- 博客(10)
- 收藏
- 关注
RSS订阅
1原创 python编程：从入门到实践--基础知识笔记
字符串：title()将每个单词的首字母都改为大写。upper()将每个字母都改为大写。lower()将每个字母都改为大写。删除空白：rstrip()删除字符串末尾空白lstrip()删除字符串开头空白strip()同时删除字符串两边的空白列表：在列表中添加元素：append()、extend()在列表中插入元素：insert()在列表中删除元素： 1、使用del语句删除元素 list1 = [1,2,3,...
2022-05-29 17:05:30
1376
原创 Matplotlib绘图基础
%matplotlib inlineimport matplotlib.pyplot as pltimport numpy as np# 在-10和10之间生成一个数列，共100个数x = np.linspace(-10,10,100)# 用正弦函数创建第二个数组y = np.sin(x)# 用plot函数绘制一个数组关于另一个数组的折线图plt.plot(x,y,marker="x")# plt.plot(x,y,marker="o")def linspace(start, .
2022-05-25 10:26:47
264
原创 KNN实现鸢尾花分类
因为我们有已知品种的鸢尾花的测量数据，所以这是一个监督学习问题。在这个问题中，我们要在多个选项中预测其中一个（鸢尾花的品种）。这是一个分类问题，可能的输出（鸢尾花的不同品种）叫做类别（class）。数据集中的每朵鸢尾花都属于三个类别之一，所以这是一个三分类问题。单个数据点（一朵鸢尾花）的预期输出是这朵花的品种。对于一个数据点来说，它的品种叫做标签（label）。一、加载数据集鸢尾花（Iris）数据集包含在scikit-learn的datasets模块中，我们可以调用load_iris函数来加载数据集
2022-05-24 21:09:20
5500
原创 Python中的Matplotlib包
Matplotlib是Python中最常用的绘图模块。主要特点如下：1、Matplotlib的Pyplot子模块与MATLAB非常相似，可以方便地绘制各种常见统计图形，是用户进行探索式数据分析的重要图形工具。2、可通过各种函数设置图形中的图标题、线条样式、字符形状、颜色、轴属性以及字体属性等。下面通过实例代码来进行介绍：import numpy as npimport pandas as pdimport matplotlib.pyplot as plt%matplotlib in
2022-05-24 11:18:01
1698
原创 透视表pandas.pivot_table和交叉表pd.crosstab
# 透视表是一种可以对数据动态排布并且分类汇总的表格格式。# 将指定原有DataFrame的列分别作为行索引和列索引，然后对指定的列应用聚集函数(默认情况下式mean函数)。# pandas.pivot_table(data, values=None, index=None, columns=None,aggfunc=‘mean’, margins=False) # data:[必须]需要操作数据 DataFrame # ...
2022-05-22 21:10:09
860
原创 Python中的Pandas包
Pandas是Python data analysis的英文缩写。Pandas提供了快速便捷的组织和处理结构化数据的数据结构和大量功能丰富的函数，使Python拥有强大高效的数据处理和分析环境。目前，pandas广泛应用于统计、金融、经济学、数据分析等众多领域，成为数据科学中重要的Python库。Pandas的主要特点如下：1、Pandas是基于Numpy构建的。数据组织上，pandas在numpy的N维数组的基础上，增加了用户自定义索引，构建了一套特色鲜明的数据组织方式。其中，序列（Series）
2022-05-22 21:03:17
3491
原创 python中的Numpy包
Numpy是Numerical Python的英文缩写，是最常用的Python包之一，主要特点如下：1、Numpy以N维（N=1或2是比较常见的）数组对象（ndarray）形式组织数据集，其中要求数据集中各变量的类型相同。Numpy的1维数组对应向量，2维数组对应矩阵。数据访问简单灵活，仅需通过指定位置编号（也称索引，从0开始编写）访问相应行列位置上的元素。2、Numpy拥有丰富的数学运算和统计函数，能够方便地进行基本统计分析和各种矩阵运算等。一、Numpy数组的创建和访问import n
2022-05-20 12:24:00
1165
原创 了解机器学习
机器学习能做什么？采用怎样的策略或算法发现“数据”和“答案”之间的关联性，并以哪种形式的规则体现，是机器学习的核心。机器学习的学习对象：数据集，数据集一般以二维表（也就是扁平表）形式组织，由多个行和列组成。数据集中的一行通常称为一个样本观测，如果数据集由N个样本观测组成，则称该数据集的样本容量或样本量为N。数据集中的一列通常称为一个变量（也称特征），用于描述数据的某种属性或状态。机器学习的任务：机器学习通过向数据集学习，完成两大主要任务，数据预测和数据聚类。数据预测，简而言之就是基于已有数据
2022-05-19 18:53:11
307
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