Ifordzhang的博客

数据归一化处理公式：（每个值-最小值）/（最大值-最小值）数据归一化处理，不会改变数据原有的分布情况模拟的数据集data = [[-1,201],[-0.5,189],[0,199],[1,187],[1,200],[2,196]]data = pd.DataFrame(data)data手动处理以其中一列为例（具体根据业务场景）data[1] =(data[1]-data[1].min())/(data[1].max()-data[1].min())data使用sk

matplotlib绘图散点图：plt.scatter()matploylib中的散点图可以单独控制每个散点与数据匹配，也可以让每个散点具有不同的属性。函数功能：寻找变量之间的关系调用签名：plt.scatter(x,y,c=“b”,label=“scatter figure”)参数说明：x：x轴上的数值y：y轴的数值c：散点图中的标记的颜色label：标记图形内容的标签文本柱状图:plt.bar()柱状图是描述统计中使用频率非常高的一种统计图形，主要应用在离散型数据的分布展

文本处理str 属性Series中与字符串相关的方法，封装在子模块下series.str.具体的方法- 具体可以通过- dir(pd.Series.str)查看常用的方法(以下用到的series值均表示为字符的值)- s.str.count(‘a’) 统计a在每一个series值中出现了多少次- s.str.split(sep = ‘’) 按照指定的分隔符拆分，指定分隔符不作为一个元素结果返回- s.str.partition(sep = ‘’) 按照指定的分隔符第一次出现的位置拆

1 缺失值的处理1.1 常规缺失值的处理np.nan,NaN,None，NaT(时间数据类型的缺失值)等df.isnull()1.判断每一个df中的数据是否为缺失值，是则返回True,否则返回False2.可以利用True为1，False为0的特性，sum()即为缺失值数量df.notnull()判断每个df中的值是否不为缺失值，是不为缺失值返回True,不是不为缺失值则返回Falsedf.dropna() 1.删除缺失值，可以指定axis来控制删除出现缺失值的行或者列 2.使用dropna

函数的应用作用：我们可以自己定义一些函数，来应用到DataFrame或者Series中常用的函数：map:map 是Series中特有的方法，通过它可以对Series中的每个元素实现转换map 是映射函数，把一个函数的操作，映射到一个序列中的每一个元素中去映射方法：1.函数（包括自定义，lambda，内置，np，其他模块函数等均可）2.字典（独有）apply:既支持Series也支持DataFrame在对Series操作时，会作用到每个值上（和map相同）对DataF

Python 中无法使用list函数创建列表的解决方法今天遇到一个问题后来才发现，是我把list定义成了一个变量，少写了一个list1，结果更改了list()的定义，所以解决方法就是删除自己定义的list()执行即可恢复正常...