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 21:13:04 248

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 20:55:35 225

原创 1小时掌握NumPy

一、简介

2021-06-01 20:23:38 114

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 10:32:25 250

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 19:42:06 300

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:0 upper right:1 upper left:2 lower left:3 lower right:4 right

2021-05-25 15:59:53 485

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 np import 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 12:47:09 952

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 pd vgsales = 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 19:07:00 313

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 15:33:21 203

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 np str_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 10:47:38 562

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 10:06:43 135

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 19:36:07 148

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 = 5 b = 3.4 print(type(a), type(b)) # 特殊数据 print(np.pi) print(np.e) # 数据

2021-05-20 16:14:45 212

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