Pandas数据分析
AIDD Learning
聚焦全球人工智能与药物研发领域进展,探索生物医药行业创新。
展开
-
机器学习——回归
原创 2021-07-15 09:37:09 · 63 阅读 · 0 评论 -
WARNING: You are using pip version 20.0.1; however, version 21.1.2 is available.
pip更新方法(失败了一般用换一种方法就解决了)1,使用python -m pip install --upgrade pip升级失败2,使用python -m pip install -U --force-reinstall pip依然失败3,使用pip install --user --upgrade pip成功升级原创 2021-06-17 12:04:53 · 488 阅读 · 0 评论 -
Excel如何将某个特定值变为空值
之所以会有这个问题,是因为在pandas数据处理时,它只能对缺失值做处理,对于我们excel表中的0值(pandas中的缺失值)处理很难。故,如何把0值变成空值呢?在网上找了方法,很鸡肋。现给出自己的方法。这样的话就可以将0值置换成空值咯。...原创 2021-05-13 21:25:55 · 3124 阅读 · 0 评论 -
二手车价格预测---数据分析
一、代码示例#1.1载入各种数据库科学以及可视化库!pip show matplotlibName: matplotlibVersion: 3.0.3Summary: Python plotting packageHome-page: http://matplotlib.orgAuthor: John D. Hunter, Michael DroettboomAuthor-email: matplotlib-users@python.orgLicense: PSFLocation: .原创 2021-04-16 21:44:42 · 1397 阅读 · 0 评论 -
第六章+连接
第六章 连接import numpy as npimport pandas as pd一、关系型连接1. 连接的基本概念把两张相关的表按照某一个或某一组键连接起来是一种常见操作,例如学生期末考试各个科目的成绩表按照姓名\color{red}{姓名}姓名和班级\color{red}{班级}班级连接成总的成绩表,又例如对企业员工的各类信息表按照员工ID号\color{red}{员工ID号}员工ID号进行连接汇总。由此可以看出,在关系型连接中,键\color{red}{键}键是十分重要的,往往用on参原创 2020-12-29 21:29:07 · 161 阅读 · 0 评论 -
第五章+变形
第五章 变形import numpy as npimport pandas as pd一、长宽表的变形什么是长表?什么是宽表?这个概念是对于某一个特征而言的。例如:一个表中把性别存储在某一个列中,那么它就是关于性别的长表;如果把性别作为列名,列中的元素是某一其他的相关特征数值,那么这个表是关于性别的宽表。下面的两张表就分别是关于性别的长表和宽表:pd.DataFrame({'Gender':['F','F','M','M'], 'Height':[163, 160, 175, 180]})原创 2020-12-27 20:20:00 · 486 阅读 · 0 评论 -
第四章+分组
第四章 分组import numpy as npimport pandas as pd一、分组模式及其对象1. 分组的一般模式分组操作在日常生活中使用极其广泛,例如:依据性别\color{#FF0000}{性别}性别分组,统计全国人口寿命\color{#00FF00}{寿命}寿命的平均值\color{#0000FF}{平均值}平均值依据季节\color{#FF0000}{季节}季节分组,对每一个季节的温度\color{#00FF00}{温度}温度进行组内标准化\color{#0000FF}原创 2020-12-24 12:02:11 · 250 阅读 · 0 评论 -
Pandas数据分析——Task2
练习题Ex1:口袋妖怪数据集现有一份口袋妖怪的数据集,下面进行一些背景说明:#代表全国图鉴编号,不同行存在相同数字则表示为该妖怪的不同状态妖怪具有单属性和双属性两种,对于单属性的妖怪,Type 2为缺失值Total, HP, Attack, Defense, Sp. Atk, Sp. Def, Speed分别代表种族值、体力、物攻、防御、特攻、特防、速度,其中种族值为后6项之和对HP, Attack, Defense, Sp. Atk, Sp. Def, Speed进行加总,验...原创 2020-12-19 20:55:23 · 841 阅读 · 3 评论