- 博客(5)
- 收藏
- 关注
RSS订阅原创 2020-08-28
第三章 模型搭建和评估–建模 导入库 import pandas as pd import numpy as np import matplotlib.pyplot as plt import seaborn as sns from IPython.display import Image 在IPython笔记本中显示文件中的图像 plt.rcParams[‘font.sans-serif’] = [‘SimHei’] # 用来正常显示中文标签 plt.rcParams[‘axes.unicode_mi
2020-08-28 22:31:43
172
原创 数据可视化
数据可视化 导入所需要的库 使用import命令导入numpy、pandas以及matplotlib三个库，用来做数据分析以及数据可视化。 使用pandas库的read_csv(‘文件名称’)读入csv文件，并使用 .head()函数在编译器中显示部分数据。 若想具体了解matplotlib库的使用规则以及函数名称，可以参照管网对应的使用手册 可视化展示泰坦尼克号数据集中男女中生存人数分布情况 sex = text.groupby(‘Sex’)[‘Survived’].sum() 此函数使用.groupb
2020-08-26 11:35:55
206
原创 数据重构
数据重构 看到这节学习内容时，我想到了自己硕士期间在使用matlab处理计算数据的内容。通过这次学习，可以加深本人对python的理解。 马上就开学了，今天依然是急急忙忙水作业的一天，不过等把手头上的事情忙完，还是要认真重新学习一下这一块的内容人生苦短，我用python 数据的合并 导入基本库 import numpy as np、import pandas as pd，并使用pd.read_csv函数将所要处理的数据导入。 使用pd.concat函数将两组数据合并为一张表，contact函数的参数axi
2020-08-23 21:48:49
342
原创 第二章：第一节数据清洗及特征处理
数据清洗简述 我们拿到的数据通常是不干净的，所谓的不干净，就是数据中有缺失值，有一些异常点等，需要经过一定的处理才能继续做后面的分析或建模，所以拿到数据的第一步是进行数据清洗，本章我们将学习缺失值、重复值、字符串和数据转换等操作，将数据清洗成可以分析或建模的样子。 缺失值观察 df.info() df.isnull().sum() df[[‘Age’,‘Cabin’,‘Embarked’]].head(3) 对缺失值进行处理 df[df[‘Age’]==None]=0 df.head(3) df[df[‘A
2020-08-20 22:19:46
179
原创 第一次学习：数据加载及探索性数据分析
第一次学习记录 先来卖惨！！！第一次用python，第一次用CSDN，第一次使用Github(之前都是下载代码后读代码，不管理)，第一次数据分析实践，同时也是第一次收获！ 接触了搞数据分析的大神才发现什么水利水电工程，流体力学、地球物理流体动力学都是一堆小儿科，敲代码它不香吗？？？？？？？？为什么要对着一堆数学公式推来推去呢（真香，虽然还是感觉推公式更容易一点） 第一节数据载入及初步观察 导入numpy和pandas库（小声逼逼，我除了这两个库还知道matplotlib，毕竟周围有大神整天挂在嘴边：人生苦
2020-08-19 20:49:59
166
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