- [toc] 索引的复合索引 简单的索引操作: 获取 index: 执行结果: 指定 index: 执行结果: 重新设置 index: 执行结果: 指定某一列作为 index: 执行结果: 执行结果: 返回 index 的唯一值: 执行结果: ... [toc] 索引的复合索引 简单的索引操作: 获取 index: 执行结果: 指定 index: 执行结果: 重新设置 index: 执行结果: 指定某一列作为 index: 执行结果: 执行结果: 返回 index 的唯一值: 执行结果: ...
- [toc] Pandas 之布尔索引 回到之前狗的名字的问题上, 假如我们想找到所有的使用次数超过 80 次的狗狗名字,应该怎么选择? 执行结果: 缺失数据的处理 对于 NaN 的数据, 在 numpy 中我们是如何处理的? 在 pandas 中我们处理起来非常容易 判断数据是否为 NaN 执行结果: ... [toc] Pandas 之布尔索引 回到之前狗的名字的问题上, 假如我们想找到所有的使用次数超过 80 次的狗狗名字,应该怎么选择? 执行结果: 缺失数据的处理 对于 NaN 的数据, 在 numpy 中我们是如何处理的? 在 pandas 中我们处理起来非常容易 判断数据是否为 NaN 执行结果: ...
- [toc] 在 DataFrame 中使用时间序列 执行结果: 在最开始的 911 数据的案例中, 我们可以使用 pandas 提供的方法把时间字符串转换为时间序列. format 参数大部分情况下可以不用写, 但是对于 pandas 无法格式化的时间字符串, 我们可以使用该参数, 比如包含中文. ... [toc] 在 DataFrame 中使用时间序列 执行结果: 在最开始的 911 数据的案例中, 我们可以使用 pandas 提供的方法把时间字符串转换为时间序列. format 参数大部分情况下可以不用写, 但是对于 pandas 无法格式化的时间字符串, 我们可以使用该参数, 比如包含中文. ...
- [toc] 数据分析 简介 为什么要学习数据分析 1. 有岗位需求 2. 是 Python 数据科学的基础 3. 是机器学习课程的基础 什么是数据分析 数据分析是用适当的方法对收集来的大量数据进行分析, 帮助人们做出判断, 以便采取适当行动. 数据分析的流程 ... [toc] 数据分析 简介 为什么要学习数据分析 1. 有岗位需求 2. 是 Python 数据科学的基础 3. 是机器学习课程的基础 什么是数据分析 数据分析是用适当的方法对收集来的大量数据进行分析, 帮助人们做出判断, 以便采取适当行动. 数据分析的流程 ...
- 非监督学习 概述 概述 从本书开始, 将正式进入到监督学习 (Unsupervised Learning) 部分. 无监督学习, 顾名思义, 就是不受监督学习, 一种自由的学习方式. 该学... 非监督学习 概述 概述 从本书开始, 将正式进入到监督学习 (Unsupervised Learning) 部分. 无监督学习, 顾名思义, 就是不受监督学习, 一种自由的学习方式. 该学...
- [toc] 练习三 假设现在我们有一组从 2006 年到 2016 年 1000 部最流行的电影数据, 我们想知道这些电影中评分的平均分, 导演的人数等信息, 我们应该怎么获取? 执行结果: [toc] 练习三 假设现在我们有一组从 2006 年到 2016 年 1000 部最流行的电影数据, 我们想知道这些电影中评分的平均分, 导演的人数等信息, 我们应该怎么获取? 执行结果:
- [toc] Numpy 中的 nan 和 inf nan ( NAN, Nan ): not a number 表示不是一个数字 inf ( -inf, inf ): infinity, inf 表示正无穷, -inf 表示浮无穷 什么时候 numpy 中会出现 nan 当我们读取本地的文件为 float 的时候, 如果有缺失... [toc] Numpy 中的 nan 和 inf nan ( NAN, Nan ): not a number 表示不是一个数字 inf ( -inf, inf ): infinity, inf 表示正无穷, -inf 表示浮无穷 什么时候 numpy 中会出现 nan 当我们读取本地的文件为 float 的时候, 如果有缺失...
- [toc] Pandas 重采样 重采样: 指的是将时间序列从一个频率转化为另一个频率进行处理的过程, 将高频率数据数据转化为低频数据为降采样, 低频转化为高频率为升采样. pandas 提供了一个 resample 的方法来帮助我们实现频率转化. 执行结果: [toc] Pandas 重采样 重采样: 指的是将时间序列从一个频率转化为另一个频率进行处理的过程, 将高频率数据数据转化为低频数据为降采样, 低频转化为高频率为升采样. pandas 提供了一个 resample 的方法来帮助我们实现频率转化. 执行结果:
- [toc] CONDA 环境安装 conda: data science package & enviornment manager 创建环境: conda create--name python3 python=3 切换环境: windows: activat... [toc] CONDA 环境安装 conda: data science package & enviornment manager 创建环境: conda create--name python3 python=3 切换环境: windows: activat...
- 推荐系统评测 概述推荐系统的实验方法离线实验用户调查在线试验 评测指标用户满意度预测准确度评分预测TopN 推荐 概述 什么才是好的推荐系统? 这是推荐系统需要解决的首要问题... 推荐系统评测 概述推荐系统的实验方法离线实验用户调查在线试验 评测指标用户满意度预测准确度评分预测TopN 推荐 概述 什么才是好的推荐系统? 这是推荐系统需要解决的首要问题...
- [toc] Pandas 之 DataFrame DataFrame 对象既有行索引, 又有列索引 行索引, 表面不同行, 横向索引, 叫 index, 0 轴, axis= 0 列索引, 表名不同列, 纵向索引, 叫 columns, 1 轴, axis= 1 执行结果: 执行结果: 执行结果: ... [toc] Pandas 之 DataFrame DataFrame 对象既有行索引, 又有列索引 行索引, 表面不同行, 横向索引, 叫 index, 0 轴, axis= 0 列索引, 表名不同列, 纵向索引, 叫 columns, 1 轴, axis= 1 执行结果: 执行结果: 执行结果: ...
- [toc] Pandas 为什么要学习 pandas numpy 已经能够帮助我们处理数据, 能够结合 matplotlib 解决我们数据分析的问题, 那么 pandas 学习的目的在什么地方呢? numpy 能够帮助我们处理数值型数据, 但是这还不够. 很多时候, 我们的数据除了数值之外, 还有字符串, 时间序列等. 比如... [toc] Pandas 为什么要学习 pandas numpy 已经能够帮助我们处理数据, 能够结合 matplotlib 解决我们数据分析的问题, 那么 pandas 学习的目的在什么地方呢? numpy 能够帮助我们处理数值型数据, 但是这还不够. 很多时候, 我们的数据除了数值之外, 还有字符串, 时间序列等. 比如...
- [toc] 总结 在第一节的内容中, 我们都做了些什么 1. 绘制了折线图 ( plt.plot ) 2. 设置了图片的大小和分辨率 ( plt.figure ) 3. 实现了图片的保存 ( plt.savefig ) 4. 设置了 xy 轴上的刻度和字符串 ( xticks ) 5. 解决了刻度稀疏和密集... [toc] 总结 在第一节的内容中, 我们都做了些什么 1. 绘制了折线图 ( plt.plot ) 2. 设置了图片的大小和分辨率 ( plt.figure ) 3. 实现了图片的保存 ( plt.savefig ) 4. 设置了 xy 轴上的刻度和字符串 ( xticks ) 5. 解决了刻度稀疏和密集...
- [toc] Numpy 生成随机数 代码实现 执行结果: 分布的补充 均匀分布 在相同的大小范围内的出现概率是等可能的 正态分布 呈种型, 两头低,中间高, 左右对称 [toc] Numpy 生成随机数 代码实现 执行结果: 分布的补充 均匀分布 在相同的大小范围内的出现概率是等可能的 正态分布 呈种型, 两头低,中间高, 左右对称
- [toc] 练习一 假设大家在 30 岁的时候, 根据自己的实际情况, 统计出来了从 11 岁到 30 岁每年交的男 ( 女 ) 朋友数量如列表 a, 请绘制出该数据的折线图. 一遍分析自己每年交男 ( 女 ) 朋友的数量走势 a = [ 1, 0, 1, 1, 2, 4, 3, 2, 3, 4, 4, 5, 6, 5, 4, 3... [toc] 练习一 假设大家在 30 岁的时候, 根据自己的实际情况, 统计出来了从 11 岁到 30 岁每年交的男 ( 女 ) 朋友数量如列表 a, 请绘制出该数据的折线图. 一遍分析自己每年交男 ( 女 ) 朋友的数量走势 a = [ 1, 0, 1, 1, 2, 4, 3, 2, 3, 4, 4, 5, 6, 5, 4, 3...
上滑加载中
推荐直播
-
华为云码道-玩转OpenClaw，在线养虾2026/03/11 周三 19:00-21:00
刘昱，华为云高级工程师/谈心，华为云技术专家/李海仑，上海圭卓智能科技有限公司CEO
OpenClaw 火爆开发者圈，华为云码道最新推出 Skill ——开发者只需输入一句口令，即可部署一个功能完整的「小龙虾」智能体。直播带你玩转华为云码道，玩转OpenClaw
回顾中 -
华为云码道-AI时代应用开发利器2026/03/18 周三 19:00-20:00
童得力，华为云开发者生态运营总监/姚圣伟，华为云HCDE开发者专家
本次直播由华为专家带你实战应用开发，看华为云码道(CodeArts)代码智能体如何在AI时代让你的创意应用快速落地。更有华为云HCDE开发者专家带你用码道玩转JiuwenClaw，让小艺成为你的AI助理。
回顾中 -
Skill 构建 × 智能创作：基于华为云码道的 AI 内容生产提效方案2026/03/25 周三 19:00-20:00
余伟，华为云软件研发工程师/万邵业（万少），华为云HCDE开发者专家
本次直播带来两大实战：华为云码道 Skill-Creator 手把手搭建专属知识库 Skill；如何用码道提效 OpenClaw 小说文本，打造从大纲到成稿的 AI 原创小说全链路。技术干货 + OPC创作思路，一次讲透！
回顾中
热门标签