自定义博客皮肤VIP专享

*博客头图:

格式为PNG、JPG,宽度*高度大于1920*100像素,不超过2MB,主视觉建议放在右侧,请参照线上博客头图

请上传大于1920*100像素的图片!

博客底图:

图片格式为PNG、JPG,不超过1MB,可上下左右平铺至整个背景

栏目图:

图片格式为PNG、JPG,图片宽度*高度为300*38像素,不超过0.5MB

主标题颜色:

RGB颜色,例如:#AFAFAF

Hover:

RGB颜色,例如:#AFAFAF

副标题颜色:

RGB颜色,例如:#AFAFAF

自定义博客皮肤

-+
  • 博客(13)
  • 收藏
  • 关注

原创 2小时matplotlib速成

一、基础

2021-06-01 21:13:04 252

原创 半小时学会用pandas解决真实世界中的数据科学任务

Github source code & data: https://github.com/KeithGalli/Pandas-Data-Science-Tasks

2021-06-01 20:55:35 227

原创 1小时掌握NumPy

一、简介

2021-06-01 20:23:38 117

原创 python数据分析课程笔记 | 第五章 Python统计分析(下)

5.3 卡方分析和方差分析(1)卡方检验

2021-05-28 10:32:25 251

原创 python数据分析课程笔记 | 第五章 Python统计分析(上)

目录:5.1 描述性统计分析(1)基本统计学概念(2)统计量(3)离散程度(4)点估计和区间估计5.2 假设检验(1)假设检验概念(2)假设检验基本步骤(3)显著性水平与拒绝域(4)单样本t检验(5)双样本t检验5.1 描述性统计分析(1)基本统计学概念总体样本(2)统计量可以在一定程度上反应总体的特征,从样本数据中计算得到,常见统计量包括:均值标准差中位数分位数众数(3)离散程度统计量可以对数据有个大体的认识,仅反应了数据的某些趋势,常见的离散程度有:极差四分位差

2021-05-27 19:42:06 302

原创 python数据分析课程笔记 | 第四章 Matplotlib数据可视化(下)

目录:4.5 完善统计图形(1)图例和画布使用(2)图形添加内容4.6 图像样式高级操作(1)绘制双坐标轴(2)多个图形合并4.7 高级绘图(1)Seaborn基础(2)绘制常用统计图形(3)其他参数和图形4.8 精美制图(1)plotly基础(2)常见图形绘制(3)图形设置4.5 完善统计图形(1)图例和画布使用图例中legend中loc中的位置和数字关系的使用:best:0upper right:1upper left:2lower left:3lower right:4right

2021-05-25 15:59:53 486

原创 python数据分析课程笔记 | 第四章 Matplotlib数据可视化(上)

目录:4.1 matplotlib绘图基础4.2 简单图形绘制(1)饼图(2)条形图(3)直方图(4)散点图4.3 图形基本设置4.4 统计图形实战(1)柱状图(2)直方图(3)箱线图(4)散点图(5)折线图4.1 matplotlib绘图基础import numpy as npimport matplotlib.pyplot as plt# 解决中文乱码问题plt.rcParams['font.sans-serif'] = ['SimHei']plt.rcParams['axes.uni

2021-05-22 12:47:09 955

原创 python数据分析课程笔记 | 第三章 Pandas数据分析运用(下)

目录:3.3 分组聚合和透视图(1)数据排序(2)分组聚合(3)透视图和交叉表3.4 Pandas数据预处理(1)Pandas其他函数运用(2)数据清洗(3)数据离散化3.3 分组聚合和透视图(1)数据排序import pandas as pdvgsales = pd.read_csv('vgsales.csv', encoding='utf-8', dtype={'Year': float})# ascending=True按照升序排序,na_position='last'缺失值排最

2021-05-21 19:07:00 315

原创 python数据分析课程笔记 | 第三章 Pandas数据分析运用(上)

目录:3.1 pandas基础操作3.2 pandas高级操作3.1 pandas基础操作(1)常用数据结构Series常用属性:values:返回Series对象所有元素index:返回索引dtypes:返回数据类型shape:返回series数据形状ndim:返回对象的维度size:返回对象个数DataFrame常用属性:values:返回Series对象所有元素index:返回索引dtypes:返回数据类型shape:返回series数据形状ndim:返回对象

2021-05-21 15:33:21 207

原创 python数据分析课程笔记 | 第二章 Numpy运用(下)

目录:2.3 numpy字符串操作2.4 numpy统计计算2.5 numpy线性代数2.3 numpy字符串操作import numpy as npstr_list = ['Hello', 'World']str_arr = np.char.upper(str_list)a = np.char.add(['中国', '国庆'], ['海军', '大阅兵'])b = np.char.multiply(['中国', '万岁'], 3)c = np.char.join([':', '-'],

2021-05-21 10:47:38 563

原创 python数据分析课程笔记 | 第二章 Numpy运用(上)

目录:2.1 numpy基本用法2.2 numpy高级用法2.1 numpy基本用法(1)数组创建和属性import numpy as np# 数组创建arr1 = np.array([-9, 7, 4, 3])arr2 = np.array([-9, 7, 4, 3], dtype='float')arr3 = np.array([[1, 2, 3, 4], [5, 6, 7, 8], [9, 10, 11, 12]])# 等差数列np.arange(0, 10, 0.5)a = n

2021-05-21 10:06:43 136

原创 python数据分析课程笔记 | 第一章 Python基本运用(下)

目录:1.4 函数介绍1.5 字符串处理1.6 高级函数1.4 函数介绍# 常用内置函数a = [1, 2, 3, 4, 5]element_max = max(a)element_min = min(a)element = round(4.2424451, 2) # 四舍五入b = 'hello,world'isinstance(b, str)len(b)c = ['one', 'two', 'three']for i, j in enumerate(c): # 枚举

2021-05-20 19:36:07 149

原创 python数据分析课程笔记 | 第一章 Python基本运用(上)

python数据分析课程笔记-第一章 python基本运用(上)1.1 数据类型python的数据类型有以下几种:整数型:int,正负整数浮点型:float,小数复数:数据分析中很少用到常量:不能改变值,如pi布尔型:True或False字符串:文本,字符串中的元素不可变# 导入库import numpy as np# 查看数据类型a = 5b = 3.4print(type(a), type(b))# 特殊数据print(np.pi)print(np.e)# 数据

2021-05-20 16:14:45 215

空空如也

空空如也

TA创建的收藏夹 TA关注的收藏夹

TA关注的人

提示
确定要删除当前文章?
取消 删除