刘宏宇的博客

折线图 分开显示多个图散点图柱形图绘制堆叠柱形图直方图箱形图饼图Pandas继承和优化了matplotlib，因此可以直接使用Series和DataFrame对象通过plot()方法轻松地绘制图形。使用pandas绘制图形时通常需配合matplotlib一起使用。Series和DataFrame调用plot()，默认绘制折线图。索引为X轴，数据为Y轴。通过设置plot()的参数subplot=True，可以将DataFrame的列自动拆分，然后分开显示为多个图像。使用plot.scatter()

本文包括以下几部分数据筛选数据统计空值/NaN处理字符类型处理时间序列类型处理数据筛选按照筛选方式的不同，可以将数据筛选分为以下两种：两者的区别在于前者返回满足条件的数据，后者将不满足条件的以NaN值填充。使用表达式/布尔值筛选，即直接在“下标”中写出过滤条件，返回满足条件的数据。使用where()方法筛选数据，通过DataFrame.where(表达式) 可以筛选出满足条件的数据，同时不满足表达式的数据将以“NaN”值填充并一起返回。数据统计pandas提供一些函数实现对Series/D

Pandas数据分析(上)｜一文读懂Series和DataFrame

目录理论基础知识基本思想贝叶斯模型手动计算实例一：实战项目--屏蔽社区留言板的侮辱性言论Python版本Scikit-learn版本One more thing1.连续特征的处理方式2.零概率问题--拉普拉斯平滑理论基础知识贝叶斯与大多数机器学习算法不同，如：决策树，逻辑回归，支持向量机等都是判别方法，也就是直接学习出特征输出Y和特征X之间的...

目录简单理论介绍ID3--信息增益C4.5--信息增益率CART--基尼系数决策树对比机器学习实战-决策树预测隐形眼镜类型（ID3）Python实现Scikit-learn实现简单理论介绍ID3--信息增益信息熵（ Information Entropy）：度量了事物的不确定性，越不确定的事物，它的熵就越大；随机变量X它的熵表达式如下：其中 ...

目录简单理论介绍kNN算法之约会网站配对（Python）scikit-learn实现简单理论介绍K最近邻（k-Nearest Neighbor，KNN）分类算法应该是最简单的机器学习算法了。它采用测量不同特征值之间的距离方法进行分类。它的思想很简单：与它附近的k个样本比较，与它最相似（即特征空间中最邻近）的这K个样本中，大多数属于某一个类别，则该样本就属于这个类别。对于两个...

目录Series构建Series​索引SeriesDataFrame构建DataFrame列检索行索引列赋值pandas中的数据结构：Series （一维） , DataFrame（二维）Series构建Series从另一个角度可以认为Series是一个长度固定且有序的字典，索引值和数据值位置匹配。索引SeriesD...

没有pandas的话先pip install pandas然后pip install xlrd搞定。

数据读写操作函数 函数 参数 功能 备注 其他 pd.read_csv() 路径 读文件 csv、txt pd.read_excel() pd.read_sql() df.to_csv() 写文件 df.to_exce...

在机器学习中我们经常会通过生成随机数来：初始化模型参数啊，或者生成随机样本来测试检验模型啊等等。最常用的如高斯分布（正态分布）：标准的高斯分布N(0,1)是最容易获得的。numpy 的random类中提供了生成服从均值为0 方差为1 的高斯分布的函数numpy.random.randn()那么。如果你想获得一个自己想要的高斯分布如 N(1,4)这个时候你就可以利用公式...

由于在科大讯飞广告比赛中用pandas处理数据不是太熟练，这里做一个关于数据类型转换的小节。纯数字类型最长用的一个：df['xxx'].astype()当你pandas读取到数据，某一列（行）的原始数据，都是数字的形式：如 字符串：‘123’，7我在这里处理了‘sid’这一列的数据，然后生成新的一个特征‘newf’,查看一下它的数据类型，可以知道它是一个object类型的...

今天在拿到 科大讯飞 移动广告反欺诈算法挑战赛 数据的之后，刚开始用pd.read_csd()读取文件就给我报错，显示这个错误。# 导入数据data_path = './移动广告反欺诈算法挑战赛/'test_df = pd.read_csv(data_path + 'round1_iflyad_anticheat_testdata_feature.txt', delimiter="\t...

线性查找是按照顺序一个一个查找，直到找到需要查找的值。def linesearch(arr,x): n = len(arr) for i in range(n): if x == arr[i]: return i return -1arr = ['a','b','w','q','g']x = 'g'result = ...

K-means 是一种将输入数据划分成 k 个簇的简单的聚类算法。K-means 反复提炼初始评估的类中心，步骤如下：(1) 以随机或猜测的方式初始化类中心 u i ，i=1…k；(2) 将每个数据点归并到离它距离最近的类中心所属的类 c i ；(3) 对所有属于该类的数据点求平均，将平均值作为新的类中心；(4) 重复步骤（2）和步骤（3）直到收敛。聚类是无监督算法，优势是不要给...

办法一：降低版本。那么相关的支持库也要响应的更改匹配， 过程比较复杂。笔者试过，不建议这样操作。-----------------------办法二：在Keras 2.0后的版本，Merge（）层没有了，但是merge()还在，不过这个要引起注意，2.0后想融合模型，就必须改成函数式的。Merge()操作的对象是layermerge()操作的对...