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NaN movies = 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False pd.isnull(movies) # 是缺失原创 2020-10-20 20:45:06 · 141 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- data as - 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 · 211 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 · 126 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 · 113 阅读 · 0 评论