Python 常用统计包【01-pandas】【02-scipy.stats】【03-numpy】【04-sklearn.linear_model】

这篇博客介绍了Python中进行统计分析的重要库,包括pandas的基本统计操作,如描述性统计;scipy.stats库中关于正态分布的功能;pandas如何进行相关性分析;以及numpy和sklearn.linear_model在回归分析中的应用。
摘要由CSDN通过智能技术生成

pandas-描述性统计

import pandas as pd
df=pd.read_csv('路径',sep='/n')  #读取数据
###描述性统计
df.mean() #求均值
df.median() #求中位数
df.mode() #求众数
df.quantile(q=0.25) #求分位数 q=0.25  0.5  0.75 
df.std() #求标准差
df.var()#求方差
df.sum()#求和
df
  • 0
    点赞
  • 2
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
这段代码是在Python中导入所需要的库和模块。具体解释如下: - `import numpy as np`:导入NumPy库,并将其简写为np,以方便使用。 - `import pandas as pd`:导入Pandas库,并将其简写为pd,以方便使用。 - `from datetime import datetime`:从datetime模块中导入datetime函数,用于处理时间数据。 - `from scipy.stats import skew`:从scipy.stats模块中导入skew函数,用于计算数据的偏度。 - `from scipy.special import boxcox1p`:从scipy.special模块中导入boxcox1p函数,用于进行Box-Cox变换。 - `from scipy.stats import boxcox_normmax`:从scipy.stats模块中导入boxcox_normmax函数,用于计算Box-Cox变换的参数。 - `from sklearn.linear_model import ElasticNetCV, LassoCV, RidgeCV, Ridge`:从sklearn.linear_model模块中导入ElasticNetCV、LassoCV、RidgeCV、Ridge等函数,用于进行线性回归。 - `from sklearn.ensemble import GradientBoostingRegressor`:从sklearn.ensemble模块中导入GradientBoostingRegressor函数,用于进行梯度提升回归。 - `from sklearn.svm import SVR`:从sklearn.svm模块中导入SVR函数,用于进行支持向量回归。 - `from sklearn.pipeline import make_pipeline`:从sklearn.pipeline模块中导入make_pipeline函数,用于构建机器学习管道。 - `from sklearn.preprocessing import RobustScaler, StandardScaler`:从sklearn.preprocessing模块中导入RobustScaler、StandardScaler函数,用于进行特征缩放。 - `from sklearn.model_selection import KFold, cross_val_score`:从sklearn.model_selection模块中导入KFold、cross_val_score函数,用于进行交叉验证。 - `from sklearn.metrics import mean_squared_error as mse`:从sklearn.metrics模块中导入mean_squared_error函数,并将其简写为mse,用于计算均方误差。 - `from sklearn.metrics import make_scorer`:从sklearn.metrics模块中导入make_scorer函数,用于创建自定义评分函数。 - `from sklearn.neighbors import LocalOutlierFactor`:从sklearn.neighbors模块中导入LocalOutlierFactor函数,用于检测异常值。 - `from sklearn.linear_model import LinearRegression`:从sklearn.linear_model模块中导入LinearRegression函数,用于进行线性回归。 - `from mlxtend.regressor import StackingCVRegressor`:从mlxtend.regressor模块中导入StackingCVRegressor函数,用于进行交叉验证的堆叠模型。 - `import matplotlib.pyplot as plt`:导入matplotlib库,并将其简写为plt,用于绘制图形。 - `import seaborn as sns`:导入seaborn库,并将其简写为sns,用于绘制图形。
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值