python数据分析常用模块

python数据分析、挖掘与可视化 慕课答案_Python数据分析、挖掘与可视化(慕课版)...

第1章Python开发环境的搭建与编码规范1n1．1Python开发环境的搭建与使用1n1．1．1IDLE2n1．1．2Anaconda33n1．1．3安装扩展库4n1．2Python编码规范5n1．3标准库、扩展库对象的n导入与使用7n1．3．1import模块名[as别名]7n1．3．2from模块名importn对象名[as别名]7n1．3．3from模块名import*8n本章知识要点8n
丘门炭治郎·2023-01-06 11:21

[SQL Server玩转Python] 三.SQL Server存储过程实现Python鸢尾花决策树训练及预测

本系列文章主要讲解SQLServer2017实现Python数据分析的文章，同时对比两者的优劣。前两篇文章主要讲解SQLServer开
Eastmount·2023-01-06 11:12

python数据分析实例_Python数据分析及可视化实例之词袋word2bow（28）

系列文章总目录：Python数据分析及可视化实例目录1.项目背景：分词用上一期的结巴搞定之后，形成了一个中文列表，但是计算机不认识汉字，需要转化成向量然后进行分析，大体上自然语言处理用在：主题获取，文本分类
weixin_39960147·2023-01-06 10:10

ansible自动化运维工具

目录一.ansible的概述二.ansible部署三.ansible常用命令四.ansible常用模块五.inventory主机清单一.ansible的概述1.ansible简介Ansible是一款为类
好想睡懒觉qwq·2023-01-06 10:08

【阶段二】Python数据分析Pandas工具使用08篇：探索性数据分析：数据的描述：数据的分散趋势与数据的分布形态

本篇的思维导图：数据的分散趋势数据的分散趋势是用来刻画数值型变量偏离中心的程度，最为常用的分散趋势指标有标准差、极差、四分位差等。通过这些指标可以反映样本之间的差异大小，如果指标值越大，说明样本之间差异越明显，反之差异越小。方差与标准差方差的计算体现在两个步骤：一是计算数值型变量的样本值xi与其算术平均值μ的差的平方（体现各样本与中心的偏离）；二是在平方的基础上计算平均水平（体现偏离程度的中心化）
胖哥真不错·2023-01-06 09:26

【阶段二】Python数据分析Pandas工具使用09篇：探索性数据分析：数据的描述：数据的相关关系与数据的波动趋势

本篇的思维导图：数据的相关关系相关关系从字面上理解就是变量之间是否存在某种相关或依存关系。例如，气温的升高与空调销量之间的关系、广告投入与销售额之间的关系、城市收入水平的提升与犯罪率之间的关系、摩擦系数与刹车距离之间的关系、电商的崛起和发展与交通事故发生量之间的关系，等等。一般而言，在判断变量之间的相关性时，可以选择最为直观的散点图。下图所示的几种散点图，就可以反应变量之间的相关关系：在a图中，随
胖哥真不错·2023-01-06 09:26

【阶段二】Python数据分析Pandas工具使用11篇：探索性数据分析：数据的检验：卡方检验与t检验

本篇的思维导图：探索性数据分析：数据的检验卡方检验在实际的学习或工作中，也会碰到关于离散型变量之间的探索性分析，如两个离散变量之间是否相互独立。对于该问题的解答，就需要运用统计学中的卡方检验了。卡方检验属于非参数的检验方法，其原假设是两个离散变量之间不存在相关性，该检验方法比较理论频数和实际频数之间的吻合程度，两者的吻合度越高，则认为两个离散变量越不相关，其中实际频数是指两个离散变量的组合频数，理
胖哥真不错·2023-01-06 09:26

【阶段二】Python数据分析Pandas工具使用10篇：探索性数据分析：数据的检验：正态性检验

本篇的思维导图：探索性数据分析：数据的检验数据检索，则是对数据深层次的探索或挖掘，用于验证数据是否服从某种假设，这部分内容将以数据的正态性检验、卡方检验和t检验为例，结合Python讲解具体的使用方法。正态性检验统计学中的很多模型或检验都需要数据满足正态分布的假设前提，例如线性回归模型中假设残差项服从正态分布（其实质就是要求因变量y服从正态分布），两样本之间的t检验或多样本之间的方差分析均要求样本
胖哥真不错·2023-01-06 09:50

python3 readexcel pandas问题_解决Python pandas df 写入excel 出现的问题

学习python数据分析挖掘实战一书时，在数据预处理阶段，有一节要使用拉格朗日插值法对缺失值补充，代码如下：#-*-coding:utf-8-*-importpandasaspdimportmatplotlib.pyplotaspltfromscipy.interpolateimportlagrange
weixin_39923137·2023-01-05 23:38

python数据分析题目_Python数据分析与数据可视化期末考试题库

在t℃时，将agNH3完全溶于水，得到VmL溶液，假设该溶液的密度为ρg·cm－3，质量分数为ω，其中含NH4＋的物质的量HBr分子的电子式为()为检验某病人血液中的含钙量，现取10mL血液样品稀释后用草酸铵[]处理成草酸钙沉淀，将此沉淀溶于过量的稀中，古诗词是古人为我们留下的宝贵精神财富。下列诗句中只涉及物理变化的是A．野火烧不尽，春风吹又生B．千锤万出凿(2010·北京海淀)有K2SO4和Al
weixin_39782433·2023-01-05 22:20

《Python数据分析与挖掘》实战项目 - Python程序设计(期末大作业、课程设计、毕业设计)2012-2021近十年考研英语一真题词汇词频统计与可视化（附代码）

《Python数据分析与挖掘》-2012-2021近十年考研英语一真题词汇词频统计与可视化声明本文仅在CSDN发布，其他均为盗版。请支持正版！
SunAqua·2023-01-05 22:48

《Python数据分析与挖掘实战》代码纠错3-1

最近在学习张良均老师的《Python数据分析与挖掘实战》，发现部分代码存在错误，特分享调试好的代码，供学习参考。
Daniel.Qin·2023-01-05 22:47

Python数据分析与挖掘实战期末考复习（抱佛脚啦）

课本是那本绿色的Python数据分析与挖掘实战（第2版），作者张良均…图片来自老师给的ppt，以下内容是我自己总结的，自己复习用，覆盖了老师给画的重点考点，八九不离十，期末考抱佛脚的可以看看。
今天又有什么bug·2023-01-05 22:16

kmeans算法python源码_Python实现的KMeans算法小案例

K-Means的步骤01目标有下图所示的一系列数据，总共有900多条，这是《Python数据分析与挖掘实战》这本书第4章的案例数据。从图中可见，测量值非常多，
weixin_39990660·2023-01-05 21:23

《Python数据分析与挖掘实战》第五章案例代码总结与修改分析

借鉴文章标明出处，谢谢】每个案例代码全部为书中源代码，出现错误按照每个案例下面给出的代码错误，原因，及怎样修改进行修改即可解决每个案例错误5-1importpandasaspdfilename='F:/大二下合集/Python
fy_1852003327·2023-01-05 21:17

python数据分析与挖掘实战（4）挖掘建模之分类与预测

分类与预测loc\iloc\ix三种索引的区别与用法loc在index的标签上进行索引,范围包括start和end.iloc在index的位置上进行索引,不包括end.ix先在index的标签上索引，索引不到就在index的位置上索引(如果index非全整数),不包括end.Logistic回归#!/usr/bin/envpython#-*-coding:utf-8-*-importpandasa
Three123v·2023-01-05 21:16

《Python数据分析与挖掘实战》第6章代码问题 Sequential‘ object has no attribute ‘predict_classes‘

问题描述在第6章中，使用predict_classes会造成报错，经过查询，高版本的tensorflow中已经不存在predict_classes，因此在查询之后决定修改为以下内容：#原来的代码predict_result=net.predict_classes(train[:,:3]).reshape(len(train))#修改后的代码predict_result=np.argmax(net.
BBBBBetter·2023-01-05 21:44

用python实现层次分析法(AHP）

<python数据分析的初学者来说，在使用python实现层次分析法时，难点是特征值法的相关函数。
Duoluoluos·2023-01-05 16:21

NumPy入门教程

1NumPy1NumPy简介NumPy（NumericalPython）是Python数据分析必不可少的第三方库，主要用于多维数组（矩阵）处理的库。
꧁人间清醒꧂·2023-01-05 15:37

超详细，数据处理过程中 Python 宝藏函数：concat()真的不错哦

干货推荐绝了，这6个精挑细选的机器学习资料简直太香了深度盘点：这20套可视化炫酷大屏真香啊（附源码）Python数据分析三剑客真香啊，还有高清思维导图Python编程从入门到实战，看这一篇足够了一、基本语法
Python数据挖掘·2023-01-05 11:59

Python数据分析三剑客之Pandas

写在前面的话：开始之前请确保已经配置好python环境，并安装好第三方库pandas和numpy。1.pandas库介绍什么是pandas？pandas是提供高性能易用数据类型和数据分析工具的第三方库。简单讲，pandas主要作用有两个：提供了简易高效的数据类型、提供了数据分析的工具。pandas基于numpy，常和numpy、matplotlib一起使用。关于数据类型，python中自带的数据类
恶霸程序员388·2023-01-05 10:21

量化交易Python数据分析

基于python的量化交易分析采用：1.N日择时策略+ATR风险控制#N日择时策略+ATRdefNbreakstrategy(self,data,N1,N2,n_win,n_loss):#N1天内最高价globalstartdata['N1_high']=data.High.rolling(window=N1).max()data['N1_high']=data.N1_high.shift(1)m
恶霸程序员388·2023-01-05 10:21

python创建值相同一维数组_python 一维数组所有元素是否大于_Python数据分析第二节 NumPy进阶...

上一节我们学习了一维数组生成和计算，这一节将引入多维数组。难度会有所加大，请大家认真阅读，下载安装好Anaconda进行python练习～第二节NumPy进阶目录一.多维数组二.二维数组的加减乘除三.二维数组的通用方法四.二维数组的索引和分片五.实用方法➡一.多维数组多维数组的学习可以联想多维坐标系，比如一维、二维、三维坐标。下面的图很形象的反映的多维数组的样子创建一组二维数组，如下#二维数组im
weixin_39818727·2023-01-05 02:32

图解数组计算模块Numpy上(指定数值类型、数值类型、二维数组索引、二维数组切片索引、数组重塑、数组的增、删、改、查、矩阵运算（mat）、矩阵求逆)

本文来自《Python数据分析从入门到精通》——明日科技编著NumPy为数据分析三剑客之一，主要用于数组计算、矩阵运算和科学计算。
Triumph19·2023-01-05 02:53

python数据分析numpy

numpy一、numpy创建数组1.导numpy包importnumpyasnp2.用numpy创建数组3种方式data=np.array([1,2,3])print(f"data:{data}")#data:[123]print(type(data))#data1=np.arange(10)print(f"data1:{data1}")#data1:[0123456789]data2=np.ar
剑藏于峰·2023-01-04 22:02

【阶段二】Python数据分析Pandas工具使用07篇：探索性数据分析：数据的描述：数据的集中趋势

本篇的思维导图：探索性数据分析：数据的描述数据的描述是为了让数据使用者或开发者更加了解数据，进而做到“心中有数”，其描述过程侧重于统计运算和统计绘图。通过统计运算可以得到具体的数据特征，如反映集中趋势中的均值水平、中位数、分位数和众数等；反映分散趋势的方差、极差、四分位差和变异系数等。通过统计绘图可以得到直观的数据规律和知识，如利用直方图发现数据的分布形态，利用散点图得出变量之间的相关关系以及利用
胖哥真不错·2023-01-04 18:24

学习笔记(33):零基础搞定Python数据分析与挖掘-数据的读取（一）

立即学习:https://edu.csdn.net/course/play/6861/326758?utm_source=blogtoedupandas模块1、掌握外部数据的读取2、如何快速的认知数据的概览信息3、数据子集的筛选与清洗4、数据的汇总处理5、数据的合并与连接1、数据读取文本文件、电子表格、数据库数据读取1.1、pd.read_csv(filepathorbuffer,sep=',',
火星第一公民·2023-01-04 18:51

【阶段二】Python数据分析Pandas工具使用02篇：数据读取：文本文件读取、电子表格读取与数据预处理：数据概览与清洗

本篇的思维导图：数据读取：文本文件读取对于csv后缀的文本文件，可以使用pandas模块中的read_csv函数进行读取。所需要的数据文件如下百度云盘链接：链接：https://pan.baidu.com/s/1Zj-uTt_wdRcmDt3aumZ2nA提取码：z2e8代码
胖哥真不错·2023-01-04 18:42

Python数据分析【第3天】| 进度条（tqdm模块）

Listitem系列文章目录第1天：读入数据第2天：read()、readline()与readlines()python数据分析学习第3天记录系列文章目录前言一、今天所学的内容二、python知识点详解
王大梨·2023-01-04 16:47

python数据分析神器之一pandas_Python数据分析之pandas初体验

写这篇笔记的念头起于在工作、学习Python数据分析时，一些需要用到的功能在网络上找不到有效直观的解决方法，找到的主题相关的链接，大多数都是以R或者MATLAB为基础的。
weixin_39673002·2023-01-04 13:52

pandas,numpy的学习

Pandas名字衍生自术语“paneldata”（面板数据）和“Pythondataanalysis”（Python数据分析）。
路&客·2023-01-04 13:49

基于python的房价分析国内外_python数据分析练习--分析成都的房价

目的：使用python的numpy、pandas、matplotlib库来分析成都二手房的房价信息。原始数据来源：贝壳找房网站上的数据https://cd.ke.com/ershoufang环境：win10python3.7.3环境：win10python3.7.3vscode编辑器（1）第一部分：使用python爬取贝壳网上的数据爬取的数据是：锦江、青羊、武侯、高新、成华、金牛、天府新区、双流、
weixin_39942726·2023-01-04 12:25

【阶段二】Python数据分析Pandas工具使用06篇：探索性数据分析：异常数据的检测与处理

本篇的思维导图：探索性数据分析：异常数据的检测与处理异常值也称为离群点，就是那些远离绝大多数样本点的特殊群体，通常这样的数据点在数据集中都表现出不合理的特性。如果忽视这些异常值，在某些建模场景下就会导致结论的错误（如线性回归模型、K均值聚类等），所以在数据的探索过程中，有必要识别出这些异常值并处理好它们。通常，异常值的识别可以借助于图形法（如箱线图、正态分布图）。基于箱线图识别异常箱线图实际上就是
胖哥真不错·2023-01-04 11:16

【阶段二】Python数据分析Pandas工具使用03篇：数据预处理：多表合并与连接

本篇的思维导图：数据预处理：多表合并与连接将表结构相同（即变量个数和变量类型均相同）的多张表纵向合并到一张长表中，或者将多张表的变量水平扩展到一张宽表中。需要注意的是，对于多表之间的纵向合并，则必须确保多表的列数和数据类型一致；对于多表之间的水平扩展，则必须保证多表之间拥有共同的匹配变量。合并函数concat()代码
胖哥真不错·2023-01-04 11:45

【阶段二】Python数据分析Pandas工具使用04篇：数据预处理：数据的汇总

本篇的思维导图：数据预处理：数据的汇总数据透视表pivot_table()函数透视表功能该功能的主要目的就是实现数据的汇总统计。pandas模块中的pivot_table函数就是实现透视表功能的强大函数。代码importnumpyas
胖哥真不错·2023-01-04 11:45

【阶段二】Python数据分析Pandas工具使用05篇：数据预处理：数据的规范化

本篇的思维导图：数据预处理：数据的规范化数据标准化（归一化）处理是数据挖掘的一项基础工作。不同评价指标往往具有不同的量纲，数值间的差别可能很大，不进行处理可能会影响数据分析的结果。为了消除指标之间的量纲和取值范围差异的影响，需要进行标准化处理，将数据按照比例进行缩放，使之落入一个特定的区域，便于进行综合分析。如将股票数据属性值映射到[-1，1]或者[0，1]内。最小-最大规范化最小最小-最大规范化
胖哥真不错·2023-01-04 11:41

Python数据分析5——数据清洗

目录Python数据清洗数据清洗介绍处理缺失值判断数据是否为NaN过滤缺失值补全缺失值异常值处理重复数据判断重复值删除重复值离散化向量化字符串函数Python数据清洗数据清洗介绍数据清洗实际上也是数据质量分析，检查原始数据中是否存在脏数据(不符合要求，或者不能直接进行分析的数据)，并且处理脏数据。常见情况如下缺失值异常值重复数据处理缺失值Pandas使用浮点值NaN(notaNumber)表示缺失
彩色的泡沫·2023-01-04 07:05

Python数据分析步骤(入门学习)

数据可视化可清晰有效的解读、传递、解释信息。在前期数据整理阶段，通过数据可视化模型，可发现一些数据的问题（如异常值、缺失值等）；后期完成数据建模预测后，可通过数据可视化来解释预测的结果。总的来说，不论是在做数据分析专案、论文数据量化的过程，数据可视化都是非常实用和提高解释力的方式。可清晰有效的解读、传递、解释信息。\\在前期数据整理阶段，通过数据可视化模型，\\可发现一些数据的问题（如异常值、缺失
污浊的双黑·2023-01-03 11:36

python数据分析处理笔记（房价预测01）

python数据分析处理笔记（房价预测01）一.数据预处理导入相关库以及数据#数据处理，数据分析importnumpyasnpimportpandasaspdimportmissingnoasmsn#统计计算
独角兽团队·2023-01-03 10:28

【阶段二】Python数据分析NumPy工具使用01篇：NumPy工具介绍、NumPy工具安装与数组的创建

本篇的思维导图：NumPy工具介绍NumPy(NumericalPython)是Python语言的一个扩展程序库，支持大量的维度数组与矩阵运算，这个包封装了多个可以用于数组间计算的函数供你直接调用，是一个运行速度非常快的数学库。NumPy工具安装代码结果
胖哥真不错·2023-01-03 09:15

Python人工智能概念之机器学习基础入门思维导图，果断收藏

人工智能学习路径第一章全网最详细的Python入门思维导图，果断收藏第二章Python桌面应用开发（PyQT）入门思维导图，果断收藏第三章Python数据分析（Numpy和Pandas学习）入门思维导图
C君莫笑·2023-01-03 09:18

pandas学习笔记

python数据分析高层次应用库series=索引+一维数组DataFrame=行列索引+二维数据介绍数据结构关于数据类型、索引和轴标记/
派小白·2023-01-03 08:08

python缺失值与异常值处理_python数据分析之清洗数据：缺失值处理

在使用python进行数据分析时，如果数据集中出现缺失值、空值、异常值，那么数据清洗就是尤为重要的一步，本文将重点讲解如何利用python处理缺失值创建数据为了方便理解，我们先创建一组带有缺失值的简单数据用于讲解检查缺失值对于现在的数据量，我们完全可以直接查看整个数据来检查是否存在缺失值看到有两列含有缺失值。当然如果数据集比较大的话，就需要使用data.isnull().sum()来检查缺失值或者
weixin_39762348·2023-01-03 07:56

一行代码将Python程序转换为图形界面应用

如果你用Python的目的是数据分析，可以直接安装Anaconda：Python数据分析与挖掘好帮手—Anaconda，它内置了Python和pip.此外，推荐大家用VSC
秃头雨雨·2023-01-03 03:07

最新Anaconda保姆级安装教程：手把手带你走进数据分析Anaconda安装门槛

Python数据分析入门：基础概念和最新Anaconda安装综述什么是数据分析数据分析是用适当的方法对收集来的大量数据进行分析，帮助人们作出判断，以便采取适当行动.成果可视化其他呈现形式提出问题准备数据分析数据获得结论简而言之
会打拳的狗熊·2023-01-02 22:14

Python数据分析案例18——化学分子数据模型(机器学习分类问题全流程)

1.引言1.1设计背景对分子进行分类，对于筛选特定疾病的候选药物是至关重要的。传统的机器学习算法可以对分子进行分类，但是分子不能直接作为机器学习模型的输入，需要进行大量的实验从分子中得到一系列的分子特性。将分子特征使用数字化进行处理，挖掘出数据中的特征信息，从而对分子不同类别进行一个很好的区分。1.2设计目的和意义本设计利用大量的分子的不同特征变量数据，进行有监督的机器学习模型构建，结合训练集上有
阡之尘埃·2023-01-02 20:03

Python数据分析案例17——电影人气预测(特征工程构建)

案例背景本次案例是中国人民大学“人工智能与机器学习（2022年秋季）”课程的课堂竞赛。比赛是根据有关电影的各种信息来预测电影的受欢迎程度，包括演员、工作人员、情节关键字、预算、收入、海报、上映日期、语言、制作公司、国家、TMDB投票计数、平均投票等。比赛是在kaggle上进行的，这是链接，可以下载数据MoviePopularityPrediction|Kaggle由于原始数据特征变量基本都是文本，
阡之尘埃·2023-01-02 20:32

Python数据分析案例15——超市零售购物篮关联分析（apriori）

啤酒和纸尿裤的故事大多数人都听说过，纸尿裤的售卖提升了啤酒的销售额。关联分析就是这样的作用，可以研究某种商品的售卖对另外的商品的销售起促进还是抑制的作用。案例背景本次案例背景是超市的零售数据，研究商品之间的关联规则。使用的自然是最经典的apriori算法。数据展示，数据是一个excel表：id表示订单编号，id=1表示第一个订单的销售的商品，如图就是第一个订单卖出了柑橘类水果，人造黄油，即食汤，半
阡之尘埃·2023-01-02 20:32

Python数据分析案例16——水质检测(支持向量机)

本次带来图片分类的案例，水质检测。数据展示五种类别的水质，图片形式储存的：前面1是代表水质的类别标签，后面是样本个数。图片特征构建importnumpyasnpimportpandasaspdimportmatplotlib.pyplotaspltimportos,refromPILimportImage#图像切割及特征提取path='../data/images/'#图片所在路径#自定义获取图片
阡之尘埃·2023-01-02 20:25

python数据分析(二)——DataFrame

系列文章目录:python数据分析(一)——series和读取外部数据python数据分析(三)——pandas缺失值处理提示：写完文章后，目录可以自动生成，如何生成可参考右边的帮助文档文章目录一、DataFrame
kuluomi111·2023-01-02 18:16
上一页 32 33 34 35 36 37 38 39 下一页
按字母分类： ABCDEFGHIJKLMNOPQRSTUVWXYZ其他