dataWhale

datawhale的pandas学习 第六章连接

importnumpyasnpimportpandasaspd一、关系型连接1.连接的基本概念把两张相关的表按照某一个或某一组键连接起来是一种常见操作，例如学生期末考试各个科目的成绩表按照姓名和班级连接成总的成绩表，又例如对企业员工的各类信息表按照员工ID号进行连接汇总。由此可以看出，在关系型连接中，键是十分重要的，往往用on参数表示。另一个重要的要素是连接的形式。在pandas中的关系型连接函数
努力减肥的张师傅·2020-12-29 20:14

Datawhale组队学习(Pandas) task6-连接

第六章连接目录1.关系型连接1.1连接基本概念1.2值连接1.3索引连接2.方向连接2.1concat2.2序列与表的合并3.类连接操作3.1比较3.2组合Ex1：美国疫情数据集Ex2：实现join函数1.关系型连接1.1连接基本概念将两张相关的表按照某一个或某一组键连接起来，关键要素是键和连接形式，其中连接形式包含：左连接left：以左边的键为准，若右表中的键出现于左表，则将改键添加到左表。否则
mintminty·2020-12-29 19:37

pandas组队学习6:链接

第六章连接内容来源:datawhaleimportnumpyasnpimportpandasaspd一、关系型连接1.连接的基本概念把两张相关的表按照某一个或某一组键连接起来是一种常见操作，例如学生期末考试各个科目的成绩表按照姓名
胖虎艾春辉·2020-12-29 12:32

[SQL] Datawhale 学习笔记 Task06

练习⼀:各部⻔⼯资最⾼的员⼯（难度：中等）创建Employee表，包含所有员⼯信息，每个员⼯有其对应的Id,salary和departmentId。SELECTd.NameASDepartment,e.NameASEmployee,e.SalaryFROMEmployeeASeJOINDepartmentASdONe.DepartmentId=d.IdWHERE(e.DepartmentId,e.
半为花间酒·2020-12-29 00:43

Day6-SQL综合练习(Datawhale)

目录练习1：分组求和练习2：交换位置练习3：分数排名练习4：连续出现的数字练习5：树节点练习6：至少有五名直接下属的经理练习7：分数排名练习8：查询回答率最高的问题练习9：各部门前3高工资的员工练习10：平面上最近距离练习11：行程和用户练习1：分组求和各部门工资最高的员工（难度：中等)1.创建employee表，包含所有员工信息，每个员工有其对应的Id,Salary和DepartmentID。I
liying_tt·2020-12-28 02:24

第五章 变形

学习参考：https://github.com/datawhalechina/joyful-pandasEx1：美国非法药物数据集现有一份关于美国非法药物的数据集，其中SubstanceName,DrugReports
biohsliu·2020-12-27 23:31

Datawhale组队学习(Pandas) task5-变形

JoyfulPandas第五章变形练习1美国非法药物数据集我的思路#1.考察长表变宽表的知识点df=pd.read_csv('data/drugs.csv').sort_values(['State','COUNTY','SubstanceName'],ignore_index=True)df_pivot=df.pivot(index=['State','COUNTY','SubstanceNam
mintminty·2020-12-27 23:10

Pandas进阶伍 变形

Pandas进阶伍变形pandas进阶系列根据datawhale远昊大佬的joyfulpandas教程写一些自己的心得和补充，本文部分引用了原教程，并参考了《利用Python进行数据分析》、pandas
嫌疑人Y的执事·2020-12-27 23:05

Pandas学习-Task05

第五章变形Datawhale开源内容链接:https://datawhalechina.github.io/joyful-pandas/build/html/%E7%9B%AE%E5%BD%95/ch5
Lyndsey·2020-12-27 22:19

pandas学习task05变形

这是在datawhale学习小组学习pandas的第五章内容，变形，以下是学习笔记，仅供参考，不喜勿喷DataWhale参考：https://datawhalechina.github.io/joyful-pandas
埋在地里的小土豆·2020-12-27 22:59

datawhale task5变形

一、长宽表的变形什么是长表？什么是宽表？这个概念是对于某一个特征而言的。例如：一个表中把性别存储在某一个列中，那么它就是关于性别的长表；如果把性别作为列名，列中的元素是某一其他的相关特征数值，那么这个表是关于性别的宽表。下面的两张表就分别是关于性别的长表和宽表：importnumpyasnimportpandasaspdpd.DataFrame({'Gender':['F','F','M','M'
qq_40791906·2020-12-27 21:34

Day5-Python变形(DataWhale)

变形importnumpyasnpimportpandasaspd一、长表变宽表长表：一个表中把性别存储在某一个列中,它就是关于性别的长表宽表：把性别作为列名，列中的元素是某一其他的相关特征数值，这个表是关于性别的宽表#长表pd.DataFrame({'Gender':['F','F','M','M'],'Heigth':[163,160,175,180]})GenderHeigth0F1631F
liying_tt·2020-12-27 20:57

Flink Forward Asia 2020干货总结！

↑↑↑关注后"星标"Datawhale每日干货&每月组队学习，不错过Datawhale推荐作者：王峰、梅源，来源：Flink中文社区剩喜漫天飞玉蝶，不嫌幽谷阻黄莺。
Datawhale·2020-12-27 19:00

DataWhale_Pandas Task05 变形

第五章变形一、长宽表的变形什么是长表？什么是宽表？这个概念是对于某一个特征而言的。例如：一个表中把性别存储在某一个列中，那么它就是关于性别的长表；如果把性别作为列名，列中的元素是某一其他的相关特征数值，那么这个表是关于性别的宽表。下面的两张表就分别是关于性别的长表和宽表：In[3]:pd.DataFrame({'Gender':['F','F','M','M'],...:'Height':[163
那一夜见红·2020-12-27 16:33

CMU赵越 关于异常检测的分享！

↑↑↑关注后"星标"Datawhale每日干货&每月组队学习，不错过Datawhale干货作者：赵越，卡内基梅隆大学，Datawhale特邀作者信息知乎微调：https://www.zhihu.com/
Datawhale·2020-12-26 19:00

DataWhale组队学习之分组

参考datawhale:https://datawhalechina.github.io/joyful-pandas/build/html/%E7%9B%AE%E5%BD%95/ch4.html#id2In
YANJINING·2020-12-26 14:04

DataWhale组队学习之pandas预备知识：numpy,python基础

一、Python基础1.列表推导式与条件赋值在生成一个数字序列的时候，在Python中可以如下写出：事实上可以利用列表推导式进行写法上的简化：[*foriin*]。其中，第一个*为映射函数，其输入为后面i指代的内容，第二个*表示迭代的对象。列表表达式还支持多层嵌套，如下面的例子中第一个for为外层循环，第二个为内层循环：除了列表推导式，另一个实用的语法糖是带有if选择的条件赋值，其形式为value
YANJINING·2020-12-26 10:28

DataWhale组队学习之索引

参考datawhale:https://datawhalechina.github.io/joyful-pandas/build/html/%E7%9B%AE%E5%BD%95/ch3.htmlimportnumpyasnpimportpandasaspd
YANJINING·2020-12-26 10:10

第四章 分组

第四章分组学习参考：https://github.com/datawhalechina/joyful-pandasEx1：汽车数据集现有一份汽车数据集，其中Brand,Disp.,HP分别代表汽车品牌、
biohsliu·2020-12-25 21:19

Datawhale组队学习(Pandas) task4-分组

JoyfulPandas第四章分组练一练请根据上下四分位数分割，将体重分为high、normal、low三组，统计身高的均值。q1=df['Weight'].quantile(0.25)q2=df['Weight'].quantile(0.75)df['Weight']=df['Weight'].mask(df['Weight']=q2,'high')df.groupby('Weight')['H
mintminty·2020-12-25 20:27

Day4-Python分组(DataWhale)

分组importnumpyasnpimportpandasaspd一、分组模式及其对象1.分组的一般模式分组的三个要素：分组依据、数据来源、操作及其返回结果一般模式：df.group(分组依据)[数据来源].使用操作df=pd.read_csv('data/learn_pandas.csv')df.groupby('Gender')['Height'].mean()#按照性别统计身高的平均值Gen
liying_tt·2020-12-25 20:38

DAU是啥，数据指标是啥？必知必会的数据分析常识

↑↑↑关注后"星标"Datawhale每日干货&每月组队学习，不错过Datawhale干货作者：一只森林鹿Luluzeng来源：爱运营在刚迈入数据的大门时，我经常对一些数据指标或者数据本身的概念很模糊，
Datawhale·2020-12-23 19:00

Day3-Python索引(Datawhale)

一、索引器importnumpyasnpimportpandasaspd1.1表的索引列索引，通过[列名]实现：返回值为Series[列名组成的列表]：返回值为DataFrame.列名：取出单列并且列名不包含空格,等价于[列名]df=pd.read_csv('data/learn_pandas.csv',usecols=['School','Grade','Name','Gender','Weig
liying_tt·2020-12-22 23:18

第三章 索引

第三章索引文章目录第三章索引Ex1：公司员工数据集Ex2：巧克力数据集学习参考：https://github.com/datawhalechina/joyful-pandasimportnumpyasnpimportpandasaspdEx1
biohsliu·2020-12-22 23:08

【DataWhale数据可视化学习】文字图例尽眉目

DataWhale学习地址：http://datawhale.club/t/topic/543文字图例尽眉目Figure和Axes上的文本testtitle和set_titlefigtext和textsuptitlexlabel
轩轩是只胖企鹅·2020-12-22 21:51

DataWhale_Pandas Task03 索引

第三章索引一、索引器1.表的列索引列索引是最常见的索引形式，一般通过[]来实现。通过[列名]可以从DataFrame中取出相应的列，返回值为Series，例如从表中取出姓名一列：In[3]:df=pd.read_csv('data/learn_pandas.csv',...:usecols=['School','Grade','Name','Gender',...:'Weight','Transf
那一夜见红·2020-12-22 19:53

Day4-SQL集合运算(Datawhale)

目录SQL集合运算一、表的加减法1.1表的加法-UNION1.1.1UNION1.1.2UNIONALL1.1.3bag模型和set模型1.1.4隐式类型转换1.2MySQL不支持交运算INTERSECT1.3差集，补集与表的减法1.4对称差1.5助并集和差集实现交集运算二、连接(JOIN)1.内连接(INNERJOIN)2.自连接(SELFJOIN)3.自然连接(NATURALJOIN)2.4外
liying_tt·2020-12-22 10:18

CV目标检测 Task04:不讲武德-炼丹与品尝 终于，神功初成，可以开始施展拳脚了 打卡笔记-Datawhale

Task04:不讲武德-炼丹与品尝终于，神功初成，可以开始施展拳脚了前沿3.6、训练与测试3.6.1模型训练3.6.2后处理3.6.2.1目标框信息解码3.6.2.2NMS非极大值抑制3.6.2.3代码实现:对`detect_objects`逐行解释3.6.3单图预测推理为了使得思路更加清晰，不妨再看看`detect.py`3.6.4VOC测试集评测3.6.4.1介绍map指标3.6.4.2Tin
菊头蝙蝠·2020-12-21 22:40

Datawhale Pandas 打卡-第三章 索引

今天学习了第三章索引。我觉得比较有用的是loc函数与iloc函数的应用，我之前在做实验时经常用到这2个函数，今天终于系统地学习了下，感觉作者写的很好。相比于上一章，这一章的练习题难度要小很多了。Ex1题目使用loc的话，可以先分别筛选出年级小于等于40，工作部门是Dairy或Bakery性别是男性的员工，最后使用&连接即可。1此题我之前一直使用loc,一直报错不知为何，改成iloc就行了。23Ex
君恒_801f·2020-12-21 20:26

Day3-SQL视图、函数(Datawhale)

目录一、视图1.什么是视图2.视图和表的区别3.为什么存在视图4.如何创建视图4.1基于单表的视图4.2基于多表的视图5.修改视图结构6.更新视图内容7.删除视图二、子查询1.什么是子查询2.子查询与视图的关系3.嵌套子查询4.标量子查询5.关联子查询练习1三、函数1.算术函数2.字符串函数3.日期函数4.转换函数四、谓语五、CASE表达式1.不同分支得到不同列值2.实现列方向上的聚合3.实现行转
liying_tt·2020-12-20 21:11

python可视化 Task03

学习参考：https://github.com/datawhalechina/fantastic-matplotlib文章目录1.墨尔本1981年至1990年的每月温度情况2.画出数据的散点图和边际分布
biohsliu·2020-12-20 18:42

Pandas进阶贰 pandas基础

Pandas进阶贰pandas基础pandas进阶系列根据datawhale远昊大佬的joyfulpandas教程写一些自己的心得和补充，本文部分引用了原教程，并参考了《利用Python进行数据分析》、
嫌疑人Y的执事·2020-12-20 02:02

Pandas进阶贰 pandas基础

Pandas进阶贰pandas基础pandas进阶系列根据datawhale远昊大佬的joyfulpandas教程写一些自己的心得和补充，本文部分引用了原教程，并参考了《利用Python进行数据分析》、
嫌疑人Y的执事·2020-12-19 23:48

Day2-Python-Pandas基础(Datawhale)

1.Pandas基础importnumpyasnpimportpandasaspdprint("pandas的版本是：",pd.__version__)pandas的版本是：1.1.31.1文件的读取和保存1.1.1文件的读取1.1.1.1读取csv文件pd.read_csv()将数据放入目录下，会减少不必要的麻烦df_csv=pd.read_csv('data/my_csv.csv',heade
liying_tt·2020-12-19 23:53

DataWhale_Pandas Task02 Pandas基础

所用数据集下载可以在该项目的github地址：https://github.com/datawhalechina/joy
那一夜见红·2020-12-19 22:28

Datawhale Task02 pandas基础 打卡

小白表示收获很大。一次性摄入过多，练习题我缓缓再写。ps资料的编写者真的好厉害，膜拜。importnumpyasnpimportpandasaspdpd.__version__'1.1.5'2.1文件的读取和写入2.1.1文件读取df_csv=pd.read_csv(r'D:\Ajupyter\iris.csv',usecols=['Sepal_Length','Sepal_Width'],ind
伍岳凌·2020-12-19 15:27

CV目标检测 Task03: 化劲儿-损失函数设计 打卡笔记-Datawhale

Task03:化劲儿-损失函数设计前沿3.5损失函数3.5.1Matchingstrategy(匹配策略)：3.5.2损失函数3.5.3Hardnegativemining:3.5.4小结loss函数代码分析对MultiBoxLoss类分段解释前沿光知道模型的结构，以及模型最终会输出什么怎么够，你得懂得化劲儿，通过合理的设置损失函数和一些相关的训练技巧，让模型向着正确的方向学习，从而预测出我们想要
菊头蝙蝠·2020-12-19 13:15

Data Whale第20期组队学习 Pandas学习—变形

DataWhale第20期组队学习Pandas学习—变形一、长宽表的变形1.1pivot1.2pivot_table1.3melt1.4wide_to_long二、索引的变形2.1stack与unstack2.2
chutu2018·2020-12-19 10:05

双向lstm_【串讲总结】RNN、LSTM、GRU、ConvLSTM、ConvGRU、ST-LSTM

以下文章来源于AI蜗牛车，作者Che_Hongshu（Datawhale成员，东南大学硕士）https://zhuanlan.zhihu.com/p/148122328【串讲总结】RNN、LSTM、GRU
weixin_39591455·2020-12-17 19:16

CV目标检测 Task02: 练死劲儿-网络设计 打卡笔记-Datawhale

Task02:练死劲儿-网络设计3.3锚框or先验框3.3.1关于先验框3.3.2先验框的生成3.3.3小结3.4模型结构3.4.1VGG16作为backbone3.4.2分类头和回归头3.4.2.1边界框的编解码3.4.2.2分类头与回归头预测3.4.3小结蓝色部分为记录的笔记由于目标检测网络原理的复杂性，在正式的跑训练脚本愉快炼丹前，还有很多枯燥的概念需要学习。塔们说，这是练死劲儿，不好用，我
菊头蝙蝠·2020-12-17 13:28

Pandas进阶壹 巩固基础

Pandas进阶壹巩固基础pandas进阶系列根据datawhale远昊大佬的joyfulpandas教程写一些自己的心得和补充，本文部分引用了原教程，并参考了《利用Python进行数据分析》一、Python
嫌疑人Y的执事·2020-12-16 22:51

datawhale_pandas_task01

Python基础1.列表推导式与条件赋值L=[]defmy_func(x):return2*xforiinrange(5):L.append(my_func(i))L[0,2,4,6,8]列表表达式[映射函数foriin迭代的对象][my_func(i)foriinrange(5)][0,2,4,6,8][m+'_'+nformin['a','b']fornin['c','d']]['a_c','
J_caicaicai·2020-12-16 20:34

CV目标检测 Task01: 两个年轻人-目标检测基础和VOC数据集 打卡笔记-Datawhale

Task01:两个年轻人-目标检测基础和VOC数据集前言3.1、目标检测基本概念3.1.1什么是目标检测3.1.2目标检测的思路3.1.3目标框定义方式3.1.4交并比（IoU）3.1.5小结3.2目标检测数据集VOC3.2.2VOC数据集的dataloader的构建3.2.3小结对transform内函数解释前言蓝色部分为记录的笔记在task1中，我们需要学习两块内容：目标检测基本概念和目标检测
菊头蝙蝠·2020-12-16 20:53

Day1-Python-Numpy(Datawhale)

1.python基础1.1列表推导式与条件赋值1.1.1列表推导式L=[]#创建空列表defmy_func(x):#定义函数my_func()return2*xforiinrange(5):#for循环L.append(my_func(i))print(L)[0,2,4,6,8]使用列表推导式[functionforiinlist]function:映射函数,list：迭代的对象[my_func(
liying_tt·2020-12-16 19:35

Task01：预备知识

Task01：预备知识Ex1：利用列表推导式写矩阵乘法Ex2：更新矩阵Ex3：卡方统计量Ex4：改进矩阵计算的性能Ex5：连续整数的最大长度参考链接：https://datawhalechina.github.io
biohsliu·2020-12-16 01:51

Datawhale-数据类型、关键字、标识符

Go语言的空格Go语言中变量的声明必须使用空格隔开，如：varageint;语句中适当使用空格能让程序更易阅读。无空格：fruit=apples+oranges;在变量与运算符间加入空格，程序看起来更加美观，如：fruit=apples+oranges;Go语言按类别有以下几种数据类型：序号类型和描述1布尔型布尔型的值只可以是常量true或者false。一个简单的例子：varbbool=true。
迷糊小财迷·2020-12-15 23:25

大数据与AI的16个实践分享

↑↑↑关注后"星标"Datawhale每日干货&每月组队学习，不错过Datawhale活动主办方：DataFun，指导单位：北京智源研究院文章作者：HohXil出品平台：DataFunTalk导读：12.19
Datawhale·2020-12-15 19:49

WK 0-1 SQL renew start 2020-12-14

WK0:搭建SQLconfigurationfollow：http://datawhale.club/t/topic/478注意附件的install和lowcase的选择WK1：Basicinsights1.1
忘原_b2d5·2020-12-15 00:39

Datawhale Pandas 打卡-第一章 预备知识

今天是Pandas学习的第一天，学习的是预备知识，主要分为Python基础和NumPy基础。Python基础这一章教程介绍的大多我都已经掌握了，就没有细看。NumPy基础看了教程后学到了一些新知识，如下：合并操作：r_,c_（分别表示上下合并和左右合并）r_与c_操作.pngnp.ix_用法np.ix_操作练习Ex1：利用列表推导式写矩阵乘法这道题想了好久也没搞出来，最后还是看了答案才会了。Ex1
君恒_801f·2020-12-14 09:43

Pandas学习（一）——预备知识（Python基础NumPy基础）

第一次参加DataWhale的组队学习，哈哈哈，期待满满！1.1.1、语法糖两个比较实用的语法糖是列表（字典）推导式和条件赋值这个例子举得很好，把两个语法糖结合在一起展现了。我自己还尝试了一个。
JasmineFeng·2020-12-13 21:18
上一页 31 32 33 34 35 36 37 38 下一页
按字母分类： ABCDEFGHIJKLMNOPQRSTUVWXYZ其他