机器学习
weixin_44179323
这个作者很懒,什么都没留下…
展开
-
数据分析入门-第四天
数据分析入门第四天 参考视频五、Pandas使用 - 高级篇(一)缺失值处理如何进行缺失值处理(1)删除含有缺失值的样本(2)替换/插补如何处理nan(1)判断数据中是否存在NaNmovies = pd.read_csv('C:/Users/ABC/Desktop/IMDB-Movie-Data.csv')# pd.notnull(movies) # 与下面一句相反,不是缺失值的元素,在其位置显示True;否则显示Falsepd.isnull(movies) # 是缺失原创 2020-10-20 20:45:06 · 177 阅读 · 0 评论 -
数据分析入门-第三天
数据分析入门第三天 参考视频四、Pandas使用 - 基础篇(一)概述Pandas介绍 - 数值处理工具pan - panel 面板数据d- dataas - analysis 分析Pandas优点(1)便捷的数据处理(2)读取文件方便(3)封装了Matplotlib、Numpy的画图和计算Pandas核心数据结构(1)DataFrame创建# 结构:既有行索引(index),又有列索引(columns)的二维数组stock_change = np.ran原创 2020-10-20 20:42:40 · 264 阅读 · 1 评论 -
机器学习入门-数据分析入门-第一天
数据分析入门第一天一、Jupyter使用(一)优点展示数据方便可以分块运行代码(二)模式编辑模式:在单元格(cell)里面操作命令模式:操作单元格(三)快捷键命令模式:Shift-Enter : 运行本单元,选中下个单元Ctrl-Enter : 运行本单元,停留在本单元A : 在上方插入新单元B : 在下方插入新单元D,D : 删除选中的单元(双击D)Enter : 转入编辑模式编辑模式Tab : 代码补全或缩进Ctrl-A : 全选C原创 2020-10-18 09:36:37 · 135 阅读 · 1 评论 -
数据分析入门-第二天
数据分析入门第二天 参考视频三、Numpy使用(一)概述Numpy介绍 - 数值计算库num - numerical 数值化的py - python开源python科学计算库,用于处理任意维度的数组ndarray - Numpy核心数据结构n - 任意个d - dimension 维度array - 数组ndarray 相比于原生python的list(1)存储风格 ndarray - 相同类型 - 通用性不强 (存储时数据地址连续,顺序存储?) l原创 2020-10-19 11:08:24 · 136 阅读 · 0 评论