奶油味小孩-CSDN博客

转载德国能源数据时间序列分析

1. 数据集本案例使用德国2006年至2017年的能源生产及消耗数据集，数据来源于“Open Power System Data”（https://open-power-system-data.org/ ）。该数据集包括德国全国范围内的电力消耗，风能发电和太阳能发电总量等，单位为GWh。我们将结合Pandas中的各种方法对这一时间序列数据进行分析，为了对数据有更直观的认识，我们使用plot对数据进行简单的可视化处理。数据的字段及其说明如下：2.数据分析2.1 数据导入import pandas a

2021-05-17 09:57:39 1605 2

转载 Lending Club贷款数据转换与融合

1. 数据源Lending Club是一家美国P2P公司，投资者在平台中为融资方提供资金，并以此获得贷款利率收益。Lending Club为投资者与融资方提供平台。本案例中，我们使用Lending Club2015年公开数据集中截取的一小部分进行分析。数据分为三个部分：（1)用户信息数据(2)用户历史数据(3)贷款交易数据2. 数据处理及分析import pandas as pdimport numpy as npimport warningswarnings.filterwarni

2021-05-15 17:50:02 1056

转载 Pandas进一步实战

酒品消耗数据初步探索1. 数据源在本案例中，我们将使用全球193个国家某年的各类酒品消耗数据。主要数据集变量如下：变量名称含义说明country国家beer_servings啤酒消耗量spirit_servings烈酒消耗量wine_servings红酒消耗量total_litres_of_pure_alcohol总酒精消耗量continent所在大洲2. 数据预处理2.1 导入数据import numpy as npimpor

2021-05-11 21:25:37 2073

转载 Pokemon宠物小精灵数据初步探索

案例中使用宠物小精灵的相关数据进行分析，其中各列的列名意义为：name宠物小精灵的名称Type 1宠物小精灵的第一类型Type 2宠物小精灵的第二类型HP生命点数Attack攻击强度Defense防御强度Sp.Atk特殊攻击强度Sp.Def特殊防御强度Speed速度Generation世代数Total综合能力（生命点数、攻击强度、防御强度、特殊攻击强度、特殊防御强度和速度的总和）LengendaryTru

2021-05-10 18:33:39 1816

原创 pandas基本切片用法及具体实例（超级实用且有注释，老年人看了都能敲代码）

1.设置一个array，并输出import numpy as np import pandas as pddata = np.array([0, 7, 3, 6, 2, 8, 5, 9, 4]).reshape(3, -1)#以三行为基础重排，若-1放在reshape的第一个参数，则是按列排df = pd.DataFrame(data, index=['One', 'Two', 'Three'], columns=['a', 'b', 'c'])#index设置行名，columns设置列名df

2021-05-10 17:16:20 2671

原创 pandas与scipy常见功能及实例可视化

在本次练习中，我们将分析BRFSS的重量与身高数据。从课程网站下载数据和代码骨架。代码骨架包含加载数据并生成数字数组件的代码。数字阵列中的五个列表示：年龄、current_weight（公斤）、weight_a_year_ago（公斤）、身高（厘米）和性别，其中性别 =1 代表男性，2 代表女性。1. 使用HW1 的代码生成关于current_weight、weight_a_year_ago和高度的汇总统计图。代码：import pandas as pdimport matplotlib.pyplo

2021-05-08 22:41:03 349

原创一些与概率论以及数理统计相关的概念和python的具体实例

一.基本概念1.中心极限定理中心极限定理 (Central limit theorem, 简作 CLT) 是概率论中的一组定理。中心极限定理说明，在适当的条件下，大量相互独立随机变量的均值经适当标准化后依分布收敛于正态分布。这组定理是数理统计学和误差分析的理论基础，指出了大量随机变量之和近似服从正态分布的条件。中心极限定理说明，在适当的条件下，大量相互独立随机变量的均值经适当标准化后依分布收敛于正态分布。这组定理是数理统计学和误差分析的理论基础，指出了大量随机变量之和近似服从正态分布的条件。2.标准误

2021-04-30 21:52:26 551

转载 python中numpy的基本切片方法与基础案例

一.Numpy基础练习Let x be a numpy array with 4 rows and 4 columns:x = numpy.array( [[ 1, 2, 3, 4], [ 5, 6, 7, 8],[ 9, 10, 11, 12],[13, 14, 15, 16]])1.a. y = x[:, 2]; print (y)取第0维全部数组和第1维索引为2的数组（也就是第三列）的交集2.b. y = x[-1,:2]; print

2021-04-10 16:44:01 1546

weixin_46945026的博客