python数据分析

Python数据分析之股票数据

最近股市比较火，我7月初上车了，现在已经下了。中间虽然吃了点肉，但下车的时候都亏进去了，最后连点汤都没喝着。这篇文章我们就用python对股票数据做个简单的分析。数据集是从1999年到2016年上海证券交易所的1095只股票。共1000个文件。我们的分析思路大致如下：每年新发股票数目前市值最大的公司有哪些股票一段时间的涨跌幅如何牛市的时候，个股表现如何首先导入模块importpandasaspdi
区块链专家·2022-12-19 20:46

python数据分析 - 关联规则Apriori算法

关联规则Apriori算法导语mlxtend实现Apriori算法导语关联规则：是反映一个事物与其他事物之间的相互依存性和关联性常用于实体商店或在线电商的推荐系统：通过对顾客的购买记录数据库进行关联规则挖掘，最终目的是发现顾客群体的购买习惯的内在共性，例如购买产品A的同时也连带购买产品B的概率，根据挖掘结果，调整货架的布局陈列、设计促销组合方案，实现销量的提升，最经典的应用案例莫过于。关联规则分析
TES·Rooike·2022-12-19 20:15

Python数据分析实现文字型数据转换数字型数据的几种方法

方法1：使用map()函数实现文字型数据转换数字型数据importpandasaspd#创建DataFramedf=pd.DataFrame([['AAA'],['BBB'],['CCC']])#设置对应的数字dict1={'AAA':1,'BBB':2,'CCC':3}#字符转换数字df.iloc[:,0]=df.iloc[:,0].map(dict1)方法2：使用sklearn实现fromsk
Father_of_Python·2022-12-19 20:05

Python数据分析Day5--Matplotlib(2)

Matplotlib柱状图柱状图的绘制**matplotlib.pyplot.bar(x,height,width:float=0.8,botton=None,*,align:str=‘center’,data=None,kwargs)创建示例：x=range(5)data=[5,20,15,25,10]#设置标题plt.title("基本柱状图")#设置网格plt.grid(ls="--",al
冷月瞬逝·2022-12-19 17:22

Python数据分析--Matplotlib(1)

绘制图象plt.plot()plot可以绘制线性图表frommatplotlibimportpyplotasplt#%%importnumpyasnp#%%#获得-50-50的数组x=np.arange(-50,51)print(x)y=x**2plt.plot(x,y)结果：基本方法修改字体配置plt.rcParams[“font.sans-serif”]字体说明：例如：plt.rcParams
冷月瞬逝·2022-12-19 17:52

python数据分析心得_关于《利用python进行数据分析》心得

关于《利用python进行数据分析》心得今天终于把关于python的第二本书完全的读完，并且做了20mb左右的笔记。算上培训班，也算是正儿八经的在python这门最优雅的语言上入门了。加上值几天边看书，边用python对600多mb的数据进行清洗，并且发现一部分小错误，我在此写下部分心得以便于供各位同学，同行共勉。我将围绕本书的库，环境和问题进行讨论。首先是库，本书围绕三个库进行讨论——numpy
weixin_39620535·2022-12-19 13:07

python数据分析题库实例_利用Python进行数据分析实例练习

前面学习了Python的基础语法，Numpy和Pandas，终于要使用Python来进行数据分析的实战练习了。本节以某药店2018年商品销售数据为例来练习利用Python进行数据分析的基本方法。数据分析基本步骤：1、提出问题2、理解数据3、数据清洗4、构建模型5、数据可视化一、提出问题要分析解决业务数据问题，首先要与业务部门进行沟通。本节案例主要分析月消费次数、月消费金额、客单价、消费趋势四大业务
weixin_39872222·2022-12-19 13:07

Python数据分析摘要（1）- DataFrame数据定位，筛选和修改

数据分析在社会和经济生活中扮演着越来越重要的角色。因此，我在接下的几篇blog中阐释比较常用的数据分析的代码，如有不妥，欢迎指正！数据分析第一个常用的库是pandas。相比较numpy和matplotlib,在产生相同效果的同时，pandas体现出强大的API功能，获取数据的途径更加便捷，所以备受推崇。首先，我们来了解一下pandas中DataFrame这个类的一些基本情况。DataFrame来源
Efred.D·2022-12-19 13:34

Python数据分析学习系列 十五 NumPy高级应用

Python数据分析学习系列十五NumPy高级应用资料转自（GitHub地址）：https://github.com/wesm/pydata-book有需要的朋友可以自行去github下载本章包括了一些杂乱的章节
天涯尽头黄鹤楼·2022-12-19 10:46

Python数据分析学习系列 十六 IPython的内容

Python数据分析学习系列十六IPython的内容资料转自（GitHub地址）：https://github.com/wesm/pydata-book有需要的朋友可以自行去github下载第2章中，我们学习了
天涯尽头黄鹤楼·2022-12-19 10:46

python词云背景图_python数据分析可视化，制作你想要的背景图词云

本文的文字及图片来源于网络,仅供学习、交流使用,不具有任何商业用途,版权归原作者所有,如有问题请及时联系我们以作处理本文章来自腾讯云作者：Python知识大全词云百度百科：“词云”就是对网络文本中出现频率较高的“关键词”予以视觉上的突出，形成“关键词云层”或“关键词渲染”，从而过滤掉大量的文本信息，使浏览网页者只要一眼扫过文本就可以领略文本的主旨先上几张图片让大家欣赏一番：这是我之前爬取的一篇文章
热热热热热啊·2022-12-18 15:09

【Python数据分析-8】：Numpy常用操作-arange函数、linspace函数与运算

1arange函数创建类似Python的range函数功能的Numpy数组的方法：下面的例子创建一个从1开始到10，步长为2的一维Numpy数组In[21]:np.arange(1,10,2)Out[21]:array([1,3,5,7,9])2linspace函数但是当需要创建小数构成的数组时，由于一个整数到另一个整数之间存在无数个小数，使用arange就不能实现了。所以Numpy提供了lins
老贡讲Python·2022-12-18 14:01

Python数据分析基础——pandas用法

pd.Seriesimportpandasaspds=pd.Series([1,3,6,np.nan,44,1])print(s)生成数组dates=pd.date_range('20190101',periods=6)print(dates)df=pd.DataFrame(np.random.randn(6,4),index=dates,columns=['a','b','c','d'])#df
谷曰十鑫·2022-12-18 12:20

python数据分析-聚类分析（转载）

聚类分析是一类将数据所对应的研究对象进行分类的统计方法。这一类方法的共同特点是，事先不知道类别的个数与结构；进行分析的数据是表明对象之间的相似性或相异性的数据，将这些数据看成对对象“距离”远近的一种度量，将距离近的对象归入一类，不同类对象之间的距离较远。聚类分析根据对象的不同分为Q型聚类分析和R型聚类分析，其中，Q型聚类是指对样本的聚类，R型聚类是指对变量的聚类。本节主要介绍Q型聚类。一、距离和相
Laoacai·2022-12-17 23:21

【Python数据分析】数据挖掘建模——聚类分析

聚类算法是在没有给定划分类别的情况下，根据数据相似度进行样本分组的一种方法，是一种无监督学习方法。聚类的输入是一组未被标记的样本，聚类根据数据自身的距离或相似度将他们划分为若干组，划分的原则是组内样本最小而组间距离最大化。常用的聚类方法有：常见的聚类分析算法有：这里主要介绍一下最常用的K-Means聚类算法一、K-Means聚类算法简介K-Means算法是典型的基于距离的非层次聚类算法，在最小化误
阿丢是丢心心·2022-12-17 23:50

python中如何导入numpy_Python数据分析：Pycharm如何添加numpy包？

在Python基础学习完毕后，开始进入数据分析阶段。面临的第一步，就是如何在Pycharm中添加numpy包。第一步，打开Pycharm，点击file，选择setting第二步：选择ProjectInterpreter，点击右侧“+”号。第三步：在搜索框中输入numpy，选中numpy包，点击下方“InstallPackage”，稍等片刻即可安装成功。第四步：返回查看列表中是否已安装numpy。第
weixin_39902184·2022-12-17 21:38

IndexError: boolean index did not match indexed array along dimension 0; dimension is 9 but correspo

对某银行在降低贷款拖欠率的数据进行逻辑回归建模（python数据分析与挖掘实战5-1）importpandasaspd#参数初始化filename=r'E:\python\《Python数据分析与挖掘实战
reb0rn初代·2022-12-17 21:30

【matplotlib】北理工嵩天老Python数据分析及展示matplotlib部分学习笔记

学习资料来自MOOC北理工嵩天老师的Python数据分析与展示，链接放在下面。在Ubuntu20.04中使用spyder进行学习。Havefun!
明光桥北修狗·2022-12-17 20:04

【Pandas】北理工嵩天老师Python数据分析与展示之Pandas

Pandas北理工Python数据分析及展示之Pandas。北理工嵩天老师的Python系列课数据分析与展示最后一章的内容。加油！
明光桥北修狗·2022-12-17 20:34

Python之Numpy库常用函数大全（含注释）

PS：本博文摘抄自中国慕课大学上的课程《Python数据分析与展示》，推荐刚入门的同学去学习，这是非常好的入门视频。Numpy是科学计算库,是一个强大的N维数组对象ndarray，是广播功能函数。其整
bylfsj·2022-12-17 16:07

Python数据分析与展示：NumPy数据存取与函数

NumPy数据存取与函数数据的CSV文件存取CSV：(Comma-SeparatedValue,逗号分隔值)CSV是一种常见的文件格式，用来储存批量的数据。CSV文件–百度百科将数据写入CSV文件：np.savetxt(frame,array,fmt='%.18e',delimiter=None)frame：文件、字符串或产生器，可以是.gz或.bz2的压缩文件。array：存入文件的数组。fmt
ybtdWmz·2022-12-17 15:53

Python数据分析与展示（2）——Numpy数据存取与函数

最近在中国大学mooc网学习Python数据分析与展示相关知识，记入下来，以供参考。
wonazhidao1027·2022-12-17 15:51

Python数据分析——numpy数据存取与函数

数据的CSV文件存取CSV是一种常见的文件格式，用来存储批量数据。np.savetxt(frame,array,fmt='%.18e',delimiter=None)frame--文件、字符串或者产生器array--存入文件的数组fmt--写入文件的格式%的，%d,%fdelimiter--分割字符串，默认是任何空格np.loadtxt(frame,dtype=np.float,delimiter
打捞月色·2022-12-17 15:19

python数据分析 之 pandas数据统计

目录一：数据集准备二：加载文件三：分组操作进行统计一：数据集准备可以创建一个txt，并放置pycharm工程目录下下面是博主的数据集测试，所用数据，需要的自取1001,Chinese,1,801001,Chinese,2,811001,Chinese,3,791001,Chinese,4,861001,Math,1,691001,Math,2,701001,Math,3,791001,Math,4
顾城沐心·2022-12-17 11:45

Python数据分析三大库——Numpy入门(1)-ndarray介绍、切片、转置

1、ndarray1.1ndarray简单介绍NumPy最重要的一个特点就是其N维数组对象（即ndarray），该对象是一个快速而灵活的大数据集容器。你可以利用这种数组对整块数据执行一些数学运算，其语法跟标量元素之间的运算一样。引入numpy时可以在代码中使用fromnumpyimport*，但不建议这么做。numpy的命名空间很大，包含许多函数，其中一些的名字与Python的内置函数重名（比如m
weihuan2323·2022-12-17 08:12

【Python数据分析】数据预处理3——数据规约（含主成分分析详解、Python主要预处理函数）

数据规约产生更小且保持完整性的新数据集，在规约后的数据集上进行分析和挖掘将提高效率一、属性规约属性规约通过属性合并创建新属性维数，或者通过直接删除不相关的属性来减少数据维数，从而提高数据挖掘的效率，降低计算成本。属性规约常见的方式如下表所示：属性规约方法方法描述合并属性将一些旧属性合并为新属性逐步向前选择从一个空属性集开始，每次从原来属性集合中选择一个当前最优的属性添加到当前属性子集中，直到无法选
阿丢是丢心心·2022-12-16 14:31

Python数据分析基础——数据预处理方法笔记（持续更新）

python数据预处理方法目录一、数据探索1.1查看表总体信息1.2查看表细节信息二、数据清洗2.1重复值处理2.2缺失值处理2.3异常值处理2.4提取字符串2.5数据离散化2.6数据标准化2.7数据整合三、数据类型的转换3.1时间类型数据处理3.2字符串类型数据处理四、特征构造4.1时间特征4.1.1提取年月日等4.1.2构造时间4.1.3计算时间间隔4.1.4判断是否为：工作日/节假日/调休日
麦麦的辣翅·2022-12-16 14:28

Python量化交易策略及回测系统

由于一些因素不得不将文章中的大部分代码进行删除，但行文思路还是完整的，大家可以根据自己的想法思考形成独特的交易策略填充到省略号部分，如需以前的代码可私信了解前言：行文思路由于本文篇幅较长，而且文中关于python
貮叁·2022-12-16 13:22

【2022新版】Python数据分析全流程地图

01.业务需求02.数据获取03.数据处理04.数据分析05.数据可视化数据分析是指用适当的统计分析方法对收集来的大量数据进行分析，将它们加以汇总和理解并消化，以求最大化地开发数据的功能，发挥数据的作用。数据分析是为了提取有用信息和形成结论而对数据加以详细研究和概括总结的过程。数据分析的数学基础在20世纪早期就已确立，但直到计算机的出现才使得实际操作成为可能，并使得数据分析得以推广。数据分析是数学
程序员孔乙己·2022-12-16 13:48

python数据分析的例子_python数据分析实例：共享单车租用影响因素分析

本次案例用到的是kaggle网站（BikeSharingDemand|Kaggle）提供了某城市的共享单车2011年到2012年的数据集。该数据集包括了租车日期，租车季节，租车天气，租车气温，租车空气湿度等数据。本次将使用python对这一数据集进行探索性分析，以了解共享单车的租用情况与哪些因素有关。DataFields（数据特征描述）：datatime-日期+时间season-1=春天2=夏天3
weixin_39928768·2022-12-16 12:02

python爬空气污染实时数据_python数据分析综合项目--空气质量指数分析

项目背景近年来，我国的环境问题比较严重，很多城市出现了雾霾天气，当然也有很多城市空气依旧清新，为了研究具体的空气环境城市分布，我们采用了假设检验以及线性回归的思想对AQI(空气质量指数)进行分析和预测，其中AQI的值越大，表示空气质量越差，AQI值越小，表明空气质量越好。提出问题1.列出空气质量优秀/较差的五个城市2.全国空气质量分布情况3.临海城市和内陆城市的空气质量对比4.影响空气指数的因素5
weixin_39771791·2022-12-16 11:33

Python数据分析与挖掘

文章目录前言数据来源可视化及其数据处理词云画饼图画走势图根据表中不同字段画条形图画地图合并多个csv文件最后利用各种挖掘算法分析解释感触前言前段时间做了个回归模型预测分析，效果不好，只是简单地熟悉了数据挖掘的流程而已，下面记录一些数据挖掘常用到的东西。数据来源找公开的爬虫现成软件，比如八爪鱼下面是一个爬历史天气的代码：#-*-coding:utf-8-*-"""SpyderEditorThisis
songsongL·2022-12-16 11:02

python 数据分析9 绘图和可视化

系列文章：Python数据分析文章目录九、绘图和可视化1、matplotlibAPI入门调整subplot周围的间距颜色、标记和线型刻度、标签和图例添加图例注解Subplot上绘图将图表保存到文件2、使用
catOneTwo·2022-12-16 09:12

csv数据筛选 matlab_Python数据分析实战，星巴克店铺分布数据分析

第一次吃星巴克是一块小小的蛋糕，类似圣诞帽似的圆锥形，35块钱一块，感觉很贵，那是别人买给我的，以此为背景，研究星巴克店铺的分布情况，熟悉星巴克店铺的地理分布位置。一、数据来源本节使用星巴克店铺的数据集，通过Python可视化技术，分析星巴克店铺的分布情况，使用的数据来源于网络，其中City为店铺所在城市、State/Province为店铺所在的州和省份、Country为店铺所在国家。starbu
JackyBaldheadWang·2022-12-16 09:42

Python数据分析之特征处理笔记六——特征预处理（案例分析）

特征预处理1.1获取数据，数据清洗1.2确定标注1.3特征变换1.3.1Z-score标准化与最大最小标准化1.3.2标签法和独热法1.4特征降维2.模型建立数据来源：本文的数据及代码来源于B站up主，Python
୧⍤⃝ Nakupenda·2022-12-16 09:11

Python数据分析之特征处理笔记五——特征预处理（特征降维及特征衍生）

书接上文，本次将介绍两种常用的特征降维的方法：主成分分析（PrincipalComponentAnalysis，PCA），线性判别分析（LinearDiscriminantAnalysis，LDA）。2.3特征降维2.3.1基本思想与特征选择的思想有着异曲同工之妙，都是希望在保留足够信息量的前提下获得比较精简的数据，以提高模型的运算速度。二者的不同之处就是降维的方式：特征选择是是直接删除冗余或不相
୧⍤⃝ Nakupenda·2022-12-16 09:41

Python数据分析之特征处理笔记三——特征预处理（特征选择）

书接上文，进行数据清洗过程后，我们得到了没有空值、异常值、错误值的数据，但想要用海量的数据来建立我们所需要的算法模型，仅仅是数据清洗的过程是不够的，因为有的数据类型是数值，有的是字符，怎样将不同类型的数据联系起来？以及在保证最大化信息量的前提下，怎样得到便于分析的数据？这就是特征预处理要做的工作。一、理论基础1.基本概念特征预处理是数据预处理过程的重要步骤，是对数据的一个的标准的处理，几乎所有的数
୧⍤⃝ Nakupenda·2022-12-16 09:40

【Python数据分析与可视化】关于星巴克数据分析与制图的九道题

我们留的作业。作业：本实训针对一组关于全球星巴克门店的统计数据，分析在不同国家和地区以及中国不同城市的星巴克门店的数量。获取数据打印出星巴克旗下有多少个品牌打印出全世界一共有多少个国家开设了星巴克门店，显示门店数量排名前10和后10的国家。用柱状图绘制排名前10的分布情况，横坐标有国家名，纵坐标为数量。显示拥有星巴克门店数量排名前10的城市。绘制星巴克门店数前10的城市分布柱状图，横坐标有城市名，
Gghostyvn·2022-12-16 09:06

Python数据分析面试实战

ya~老amy来了，今儿给大家分享一个朋友面试数据分析的实战项目，建议大家也可以独立的做一做。需求如下：看完这，可能第一反应就是头都大了。原始数据？结果数据？标准数据？但是冷静下来，对数据进行观察之后，呈现出下方截图：图看不明白没事儿，我们给大家详细说。首先，我们对照着原始数据表与结果数据表，看原始数据表中有哪些字段是可以直接读取写入到结果数据表中的。此时，大家可能又觉得在原始数据表中的字段都是英
老Amy·2022-12-16 07:46

Python数据分析与处理(例题)

1.请用列表编程，已知某基金公司持有的股票本周成交量如下：[56200,73900,49600,67200,96000,47100,87500,101700,39500,23600]对其中偶数下标的元素进行降序排列，奇数下标的元素不变，并输出处理后的列表内容。x=[56200,73900,49600,67200,96000,47100,87500,101700,39500,23600]a=[]fo
i道i·2022-12-16 07:46

今天分享5道Python数据分析面试题

分析：这题考察的是对Python内置函数的了解程度，Python常见的内置函数有。图片中我框选的是比较常用的一些，你可能见过，这题考察的是sum也就是求和具体的使用sum(iterable[,start])iterable–可迭代对象，如：列表、元组、集合。start–指定相加的参数，如果没有设置这个值，默认为0。例如sum([1,2,3])#结果为6sum([1,2,3],5)#结果为11pyt
不想敲代码的小码农·2022-12-16 07:14

python数据分析面试题_python数据分析方向，面试题解答

该楼层疑似违规已被系统折叠隐藏此楼查看此楼5、从一个数组中找出重复的元素打印出来NSArray*arr=[NSArrayarrayWithObjects:@"1",@"2",@"1",@"7",@"4",@"5",@"2",@"6",@"5",nil];NSMutableArray*arrmu=[[NSMutableArrayalloc]init];//过滤NSMutableArray*sameA
weixin_39875842·2022-12-16 07:14

python数据分析面试常见问题及答案_十道 Python 面试问题陷阱

无论是应聘问题1：请问如何修改以下Python代码，使得下面的代码调用类A的show方法答：这道题的考点是类继承，只要通过class方法指定类对象就可以了。补充的代码如下：问题2：请问如何修改以下Python代码，使得代码能够运行答：此题考察得是方法对象，为了能让对象实例能被直接调用，需要实现call方法，补充代码如下：问题3：下面这段代码的输出是什么答：此题考察的是new和init的用法，使用n
Alfred Deng·2022-12-16 07:44

面试利器，精心整理了份Python数据分析，知识点高清速查表！太受用了

数据重要性不用多说，如今，运营、市场、销售等岗位都要求“数据分析”能力。而励志“数据分析”方向的同学，如果有扎实专业技能，再加一定业务解决能力，无论在严峻的当下，还是未来，对求职面试，或升职涨薪，都会有很大帮助。这里最新公开了一份“数据分析知识点速查表”资料，包含数据分析师必知必会的Python基础、科学计算库、Mysql等知识，能帮不同阶段的同学有效提升学习、工作效率，迅速扫清职场障碍：想入行大
小马不会过河·2022-12-16 07:43

200道Python数据分析习题+50个办公自动化案例！

给大家分享早起整理的三份干货Python数据分析200题matplotlib图鉴100+Python办公自动化实战案例Python数据分析200题Pandas与NumPy都是Python数据分析中的利器
开发老谢·2022-12-16 07:43

python数据分析-面试题

#设逾期表为df,格式为pandas.DataFrame,详细数据如下所示，其中order_no为非#重复订单号，overdue_days为逾期天数，info_tabel为逾期标签，其中1表示逾期，#0表示未逾期#设逾期表为df,格式为pandas.DataFrame,详细数据如下所示，其中order_no为非#重复订单号，overdue_days为逾期天数，info_tabel为逾期标签，其中1
呵呵哒(￣▽￣)"·2022-12-16 07:13

5道Python数据分析面试题

转自|爱数据原统计网11行代码实现1到100的和？分析：这题考察的是对Python内置函数的了解程度，Python常见的内置函数有。图片中我框选的是比较常用的一些，你可能见过，这题考察的是sum也就是求和具体的使用sum(iterable[,start])iterable–可迭代对象，如：列表、元组、集合。start–指定相加的参数，如果没有设置这个值，默认为0。例如sum([1,2,3])#结果
数据不吹牛·2022-12-16 07:13

分析1996~2015年人口数据特征间的关系并分析1996~2015年人口数据各个特征的分布分散状况

python数据分析与应用实训1分析1996~2015年人口数据特征间的关系并分析1996~2015年人口数据各个特征的分布分散状况运行环境：jupyternotebook数据：populations.npz
我真的不叫苏图·2022-12-16 05:22

《Python数据分析与挖掘实战》第13章—— 财政收入影响因素分析及预测模型（lasso回归+DNN+LinearSVR）1.挖掘背景及目标2.数据探索3.数据预处理——数据规约4.模型构建

文章目录1.挖掘背景及目标2.数据探索2.1概括性分析描述性统计2.2计算各个变量之间的皮尔森系数'pearson'/'kendall'/'spearman'2.3查看相似属性2.4绘制相关性热力图3.数据预处理——数据规约3.1lasso回归模型3.1降维，lasso回归模型筛选特征4.模型构建4.1灰色预测4.2神经网络4.3线支持向量机线性回归（LinearSVR）4.4神经网络，Linea
marraybug·2022-12-16 04:15

python数据分析及可视化（十七）聚宽（双均线分析、因子选股策略、多因子选股策略、均值回归理论、布林带策略、PEG策略、权重收益策略）

聚宽聚宽是一个做金融量化的网站，https://www.joinquant.com，登录注册，如果你写的文章、策略被别人采纳，增加积分，积分用于免费的回测时长。在我的策略，进入策略列表，里面有做好的策略模板可以进行参考和学习，也可以新建策略，选择股票策略，可以更改文件的名称。左边是代码区域，可以点击函数库查看聚宽平台的函数库进行了解和学习，克隆为把打开的代码克隆一份在新的网页打开使用，2to3是将
hwwaizs·2022-12-15 23:46
上一页 29 30 31 32 33 34 35 36 下一页
按字母分类： ABCDEFGHIJKLMNOPQRSTUVWXYZ其他