读(11064) 评论(0) 推荐(0) 编辑

2018年9月24日

socketserver模块

摘要： server.py（）多高并发的： client.py socker_server.py 这里ThreadingTCPServer是基于TCP，也有基于UDP的ThreadingUDPServer >>>多线程并发 ForkingTCPServer >>> 多进程并发的，创建的是多进程而不是多线阅读全文

posted @ 2018-09-24 19:27 kris12 阅读(241) 评论(0) 推荐(0) 编辑

练习|Django-多表

摘要： models.py urls.py 在settings里边 views.py addbook.html（添加书籍） book.html（查看书籍） editbook.html（编辑书籍）阅读全文

posted @ 2018-09-24 17:42 kris12 阅读(269) 评论(0) 推荐(0) 编辑

2018年9月19日

数学模型：4. 随机算法| 蒙特卡罗算法

摘要：随机算法 1. 蒙特卡罗模拟蒙特卡罗（Monte Carlo）方法，又称随机抽样或统计试验方法，是以概率和统计理论方法为基础的一种计算方法使用随机数（或更常见的伪随机数）来解决很多计算问题的方法。将所求解的问题同一定的概率模型相联系，用电子计算机实现统计模拟或抽样，以获得问题的近似解。 ① π的计阅读全文

posted @ 2018-09-19 23:09 kris12 阅读(3239) 评论(0) 推荐(0) 编辑

K最近邻(KNN)算法

摘要： 1. knn概述分类是大数据常见的应用场景之一，通过对历史数据规律的统计，将大量数据进行分类然后发现数据之间的关系，这样当有新的数据进来时，计算机就可以利用这个关系自动进行分类了。更进一步讲，如果这个分类结果在将来才被证实，比如一场比赛的胜负、一次选举的结果，那么在旁观者看来，就是在利用大数据进阅读全文

posted @ 2018-09-19 22:43 kris12 阅读(2267) 评论(0) 推荐(0) 编辑

2018年9月18日

数据处理：2.异常值处理 & 数据归一化 & 数据连续属性离散化

摘要： 1.异常值分析异常值是指样本中的个别值，其数值明显偏离其余的观测值。异常值也称离群点，异常值的分析也称为离群点的分析。异常值分析 → 3σ原则 / 箱型图分析异常值处理方法 → 删除 / 修正填补 1.1 3σ原则 / 箱型图分析 1.2箱型图分析 2. 数据归一化数据归一化/ 标准化数据的阅读全文

posted @ 2018-09-18 23:11 kris12 阅读(7371) 评论(0) 推荐(0) 编辑

数据处理：1.缺失值处理

摘要：缺失值处理数据缺失主要包括记录缺失和字段信息缺失等情况，其对数据分析会有较大影响，导致结果不确定性更加显著缺失值的处理：删除记录 / 数据插补 / 不处理 1.判断是否有缺失数据 import numpy as np import pandas as pd import matplotlib.p 阅读全文

posted @ 2018-09-18 22:37 kris12 阅读(4057) 评论(0) 推荐(1) 编辑

2018年9月17日

数据特征分析：5.相关性分析

摘要：相关性分析散点图矩阵初判多变量间关系，两两数据之间的，比如说4个数据ABCD，就有12个比较，第一个参数和第二个参数，第一个参数和第三个参数，.......这个图就是正态分布的几个参数，就没有任何的相关性（2）散点图矩阵初判多变量间关系 2.Pearson相关系数（皮尔逊相关系数）建立在正态分阅读全文

posted @ 2018-09-17 22:28 kris12 阅读(31127) 评论(0) 推荐(1) 编辑

Self-discipline gives me freedom.

公告