use_my_heart的博客

Python制作统计图形作者: admin 分类: python, 数据分析 发布时间: 2014-07-19 17:37 ė 6没有评论Python一般使用Matplotlib制作统计图形，用它自己的说法是‘让简单的事情简单，让复杂的事情变得可能’。（你说国外的“码农”咋这么会说，我就整不出来这工整的句子！）用它可以制作折线图，直方图，条形图，散点图，饼图，谱图等等你能想

1. 安装依赖库：Python >= 2.6. Tested with versions 2.6, 2.7, 3.3 and 3.4. Support for Python 2.5 was discontinued starting gensim 0.10.0; if you must use Python 2.5, install gensim 0.9.1.NumPy >= 1.3.

Ubuntu14.04上安装pip的方法在Ubuntu14.04上，建议通过下面的方法安装，这是一种通用的方法，也适用于Windows，当然在Windows下手动下载下来就行了wget https://bootstrap.pypa.io/get-pip.py --no-check-certificatesudo python get-pip.py 如果在Ubun

sudo pip install xgboost有时不是sudo用户，提示错误，并且卡住不运行The directory '/home/jiyuan/.cache/pip/http' or its parent directory is not owned by the current user and the cache has been disabled. Please check

quit()

1.安装Python的GUI（IDLE）自认为python的GUI还是比较好用的，所以在Ubuntu14.04上进行了尝试。ubuntu默认安装好了python，但是并没有安装IDLE需要我们使用简单的命令：sudo apt-get install idle2.安装中文分词工具结巴（jieba）最近在做数据挖掘的作业，要用到jieba，所以不得不安装。github上的安装方法并不能正确

df.loc[index,columns]df.iloc[i,j] 数值df.ix[ ] 数值和字符都可以的混合索引

def ExceQuery(sql, database, chunksizes):    engine = create_engine(database)    if chunksizes == None:        df_list = pd.read_sql(sql, engine)    else:        df_list = []        for

1、字典转dffrom pandas.io.json import json_normalizedf = json_normalize(data)2、list中包含多个相同格式的字典，直接转为多条dflist=[{'key1':1,'key2':2},{'key1':1,'key2':2}]pandas.DataFrame.from_records(list)

一、html    df_text = '''         {}                        监控说明：pc_app过渡模型打分统计,效果评估,模型字段稳定性统计;        当天和昨天入审人群比较;字段summary            html_sc = ''# 保存成html文件，便于查看网页显示是否正确，不用自

date_str='2016-12-16'# str to datetimedate = datetime.datetime.strptime(date_str,'%Y-%m-%d')# datetime to strdate_str = date.strftime('%Y-%m-%d')或者直接str(date),再根据格式截取# 时间排序示例：ts =

Python： os.path —常用路径名操作这个模块实现了操作路径名的常用的函数。读写文件参见open()，访问文件系统参见os模块。注意在Windows上，许多函数不能正确的支持UNC路径名。splitunc()和ismount()可以正确的处理它们。和Unix shell不一样，Python不做任何自动的路径扩展。当应用需要shell一样的路径扩展的功能，可

Parameters: axis : {0 or ‘index’, 1 or ‘columns’}, default 00 or ‘index’ : get mode of each column1 or ‘columns’ : get mode of each rownumeric_only : boolean, default Falseif True, only apply to num

notepad++:在notepad++中双击某个单词，整个文档都会将这个单词标出颜色，另外在查找时，可以选择在整个文档中，下面会显示一个出现这个词的窗口，双击可以直接跳转过去，很方便，选择时直接双击就可以了，不用费劲的用鼠标点选。pycharm:python用pycharm查看时，按住ctrl键点击函数可以直接寻找到函数的位置，在同目录的其他py文件中也可以自动跳

在图像处理中，直方图是非常重要，也是非常有用的一个处理要素。在skimage库中对直方图的处理，是放在exposure这个模块中。1、计算直方图函数：skimage.exposure.histogram(image, nbins=256)在numpy包中，也提供了一个计算直方图的函数histogram(),两者大同小义。返回一个tuple（hist, bin

（1）pandas.Series.value_counts：返回对象中包含唯一值个数，Series.value_counts(normalize=False, sort=True, ascending=False, bins=None,dropna=True)参数:normalize : boolean, default False如果True则返回coun

2016.3.31（1）用type()可以查看任意数据类型。如果是单个数值，则显示具体数值类型；如果是存储容器，则显示对应的存储类型。示例：输出结果：注：若果不用np.mat([])定义矩阵或数组，用[ ]定义的存储类型都是List，无论是[]还是[[ ]]。数据框对应pandas包，df =pd.DataFrame()由于有多个列，查看各列

2016.3.30 类型描述例子备注str一个由字符组成的不可更改的有串行。'Wikipedia'"Wikipedia""""Spanningmultiplelines"""在Python 3.x里，字符串由Unicode字符组成

Python函数（1）isinstance，来判断一个对象是否是一个已知的类型。isinstance说明如下:isinstance(object, class-or-type-or-tuple)-> bool  isinstance(x, (A, B, ...)) 其第一个参数为对象，第二个为类型名或类型名的一个列表。其返回值为布尔型。若对象的类型与参数二的类型相同则返

Python函数 （1）数据框的另一种定义方式，将数据内容（多维数组）直接放入data中，再定义columns和index。（数据框.columns是取列名，.index是取行名，取出的类型类似元组，可以用[0],[1]…直接取出）df = pd.DataFrame(data=[[34, 'null', 'mark'], [22, 'null','mark'], [34, 'null'

（1）列表和序列有自己的排序sort方法，其对列表进行原址排序，所以元组没有（因为不可修改）sorted函数可以获得排序后的副本，不用引包可以直接用，不过序列排序后返回的是列表，序列自己的sort方法由于是原址排序，所以还是序列，不会改变类型。s =pd.Series([1, 6, 4, 0])s_sort= sorted(s)print(s_sort)print(type(s

多线程　　科技在发展，时代在进步，我们的CPU也越来越快，CPU抱怨，P大点事儿占了我一定的时间，其实我同时干多个活都没问题的；于是，操作系统就进入了多任务时代。我们听着音乐吃着火锅的不在是梦想。　　python提供了两个模块来实现多线程thread 和threading ，thread 有一些缺点，在threading 得到了弥补，为了不浪费你和时间，所以我们直接学习threading

在Django视图函数中经常出现类似于'ascii' codec can't decode byte 0xef in position 0:ordinal not in range(128)的错误。        在解决错误之前，首先要了解unicode和utf-8的区别。        unicode指的是万国码，是一种“字码表”。而utf-8是这种字码表储存的编码方法。unicode不

# 将每次运行的KS值存入一个文件，每次运行时加入文件，再读取文件画出连续一些天数的ks曲线图    if os.path.exists('./ks_accumulate.csv'):        if os.path.getsize('./ks_accumulate.csv'):            print('文件存在且不为空')            ks_temp.t

import pandas as pdimport numpy as npfrommatplotlib.ticker import MultipleLocator, FormatStrFormatterimport matplotlib as mpl# matplotlib.use('Agg')import matplotlib.pyplot as plt

前言：统计分析，机器学习，建模为什么选择python?1、python开源免费，有很多现成的计算模型库和包可以用，也有对应的可视化工具，方便绘制图表。2、python是解释性语言，相对于其他语言，代码实现需要的计算功能要简化很多，省去码代码时间。3、对于一般的中量级数据，python处理效率还可以，当然比不上java和C++，不过一般可以接受。加上可以嵌入到Java和C++中，效率问题也可以得到解...