python数据分析

Python小技巧--pandas多样化去重【实践】

Pandas的目标是成为Python数据分析实践与实
故事挺秃然·2022-12-30 15:23

python数据分析（2） DataFrame中iloc与loc的作用与区别，取自kaggle竞赛

iloc在概念上比loc简单，因为它忽略数据集的索引。当我们使用iloc时，我们将数据集视为一个大矩阵(列表的列表)，我们必须按位置对其进行索引。相反，Loc使用索引中的信息来完成它的工作。因为数据集通常有有意义的索引，所以使用loc通常更容易。#用iloc观察某一行X.iloc[0]#用iloc观察某一列，与matlab操作相似X.iloc[:,0]#iloc切片操作#第一列前三行X.iloc[
Eclipse_XBY·2022-12-30 09:18

“泰迪杯”数据分析职业技能大赛 B 题 新冠疫情数据分析

参考：python数据分析案例简单实战项目（二）–新冠疫情数据分析采用工具软件：pycharm（数据处理），tableau（可视化）数据：“泰迪杯”数据分析职业技能大赛B题新冠疫情数据分析数据+生成数据
云梦之上·2022-12-30 07:49

【Python数据分析及可视化】美国犯罪监禁数据分析与可视化

文章目录前言一、数据描述二、数据预处理1.缺失值处理2.查看数据分布三、犯罪情况可视化分析1.州别维度的可视化分析2.类型维度的可视化分析3.性别维度的可视化分析4.年龄维度的可视化分析四、监禁情况可视化分析1.美国国内监禁情况2.美国与别国监禁情况比较前言上世纪70年代以来，美国由于大规模监禁，被冠以“监狱国”之名。根据联合国统计数据显示，2020年美国以1675400余人的囚犯数量，位居全球监
菜鸟驿站的程序猿·2022-12-29 16:53

【Python数据分析】pandas知识总结(超全面)

文章目录Series初始化创建通过字典创建索引数据对齐缺失值处理DataFrame通过字典创建初始化创建索引获取列值获取行值特别注意数据对齐缺失值处理排序常用函数时间序列普通的时间处理方式pandas时间处理产生时间序列时间序列的应用csv文件读取及时间序列转换csv文件中的缺失值处理Series创建一维数据表初始化创建#可以指定索引indexsr1=pd.Series(np.arange(10)
Articoder·2022-12-29 15:33

python筛选csv文件中特定的行（指定条件的数据）

大家直接看这两个博主的帖子就足够了)Python数据分析基础——CSV文件——筛选特定的行Python提取csv数据并筛选指定条件数据csv—CSV文件读写python使用csv
SiYuanFeng·2022-12-29 13:57

python数据分析与挖掘实践大作业_数据挖掘大作业最终报告.PDF

数据挖掘大作业最终报告数据挖掘大作业最终报告学院：计算机学院专业：计算机应用技术年级：2016级组号：第六组成员：赵颖2620160012王晓媛2620160007李昱燃2620160009用户行为预测——以某电信公司为例摘要本文讨论了一个关于用户行为预测的数据挖掘问题，在对某电信公司客户数据集的处理、RandomForestAdaBoost特征选取之后，尝试使用随机森林()、与结合的决策树、梯度
weixin_39842237·2022-12-29 13:09

Python数据分析

1.数据抓取数据集的获取是我们进行数据分析的第一步。现在获取数据的主要途径一般为：现成数据；自己写爬虫去爬取数据；使用现有的爬虫工具爬取所需内容，保存到数据库，或以文件的形式保存到本地。博主用的是用自己编写的爬虫代码获得数据。（爬虫源代码可以找博主要，在评论区回复即可）爬虫的设计思路1.首先确定需要爬取网页URL地址2.通过HTTP/HTTPS协议来获取相应的HTML页面3.提取HTML页面里有用
爬遍天下无敌手·2022-12-29 07:53

入门Python数据分析最好的实战项目

数据初探首先导入要使用的科学计算包numpy,pandas,可视化matplotlib,seaborn,以及机器学习包sklearn。importpandasaspdimportnumpyasnpimportseabornassnsimportmatplotlibasmplimportmatplotlib.pyplotaspltfromIPython.displayimportdisplayplt
代码输入中...·2022-12-28 22:30

python条形图数据标签_Python数据分析条形图的各种绘制方式

#导入模块importmatplotlib.pyplotaspltimportnumpyasnpimportpandasaspd#导入数据traffic_volume={'Index':['railway','green','watertransport','airtransport'],'Jan':[31058,255802,52244,57],'Feb':[28121,179276,46482
weixin_39678426·2022-12-28 15:09

python数据分析及可视化（七）pandas数据清洗，显性问题（异常、缺失、重复），隐形问题（离散、面元、字符串）

数据清洗数据清洗是指我们拿到数据的格式、内容不方便直接做分析工作。比如要做土豆丝，买到土豆（拿到原数据）后不会直接做成菜，要先把土豆洗一下去掉泥土（相当于数据清洗），根据需求把土豆切成想要的形状（按照需求把数据进行规整），然后下锅炒，装盘（相当于数据分析的可视化，把数据通过图表的形式展现出来）。针对数据中的问题展开进行清洗，不同数据的清洗方式不同，分为数据中显性的问题（拿到数据就可以看到数据中存在
hwwaizs·2022-12-28 14:51

python数据分析完整流程-幸福感预测

一．数据背景及问题描述数据来源：课题来源于天池大赛，数据来源于中国人民大学中国调查与数据中心《中国综合社会调查（CGSS）》项目，为多阶分层抽样的截面面访调查。研究背景：在社会科学领域，幸福感的研究占有重要的位置。这个涉及了哲学、心理学、社会学、经济学等多方学科的话题复杂而有趣；同时与大家生活息息相关，每个人对幸福感都有自己的衡量标准。如果能发现影响幸福感的共性，生活中是不是将多一些乐趣；如果能找
qq_43610161·2022-12-28 02:16

Python数据分析与数据化运营—数据预处理

第三章10条数据化运营不得不知道的数据预处理经验前言第三章理论知识讲述比较细，这里笔者参考书本，与GitHub中开源源码，大概囫囵吞枣的把章节知识学习了一遍，迫于时间精力，整理如下内容，留坑在此，以后再来填，不足之处往往多多指正。一、说明描述：“代码实操”以及内容延伸部分源代码时间：2019-01-01作者：宋天龙（TonySong）程序开发环境：win764位Python版本：64位3.7依赖库
阿孟dede·2022-12-28 02:09

【Python数据分析】数据挖掘建模——分类与预测——人工神经网络

人工神经网络（artificialneuralnetworks，ANNs），是模拟生物神经网络进行信息处理的一种数学模型。一、人工神经网络简介更多关于神经网络的发展可以参考：人工神经网络简介_网络资源是无限的-CSDN博客_人工神经网络人工神经元是人工神经网络操作的基本信息处理单位。人工神经元的模型如图所示，它是人工神经网络的设计基础。一个人工神经元对输入信号X=[x1,x2,...,xm]的输出
阿丢是丢心心·2022-12-28 01:14

python建模预测_技术分享 - python数据分析（6）——挖掘建模（1）分类与预测

经过数据探索与数据预处理，得到了可以直接建模的数据.根据挖掘目标与数据形式可以建立分类与预测、聚类分析、关联规则、时序模式和偏差检测等模型。分类与预测问题是预测问题的两种主要的类型，分类主要是预测分类标号（基于离散属性的），而预测是建立连续值函数模型，预测给定自变量对应的因变量的值。一、实现过程1.1分类分类属于有监督学习的范畴，大致上的意思就是我们可以将样本数据分成几个类别，将我们的数据与我们的
weixin_39830200·2022-12-28 01:43

Python数据分析与挖掘实战代码纠错 代码5-3

python数据分析与挖掘实战第五章挖掘建模例5-3神经网络算法预测销量高低神经网络散发预测销量高低#-*-coding:utf-8-*-#使用神经网络算法预测销量高低importpandasaspd#
qq_23261961·2022-12-28 01:08

《Python数据分析与挖掘实战》学习笔记（三）

2019.3.3开始学习-2019.3.结束学习（）**·**2019.3.3_第五章P83-P89P84页提到‘分类模型建立在已有类标记的数据集上，模型在已有样本上的准确率可以方便地计算，所以分类属于有监督的学习。’看到这里，我这个一窍不通的小胖又开始对有监督学习和无监督学习产生疑问了，于是找了一篇写的不错的博文补了补常识，见https://blog.csdn.net/u010947534/ar
MercyMeng·2022-12-28 01:07

数据分析与可视化概述

目录1.数据分析2.数据可视化3.数据分析与可视化常用软件1.MicrosoftExcel2.R语言3.Python语言4.SASEnterpriseMiner5.SPSS6.专用可视化分析工具4.Python
抱抱宝·2022-12-27 17:00

python pandas series items方法_Python pandas之series、DataFrame入门

利用Pandas进行数据操作、预处理、清洗是Python数据分析中的重要技能。数据被分为三部分：行索引(index)，列索引(columns)及数据内容(data)Series
葱油拌面没吃过·2022-12-27 14:55

【Python数据分析基础-2】Python标量类型

【Python数据分析基础-2】Python标量类型0.引入\qquad既上篇文章介绍的二元操作符:【Python数据分析基础-1】二元操作符（又全又清晰！）
土豆同学·2022-12-27 11:56

Python数据分析与挖掘实战-基础篇总结（一）

目录1、数据挖掘基础1.1数据挖掘的基本任务：1.2数据挖掘建模过程：1.3常用的数据挖掘建模工具2、python数据分析简介2.1python环境搭建2.2python数据分析第三方库2.2.1Numpy
卞亚超·2022-12-27 11:49

pandas基础

一、pandas简介pandas是一个强大的Python数据分析的工具包。pandas是基于NumPy构建的。
深蓝冰河·2022-12-27 07:13

基于神经网络的房价预测,python数据分析房价预测

Python与深度学习有哪些与建筑设计相接轨的可能性关注这个问题快一周了，到目前来说还是没发现什么太大的惊喜。我感觉建筑设计界还是要学习一个，不要看到深度学习很火，就弄个大新闻，把这玩意往建筑设计上搬呀。其实深度学习这事儿到底怎么就能和建筑设计挂钩上？如果单单指“深度学习”，那我的理解是套用了许多层的人工神经网络，这种技术能在建筑设计中扮演什么角色？我目前还真没发现直接用深度学习这种技术来辅助建筑
普通网友·2022-12-26 17:49

python数据分析实战案例logistic_Python3《机器学习实战》学习笔记（七）：Logistic回归实战篇之预测病马死亡率...

Python版本：Python3.x运行平台：WindowsIDE：Sublimetext3一、前言本文对梯度上升算法和改进的随机梯度上升算法进行了对比，总结了各自的优缺点，并对sklearn.linear_model.LogisticRegression进行了详细介绍。二、改进的随机梯度上升算法梯度上升算法在每次更新回归系数(最优参数)时，都需要遍历整个数据集。可以看一下我们之前写的梯度上升算法
weixin_39786155·2022-12-26 16:05

python数据分析与挖掘实战---chapter8中医证型关联规则挖掘

1.项目背景恶性肿瘤俗称癌症，当前已成为危害我国居民生命健康的主要杀手。应用中医药治疗恶性肿瘤已成为公认的综合治疗方法之一，且中医药治疗乳腺癌有着广泛的适应证和独特的优势。从整体出发，调整机体气血、阴阳、脏腑功能的平衡，根据不同的临床证候进行辨证论治。确定“先证而治”的方向:即后续证侯尚未出现之前，需要截断恶化病情的哪些后续证侯。发现中医症状间的关联关系和诸多症状间的规律性，并且依据规则分析病因、
城南以东·2022-12-26 15:42

数据分析一、 pandas库基础知识

pandas库基础知识一、jupyter代码编辑器概述：Python数据分析库介绍二、pandas库基础知识（1）常用的Series属性与方法：（2）DataFrame常用方法1、Series对象2.1.1
随风的博客·2022-12-26 14:55

python数据分析04--双均线策略、金叉与死叉的理解

需求：双均线策略制定¶1.使用tushare包获取某股票的历史行情数据2.计算该股票历史数据的5日均线和30日均线什么是均线？对于每一个交易日，都可以计算出前N天的移动平均值，然后把这些移动平均值连起来，成为一条线，就叫做N日移动平均线。移动平均线常用线有5天、10天、30天、60天、120天和240天的指标。5天和10天的是短线操作的参照指标，称做日均线指标；30天和60天的是中期均线指标，称做
干就真完了·2022-12-26 12:40

[机器学习笔记] Python数据分析：用户消费行为（持续更新）

Python数据分析：用户消费行为（持续更新）红酒品鉴和用户消费行为分析是我学习Python数据分析入门的两个案例，记录一下。
梅森上校·2022-12-26 10:16

python样本不均衡_[ML] 解决样本类别分布不均衡的问题

3.4解决样本类别分布不均衡的问题说明：本文是《Python数据分析与数据化运营》中的“3.4解决样本类别分布不均衡的问题”。
weixin_39555579·2022-12-26 09:08

学习笔记（2):Python数据分析零基础入门实战-numpy 数学操作

立即学习:https://edu.csdn.net/course/play/24468/281820?utm_source=blogtoeduaxis=0所有列求和axis=1所有和求和
weixin_51549805·2022-12-26 08:38

python科学计算常用包-Python科学计算包

1.python数据分析：Numpy（数组,矩阵）,Pandas,matplotlib2.Python爬虫模块：re,urllib,beautifulsoup,request,xpath,lxml,phantomjs
weixin_39755873·2022-12-26 08:06

七月在线python数据分析_七月在线Python数据分析-入门学习笔记

Python是近年来比较热门的数据分析编程语言，个人本身做了几年的传统BI，一个偶然的机会从公众号上获得一元就可以学习Python课程的机会，于是抽时间在网上学习了，以下是入门课程的学习笔记，和大家分享。一：搭建环境Python是搭建在AnacondaJupyternotebook环境上的。Anaconda作为Python的⼀个集成管理⼯具，它把Python做相关数据计算与分析所需要的包都集成在了
weixin_39534208·2022-12-26 08:36

Python数据分析 学习笔记 Part01--Numpy库入门

目录数据的维度：一维，二维和多维Numpy引用N维数据对象：ndarryndarry对象的属性ndarry的元素类型ndarry数组的创建方法ndarry数组的变换维度变换类型变换数组向列表变换ndarry数组的操作ndarry数组的运算数据的维度：一维，二维和多维一维数据：列表（有序）和集合类型（无序）二维数据：列表类型多维数据：列表类型或者键值对高维数据：字典类型或者json,xml和yaml
向阳的花儿·2022-12-26 08:33

Python数据分析入门--Numpy基础学习笔记

提示：文章写完后，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前言NumPy基础1.NumPynadarray:多维数组对象1.1ndarray及其数据类型1.2NumPy数组运算1.3基础索引与切片1.4布尔索引1.5神奇索引1.6数组转置和换轴2.通用函数3.面向数组编程3.1条件逻辑操作数组3.2数学与统计方法3.3排序和集合操作4.线性代数5.伪随机数生成总结前言NumPy(Nu
szu_ljm·2022-12-26 08:01

python数据分析资料汇总

python数据分析资料汇总含python的基础、爬虫、数据库、大数据、可视化、机器学习、tableau、统计学、地理信息等。
chuming03403·2022-12-25 19:47

#世界杯征文活动 #Python #2022卡塔尔世界杯 #FIFA World Cup Qatar 2022 # 机器学习 #数据分析 用Python预测世界杯决赛

现在让我们通过Python数据分析以及机器学习等方式来预测一下谁能获得最后的冠军，当然最后预测出来的结果也仅仅只是作为一种参考，并不代表最后真实的结果。
彭_Yu·2022-12-25 17:53

Python数据分析之Numpy

文章目录前言一、数组1.1数组创建1.2数组属性1.3数组切片和索引1.4数组广播1.5数组操作1.6数组迭代二、数学函数2.1三角函数2.2运算函数2.3统计函数2.4排序及筛选函数2.5线性代数三、随机数3.1简单随机数3.2随机排列3.3随机分布四、字符串4.1字符串操作函数4.2字符串比较函数4.3字符串信息函数五、傅里叶变换5.1标准FFT5.2realFFT5.3HermitianFF
aabond·2022-12-25 08:41

Python数据分析（一）-- NumPy 学习笔记

NumPy(NumericalPython)是科学计算基础库，提供大量科学计算相关功能，比如数据统计，随机数生成等。其提供最核心类型为多维数组类型（ndarray），支持大量的维度数组与矩阵运算，Numpy支持向量处理ndarray对象，提高程序运算速度。1基础知识先终端输入命令pipinstallnumpy-ihttps://pypi.doubanio.com/simple/下载numpy，然后
长路漫漫2021·2022-12-25 07:52

【Pandas数据处理100例】（二十四）：Pandas合并两个DataFrame

我的项目环境：平台：Windows10语言环境：python3.7编译器：PyCharmPandas版本：1.3.5Numpy版本：1.19.3『精品学习专栏导航帖』【Pandas数据处理100例目录】Python
Bi 8 Bo·2022-12-25 07:49

Python数据分析----餐饮订单数据分析

Python数据分析----餐饮订单数据分析题目要求（以图片展示）前言俗话说的民意食为天，随着科技的发展和人们生活水平的提高。
屈小康·2022-12-24 18:57

Python数据分析-数据挖掘（准备数据——数据建模——模型评估——模型应用）

20理解业务和数据：我们需要做好什么计划？_哔哩哔哩_bilibili目录一、理解业务和数据:我们需要做好什么计划?1.1两个思想问题1.2为什么数据挖掘不是万能的1.3业务背景与目标1.4把握数据1.5总结二、准备数据：如何处理出完整、干净的数据？2.1找到数据2.2数据探索2.3数据清洗2.3.1缺失值处理2.3.2异常值的处理2.3.3数据偏差2.3.4数据标准化2.3.5特征选择2.4构建
大炮不想学习·2022-12-24 18:20

学习笔记：【案例】财政收入影响因素分析及预测模型

案例来源：《Python数据分析与挖掘实战》第13章案例背景与挖掘目标输入数据：《某市统计年鉴》（1995-2014）挖掘目标：梳理影响地方财政收入的关键特征，分析、识别影响地方财政收入的关键特征的选择模型结合目标
aa8785458·2022-12-24 17:05

Python数据分析-绘图-2-Seaborn进阶绘图-6-回归图

一、regplot函数：seaborn.regplot常用参数：x,yarray,str,series，如果是字符串应该是data中对应的属性名，使用series将会在轴上显示名称。datadataframex_estimator接收可调用的映射对象，应用于每一个x的值并绘制估计图形，如果输入x_ci，将会绘制一个置信区间。默认为Falsex_ci接收“ci""sd",0-100的int,表示离散
Caspian�·2022-12-24 12:08

Python数据分析-绘图-2-Seaborn进阶绘图-7-网格图

一、FacetGrid该函数可以绘制最多三个维度：row,col,hue。行、列和颜色。使用数据集构造网格的变量初始化对象，可以通过调用map函数或map_dataframe函数将一个或多个绘图函数应用于每个子集，或包含在relplot,catplot,lmplot函数中。函数：seaborn.FacetGrid1.map函数：FacetGrid.map常用参数：func接收可调用绘图函数，表示选
Caspian�·2022-12-24 12:08

Python数据分析26——seaborn可视化（二）之多变量分布图

seaborn绘制多变量图这里，沿用上一个博客的库和包，并且都是使用小费数据集。importnumpyasnpimportpandasaspdfrompandasimportSeries,DataFrameimportmatplotlib.pyplotaspltimportseabornassns%matplotlibinlinetips=sns.load_dataset('tips')下面利用j
Py.ziMing·2022-12-24 12:08

Python数据分析-绘图-2-Seaborn进阶绘图-4-分类图

一、分类散点图1.stripplot函数：seaborn.stripplot常用参数：x,y,hue接收data中的变量名，表示选入的绘图变量，hue传入分类变量，以对颜色分类。data接收DataFrame，array，list，series，表示用于绘图的数据集。order,order_hue接收字符串列表，指定绘图分类级别。jitter接收float，True或1，添加均匀随机噪声以优化图形
Caspian�·2022-12-24 11:38

Python数据分析-绘图-2-Seaborn进阶绘图-2-关系图

一、散点图：scatterplot函数：seaborn.scatterplot常用参数：x，yarray，str，series，输入变量。字符串应该是data中对应的变量名，使用series将会在轴上显示名称。data接收DataFrame，表示用于绘图的数据集。hue接收data中的变量名，传入分类变量，以颜色分类。size接收data中的变量名，传入分类变量，以标记大小分类。sizes接收li
Caspian�·2022-12-24 11:37

Python数据分析-绘图-2-Seaborn进阶绘图-3-分布图

一、kdeplot核密度估计用来估计未知的密度函数，是非参数检验之一。直观上来看是平滑后的直方图。核密度估计方法不利用有关数据分布的先验知识，对数据分布不附加任何假定，是一种从数据样本本身出发研究数据分布特征的方法，因而，在统计学理论和应用领域均受到高度的重视。函数：seaborn.kdeplot常用参数：dataarray，用于绘制核密度图的数据data2array，如果传入数据，将估计双变量核
Caspian�·2022-12-24 11:37

Python数据分析-绘图-2-Seaborn进阶绘图-1-基础配置

Seaborn具有以下特点：1.基于matplotlib绘图风格，增加了一些绘图模式。2.增加调色板功能，具有色彩丰富的显示数据的模式。3.面向整个数据集，可以显示多个变量之间的关系。4.可视化单变量和双变量分布以及在数据子集间进行比较。5.不同种类因变量的线性回归模型的自动估计和绘图。6.方便查看复杂数据集的整体结构。7.灵活处理时间序列数据。8.利用网络建立复杂图像集。一、Seaborn基础1
Caspian�·2022-12-24 11:37

Python数据分析与机器学习8-Seaborn之单变量分析

文章目录一.数据分布情况1.1构建一个随机变量二.数据分布情况参考：一.数据分布情况我们观察单个变量，一般是观察该变量的分布情况。1.1构建一个随机变量代码1:importnumpyasnpimportpandasaspdfromscipyimportstats,integrateimportmatplotlib.pyplotaspltimportseabornassnssns.set(color
只是甲·2022-12-24 11:04
上一页 27 28 29 30 31 32 33 34 下一页
按字母分类： ABCDEFGHIJKLMNOPQRSTUVWXYZ其他