文章分类 - 机器/深度学习
sklearn.compose.ColumnTransformer的使用
摘要：参考链接： https://scikit-learn.org/stable/modules/generated/sklearn.compose.ColumnTransformer.html?highlight=columntransformer#sklearn.compose.ColumnTrans
对文本数据进行OneHot独热编码
摘要：参考链接： https://www.kaggle.com/code/jiumimi/exercise-categorical-variables/edit 独热编码不能用于的列中属性类别比较多的情况。 举个例子：某张表共有10000行row数据，其中某一列里有100个不同类别的属性。此时如果使用独热
pandas 提取列属性为数值型的列
摘要：参考链接：https://www.kaggle.com/code/alexisbcook/categorical-variables 1. drop_X_train = X_train.select_dtypes(exclude=['object']) s = (X_train.dtypes ==
pandas 如何获取有缺失值的列的列名
摘要：cols_with_missing = [col for col in X_train.columns if X_train[col].isnull().any()] 参考链接：https://www.kaggle.com/code/alexisbcook/missing-values
seaborn绘图（kaggle）
摘要：jupyter notebook绘图初始化代码 import pandas as pd pd.plotting.register_matplotlib_converters() import matplotlib.pyplot as plt %matplotlib inline import sea
pandas中 df['X']和df[['X']]的不同
摘要：样例数据 df = pd.DataFrame({'X': [1, 2, 7, 5, 10], 'Y': [4, 3, 8, 2, 9]}) [] df['X'] [[]] df[['X']] 相信通过观察它们的输出结果，你一定可以会猜测他们的数据类型不同的。 df['X']更像是pd.series类
