kuui-CSDN博客

原创 python数据分析 Lending Club贷款数据

一.sample() 随机抽样函数loan.sample(n=3,axis=1,random_state=1，replace=True)#n=3 随即查看3列（默认为行）#axis=1可实现列采样#random_state有时，我们希望重复调用某次采样的结果，我们可以设定random_state参数为同一个数来实现。#replace=True又放回抽样（默认为不放回）loan.sample(frac=0.01)#抽取样本中的0.01%二.选取指定数据test_user = user.lo

2021-03-29 09:45:30 682

原创 python--numpy.random

numpy.random生成（0，1）均匀分布随机数np.random.rand(2,3)#array([[0.23159584, 0.1895618 , 0.87409391],# [0.40875295, 0.63464579, 0.83562079]])给定范围取随机数np.random.randint(0,10,size=5)产生二项分布随机数np.random.binomial(10,0.5,size=5)正态分布随机数np.random.normal(0,0

2021-03-14 17:33:28 111

原创 python--ufunc函数--numpy计算

NumPy"通用函数"(Universal Function ,ufunc)·元素级函数∶对数组中的每个元素进行运算·数组级函数∶统计函数，像聚合类的函数，求和，求平均等计算绝对值 absimport numpy as nparr = np.array([5,2,0,-1,-3,-1,-4])np.abs(arr)#array([5, 2, 0, 1, 3, 1, 4])计算各元素平方np.square(arr)#array([25, 4, 0, 1, 9, 1, 16],

2021-03-14 17:03:43 228

原创 Python--数组（ndarray）

创建import numpy as npv=np.arange(10)print(v)print(v.dtype) #类型int32print(v.shape) #(10,)v2=np.arange(0,10,0.5) #以0.5为间隔v2#array([0. , 0.5, 1. , 1.5, 2. , 2.5, 3. , 3.5, 4. , 4.5, 5. , 5.5, 6. , 6.5, 7. , 7.5, 8. , 8.5, 9. , 9.5])v2*10#运算array([ 0

2021-03-13 16:31:12 158

原创对该数据集的字段请对该数据集的字段absence进行二值化处理

请对该数据集的字段absence进行二值化处理，超过8次的记为1，不超过8次的记为0，将处理后的结果存为该数据集的新列new_absence提示：可以使用sklearn.preprocessing中的Binarizer函数实现上述功能import pandas as pddata = pd.read_csv('newdata.csv')print(data[['absences']].head())# 二值化转换from sklearn import preprocessingbinariz

2020-05-16 21:12:03 199

原创绘制多个参数箱线图

使用matplotlib绘制该数据集特征G1、G2、G3的箱线图（按照顺序G1,G2,G3）在一个子图中绘制需求图像import pandas as pdimport matplotlib.pyplot as pltfig = plt.figure(figsize = (10, 10))data = pd.read_csv('newdata.csv')# 绘制scores = ['G1', 'G2', 'G3']grades_df = data[scores]grades_df.boxp

2020-05-16 21:11:32 2658

原创 pandas统计行数，获取字段信息例题

统计该数据集的行数，将结果存为row_num获取该数据集的各个字段名称，将结果存为col_array从该数据集中，读取字段school, sex, age,address 的信息，将结果存为dataimport pandas as pdall_data = pd.read_csv('studentmath.csv')# 统计行数row_num = len(all_data)# 获取各字段名称col_array = all_data.columns# 读取指定字段信息data =.

2020-05-12 13:20:09 3430

原创 pandas判断标称型和数值型特征数据

现已使用Pandas读取数据集studentmath.csv加粗样式请获取该数据集各个特征的数据类型，将标称型特征存为nominal_array，数值型特征存为numerical_array要求：nominal_array和nominal_array为列表结构提示：可以使用Pandas中的select_dtypes()函数区别字段的类型，比如标称型字段的dtype为object，数值型字段的dtype为int和float正误判定变量：nominal_array,numerical_arrayimp

2020-05-12 13:11:53 1879

weixin_44039266的博客