![](https://img-blog.csdnimg.cn/20201014180756928.png?x-oss-process=image/resize,m_fixed,h_64,w_64)
Datawhale数据分析课程
文章平均质量分 94
Ninjasone
这个作者很懒,什么都没留下…
展开
-
动手学数据分析task5
第三章 模型搭建和评估–建模经过前面的两章的知识点的学习,我可以对数数据的本身进行处理,比如数据本身的增删查补,还可以做必要的清洗工作。那么下面我们就要开始使用我们前面处理好的数据了。这一章我们要做的就是使用数据,我们做数据分析的目的也就是,运用我们的数据以及结合我的业务来得到某些我们需要知道的结果。那么分析的第一步就是建模,搭建一个预测模型或者其他模型;我们从这个模型的到结果之后,我们要分析我的模型是不是足够的可靠,那我就需要评估这个模型。今天我们学习建模,下一节我们学习评估。我们拥有的泰坦尼克号的数翻译 2021-06-23 16:16:06 · 333 阅读 · 0 评论 -
动手学数据分析task4
数据可视化import pandas as pdimport numpy as npimport matplotlib.pyplot as pltresult_data = pd.read_csv('result.csv')result_data.head(5)2.7 如何让人一眼看懂你的数据?《Python for Data Analysis》第九章2.7.1 任务一:跟着书本第九章,了解matplotlib,自己创建一个数据项,对其进行基本可视化matplotlib是python翻译 2021-06-21 22:54:35 · 155 阅读 · 0 评论 -
数据分析_task3
第二章 数据重构导入基本库import numpy as npimport pandas as pd载入data文件中的train-left-up.csv文件train_left_up = pd.read_csv(r'F:\data_analyse\hands-on-data-analysis\第二章项目集合\data\train-left-up.csv')train_left_up.head(5)2.4数据的合并2.4.1将data文件夹里面的所有数据都载入,观察数据的之间的关系t翻译 2021-06-19 20:27:45 · 151 阅读 · 0 评论 -
动手学数据分析_task2
第一部分:数据清洗及特征处理通常来说我们拿到的数据是不干净的,所谓的不干净就是数据中有缺失值,有一些异常点,需要经过一定的处理才能继续做后面的分析。所以拿到数据的第一步就是进行数据的清洗。本章将学习缺失值、字符串和数据转换等。导入numpy、pandas库import numpy as npimport pandas as pd加载数据train_data = pd.read_csv('train.csv')train_data2.1 缺失值观察与处理拿到的数据有许多的缺失值,比如C翻译 2021-06-17 21:32:25 · 275 阅读 · 0 评论 -
动手学数据分析_task01
动手学数据分析 通过动手学数据分析这门课程来了解数据分析的基本流程以及python的基本使用。第一部分 数据载入以及初步观察1.1加载数据数据集下载地址:https://www.kaggle.com/c/titanic/overview1.1.1导入numpy和pandasimport numpy as npimport pandas as pd提示:如果导入第三方库失败,可能python编译器中没有安装该第三方库,通过pip或者conda进行安装,如果出现时间超时等情况,可以通过镜像进翻译 2021-06-16 00:22:28 · 415 阅读 · 0 评论