python数据分析

【阶段二】Python数据分析数据可视化工具使用05篇：统计直方图、面积图与箱型图

本篇的思维导图：统计直方图统计直方图（histogram）形状类似柱形图，却有着与柱形图完全不同的含义。统计直方图涉及统计学的概念，首先要从数据中找出它的最大值和最小值，然后确定一个区间，使其包含全部测量数据，将区间分成若干个小区间，统计测量结果出现在各个小区间的频数M，以测量数据为横坐标，以频数M为纵坐标，划出各个小区间及其对应的频数。在平面直角坐标系中，横轴上标出每个组的端点，纵轴表示频数，每
胖哥真不错·2023-01-08 19:05

【阶段二】Python数据分析数据可视化工具使用03篇：词云图与相关性热力图

本篇的思维导图：词云图词云图（wordcloudchart）是通过使每个字的大小与其出现频率成正比，显示不同单词在给定文本中的出现频率，然后将所有的字词排在一起，形成云状图案，也可以任何格式排列：水平线、垂直列或其他形状，也可用于显示获分配元数据的单词。在词云图上使用颜色通常都是毫无意义的，主要是为了美观，但我们可以用颜色对单词进行分类或显示另一个数据变量。词云图通常用于网站或博客上，用于描述关键
胖哥真不错·2023-01-08 12:30

python数据分析实战：生存分析与电信用户流失预测

文章目录1.背景1.1生存分析、KM曲线及Cox回归1.2案例背景2.AIC向前逐步回归法进行特征选择3.Cox模型搭建3.1特征重要性分析3.2模型校准3.3对个体进行预测3.3用户流失预测4.总结1.背景1.1生存分析、KM曲线及Cox回归常见的回归模型聚焦在事件结果与影响因素上，生存分析既关注结果又关注发生事件。既研究结果影响因素，又研究影响因素与结果出现事件长短的关系，是研究生存现象和发生
Bernard.Dong·2023-01-08 10:06

python数据分析实战：用LSTM模型预测时间序列（以原油价格预测为例）

文章目录1.背景2.模型搭建2.1定义LSTM2.2LSTM层的输入和输出2.3网络建立3.时序数据处理3.1三种输入模式3.2归一化与反归一化3.3X和Y是什么3.4多线模式4.模型训练5.预测完整代码及数据1.背景LSTM因其具有记忆的功能，可以利用很长的序列信息来建立学习模型，所以用它来进行时间序列的预测会很有优势。实际操作中利用LSTM预测有两大难点：一是模型如何搭建，二是前期的数据如何处
Bernard.Dong·2023-01-08 10:35

数据分析师的个人感悟

文章目录一、数据分析师特点二、技术要求2.1数仓2.2SQL2.3python数据分析2.4数据可视化2.5报告呈现2.6数据产品化2.7小结三、从业务角度看数分类型3.1运营岗3.2商业分析岗3.3产品分析
赵杰_2022·2023-01-07 19:48

Python数据分析学习 一

Python数据分析学习系列一资料转自（GitHub地址）：https://github.com/wesm/pydata-book有需要的朋友可以自行去github下载第1章准备工作1.1本书的内容本书讲的是利用
天涯尽头黄鹤楼·2023-01-07 15:05

python 数据分析 实际案例-Python数据分析案例实战

原标题：Python数据分析案例实战至今我们网站已经开设了多个数据分析系列的课程，大部分都是基于算法思路来开展的，课程中着重点在于算法的讲授、软件的使用，案例只是辅助学习。
weixin_37988176·2023-01-07 14:11

Python数据分析5-数据分组与聚合

目录5.1数据分组5.1.1GroupBy简介5.1.2列名分组5.1.3按列表或元组分组5.1.4按字典分组5.1.5按函数分组5.2聚合运算5.2.1聚合函数5.2.2多函数应用1一行多函数2多列多函数3不同列不同函数5.3分组运算5.3.1transform方法5.3.2apply方法5.4数据透视表5.4.1透视表5.4.2交叉表5.5综合实例-巴尔的摩公务员工资数据集5.5.1数据来源5
查尔斯-狩乃·2023-01-07 14:09

python数据分析与可视化案例 python数据分析项目 python数据分析基础

python数据分析基础（一）该部分将对python数据结构、函数等基础内容进行回顾，python大牛和想要直接套用模板进行数据分析方法的朋友可以直接跳过此部分。
coder20222022·2023-01-07 14:05

python数据分析--金融数据处理

数据来源：和鲸社区-Numpy+Pandas数据处理·第四关主要内容：缺失数据查看每列数据的缺失情况输出每列具体缺失的行数删除所有存在缺失值的行绘制折线图收盘价折线图收盘价开盘价折线图收盘价5日均线，20日均线图收盘价上轨线，中轨线，下轨线折线图绘制密度图删除换手率为非数字的行绘制换手率密度图同时绘制密度图和直方图pandas窗口函数rolling和expanding重采样resample计算相邻
XY_0111·2023-01-07 14:03

【python数据分析-数据过滤与排序】

数据来源：和鲸社区-Numpy+Pandas数据处理·第五关-2012欧洲杯足球比赛数据主要内容：数据过滤数据排序知识点：df.nunique()计算唯一值数量df.groupby().mean()分组计算均值df[[col1,col2,col3]]df[df[co1]>2]Pandas提取含有指定字符串的行或列df.iloc[:,:]切片df.sort_values()导入数据importpan
XY_0111·2023-01-07 14:33

python数据分析--时间序列数据处理

数据来源：和鲸社区-Numpy+Pandas数据处理·第五关-apple股价数据主要内容：查看数据类型日期格式转换将日期设置为索引通过索引排序重采样resample的用法按照时间序列进行可视化导入数据importpandasaspdimportnumpyasnp#visualizationimportmatplotlib.pyplotasplt%matplotlibinlinefilepath9=
XY_0111·2023-01-07 14:33

python数据分析--缺失值的填充与删除

数据来源：和鲸社区-Numpy+Pandas数据处理·第五关主要内容：查看是否有缺失值填充缺失值fillna()删除缺失值导入数据importpandasaspdfilepath10='/home/mw/input/Pandas_exercise2020/iris.data'iris=pd.read_csv(filepath10,sep=',',header=None)iris.head()#创建
XY_0111·2023-01-07 14:33

python数据分析--综合案例3

数据来源：泰坦尼克逃生数据知识点：特征处理和随机森林预测主要内容：缺失值处理1.对Embarked字段直接用众数填充2.对船票Fare字段用均值填充3.建立预测模型，填充年龄Age字段不同特征字段的处理1.对Embarked、Sex以及Pclass等用dummy处理2.对票价Fare分级处理，使用qcut分桶3.对名字Name进行处理，提取称呼，如Mr,Mrs,Miss等；4.对称呼进行oner-
XY_0111·2023-01-07 14:30

最近，我用pandas处理了一把大数据……

公众号后台回复“图书“，了解更多号主新书内容作者：luanhz来源：小数志导读pandas是python数据分析的不二选择，堪称瑞士军刀般的存在，几乎可以胜任数据分析的全过程。
IT农民工1·2023-01-07 11:59

使用 k-means 聚类算法对多维属性数据进行分类

python数据分析与挖掘—代码修正与项目练习：https://blog.csdn.net/O_tongwandou/article/details/81952264k-means高维聚类：https:
dataloading·2023-01-07 11:19

Pandas文件读取常用的数据操作方法

Pandas文件读取常用的数据操作方法本篇博客是接着上篇博客python数据分析处理库-Pandas数据读取、索引与计算importpandasfood_info=pandas.read_csv("food_info.csv
后知还就那个后觉·2023-01-07 10:03

Plotly简介以及基础图形的绘制

简介安装环境离线绘图基础图形散点图简单的散点图对散点图进行样式设置气泡图基本案例样式设置缩放设置参数解读线形图基本案例填充线形图柱状图基本柱状图柱状簇层叠柱状图图形样式设置水平条形图基本案例层叠水平条形图饼图基本案例环形图离心饼图面积图填充交叉处面积堆积面积图最近学习了《Python
无敌大欣·2023-01-07 10:39

【阶段二】Python数据分析数据可视化工具使用01篇：数据可视化工具介绍、数据可视化工具安装、折线图与柱形图

本篇的思维导图：数据可视化工具介绍Matplotlib是最著名的绘图库，主要用于二维绘图，当然也可以进行简单的三维绘图。它提供了一整套丰富的命令，让我们可以非常快捷地用Python可视化数据，而且允许输出达到出版质量的多种图像格式。Seaborn是在matplotlib基础上进行了高级API封装，图表装饰更加容易，你可以用更少的代码做出更美观的图。同时，Seaborn高度兼容了numy、panda
胖哥真不错·2023-01-07 06:22

【阶段二】Python数据分析数据可视化工具使用02篇：条形图与雷达图

本篇的思维导图：条形图条形图与柱形图类似，几乎可以表达相同多的数据信息。条形图的柱形变为横向，从而导致与柱形图相比，条形图更加强调项目之间的大小对比。尤其在项目名称较长以及数量较多时，采用条形图可视化数据会更加美观、清晰。代码#导入需要的包importmatplotlib.pyplot
胖哥真不错·2023-01-07 06:22

python数据分析

Anaconda安装官网numpy(NumericalPython)numpy:一个开源的python科学计算库,使用Numpy可以方便的使用数组、矩阵进行计算,包含线性代数、傅里叶变换、随机数生成等大量函数jupyterjupyter：可直接通过浏览器运行代码，同时在代码块下方展示运行结果启动jupyter:目录中输入cmd,在cmd中输入jupyternotebook实现两个数组的加法数组A是
So Youth·2023-01-06 14:43

python数据分析--------婚恋配对 为例 蒙特卡罗思想1

大数据行业十分火热，本人认为python是比较强大的分析工具，在网易云课堂上学习了python数据分析。做了案例，写下代码分析过程以及分析结论。以下是婚恋配对的python数据分析项目。
qq_40646956·2023-01-06 13:29

python数据分析-drop_duplicates函数和unique函数介绍及注意

浏览前任留下的代码，发现第一条用了drop_duplicates函数，紧接着用了unique函数，所以记录一下两个函数的用法。一、pandas.DataFrame.drop_duplicatesDataFrame.drop_duplicates(subset=None,keep='first',inplace=False)参数:subset：列标签，可选keep：{‘first’,‘last’,F
数据微醺·2023-01-06 13:49

Pandas数据分析教程(1)-Series和DataFrame

最近自己也在进行Python数据分析的学习，故在此写下本文作为笔记使用，本文是笔记系列的的第一篇，不定期更新。写的博客如有错误或者疏忽的地方，还望各位大佬指点，在此表示感激不尽。
少喝凉水G·2023-01-06 13:16

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

【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
上一页 25 26 27 28 29 30 31 32 下一页
按字母分类： ABCDEFGHIJKLMNOPQRSTUVWXYZ其他