<?xml version="1.0" encoding="utf-8" ?><rss version="2.0"><channel><title><![CDATA[YEPAO01的博客]]></title><description><![CDATA[]]></description><link>https://blog.youkuaiyun.com/YEPAO01</link><language>zh-cn</language><generator>https://blog.youkuaiyun.com/</generator><copyright><![CDATA[Copyright &copy; YEPAO01]]></copyright><item><title><![CDATA[Python数据分析实战基础--pandas]]></title><link>https://blog.youkuaiyun.com/YEPAO01/article/details/100008382</link><guid>https://blog.youkuaiyun.com/YEPAO01/article/details/100008382</guid><author>YEPAO01</author><pubDate>Thu, 22 Aug 2019 15:49:30 +0800</pubDate><description><![CDATA[文章目录Python数据分析实战基础01 创建 读取 储存创建 字典+列表读取 pd.read_csv()存储 df.to_csv()02 快速认识数据03 列的基本处理方式增加列  df["新列名:]删除列 df.drop("新增的列")选择某一列 或 几列  df[['第一列','第二列','第三列'..]]修改列04 常用数据类型及操作字符串数值型时间类型  很重要 pd.to_dateti...]]></description><category></category></item><item><title><![CDATA[数据挖掘--统计学模块 05 抽样分布]]></title><link>https://blog.youkuaiyun.com/YEPAO01/article/details/99679333</link><guid>https://blog.youkuaiyun.com/YEPAO01/article/details/99679333</guid><author>YEPAO01</author><pubDate>Sun, 18 Aug 2019 23:12:39 +0800</pubDate><description><![CDATA[文章目录抽样分布楔子大数法则中心极限定理自助法
抽样分布

统计量：样本均值、样本方差、样本变异系数、样本K阶矩、样本K阶中心矩、样本偏度、样本峰度、次序统计量、充分统计量
抽样分布：卡方分布、T分布、F分布、样本方差的分布、样本比例的抽样分布、中心极限定理、两个样本平均值之差的分布、两样本方差之比的分布、其他重要抽样分布

楔子
在理解抽样分布之前, 首先需要明确区分 描述统计 与 推论统计
描...]]></description><category></category></item><item><title><![CDATA[数据挖掘--统计学模块 04 数据分布-Python]]></title><link>https://blog.youkuaiyun.com/YEPAO01/article/details/99197487</link><guid>https://blog.youkuaiyun.com/YEPAO01/article/details/99197487</guid><author>YEPAO01</author><pubDate>Sun, 11 Aug 2019 15:48:13 +0800</pubDate><description><![CDATA[文章目录1. 使用 Python 验证数据集中的体温是否符合正态分布。开始作图检验是否是正态分布2.使用 Python 绘制第三周中常见的数据分布的可视化图
1. 使用 Python 验证数据集中的体温是否符合正态分布。

数据集地址：http://jse.amstat.org/datasets/normtemp.dat.txt
数据集描述：总共只有三列：体温、性别、心率
数据集详细描述：Jour...]]></description><category></category></item><item><title><![CDATA[python基础知识--函数&脚本编写]]></title><link>https://blog.youkuaiyun.com/YEPAO01/article/details/98883625</link><guid>https://blog.youkuaiyun.com/YEPAO01/article/details/98883625</guid><author>YEPAO01</author><pubDate>Fri, 09 Aug 2019 19:36:33 +0800</pubDate><description><![CDATA[文章目录
egg_count = 0
def buy_eggs():
	print(egg_count)
	print(egg_count+1)
    egg_count += 12 # purchase a dozen eggs
buy_eggs()

上述代码中 print() 不会报错,没有问题
但是egg_count += 12 赋值操作会报错!!!

发现在函数内，我们可以成功地输出外...]]></description><category></category></item><item><title><![CDATA[python 基础知识-- 数据类型与运算符&控制流]]></title><link>https://blog.youkuaiyun.com/YEPAO01/article/details/98742284</link><guid>https://blog.youkuaiyun.com/YEPAO01/article/details/98742284</guid><author>YEPAO01</author><pubDate>Thu, 08 Aug 2019 18:19:48 +0800</pubDate><description><![CDATA[文章目录数据类型与运算符控制流
数据类型与运算符
数据类型：整型、浮点型、布尔型、字符串、列表、元组、集合、字典
运算符：算术、赋值、比较、逻辑、成员、恒等运算符
内置函数、复合数据结构、类型转换
空格和样式指南
我们需要注意两种类型的错误
异常
语法错误
异常是代码运行时发生的问题，而语法错误是 Python 在运行代码之前检查代码时发现的问题。


整型:


浮点型:


布尔型:


字符...]]></description><category></category></item><item><title><![CDATA[git 基础使用]]></title><link>https://blog.youkuaiyun.com/YEPAO01/article/details/98795784</link><guid>https://blog.youkuaiyun.com/YEPAO01/article/details/98795784</guid><author>YEPAO01</author><pubDate>Wed, 07 Aug 2019 23:25:25 +0800</pubDate><description><![CDATA[文章目录

自我们上次再次查看概念图以来，我们引入了一些新概念。
git init （git 初始化）
git add （git 添加）
git status （git 状态）
staging area （暂存区）
working directory （工作目录）

...]]></description><category></category></item><item><title><![CDATA[SQL 聚合 & 分组查询]]></title><link>https://blog.youkuaiyun.com/YEPAO01/article/details/98667006</link><guid>https://blog.youkuaiyun.com/YEPAO01/article/details/98667006</guid><author>YEPAO01</author><pubDate>Tue, 06 Aug 2019 23:16:16 +0800</pubDate><description><![CDATA[文章目录SQL 聚合01 unll 值得存在02 count 计数03 sum04 min max  |  avg 平均值05 group by 分组
SQL 聚合
01 unll 值得存在
是一种数据类型, 表示sql中没有数据. 学习使用 COUNT 时你将首次接触到这一现象。
需要知道空值是什么意思, 需要如何操作空值.

where id is null;  
不可以使用 where id...]]></description><category></category></item><item><title><![CDATA[特征工程系列：数据清洗]]></title><link>https://blog.youkuaiyun.com/YEPAO01/article/details/97896003</link><guid>https://blog.youkuaiyun.com/YEPAO01/article/details/97896003</guid><author>YEPAO01</author><pubDate>Wed, 31 Jul 2019 17:37:27 +0800</pubDate><description><![CDATA[这是我的第一篇转载文, 内容质量高, 建议多看多理解. 本文引用自 https://mp.weixin.qq.com/s/b2EaZmGT61Gg40qCCxvi1w

文章目录特征工程系列：数据清洗数据清洗介绍01 格式内容清洗02 逻辑错误清洗03 异常值清洗1.异常值检查方法2.数据光滑处理3.异常值处理方法04 缺失值清洗1.造成缺失值的原因2.缺失数据处理方法3.数据填充的方法4.缺失...]]></description><category></category></item><item><title><![CDATA[SQL 查询操作符  连接查询  子查询]]></title><link>https://blog.youkuaiyun.com/YEPAO01/article/details/97659633</link><guid>https://blog.youkuaiyun.com/YEPAO01/article/details/97659633</guid><author>YEPAO01</author><pubDate>Mon, 29 Jul 2019 19:06:48 +0800</pubDate><description><![CDATA[文章目录SQL增删改查--查询操作符和子查询and; orin; not inbetween...and...like "字符串"is [not] nulldistinctas 重命名limit 3
SQL增删改查–查询操作符和子查询
查询操作符

and; or
“和”  “或”  联合多个条件进行查询
select * from fruits
where s_id=101 and f_id="...]]></description><category></category></item><item><title><![CDATA[SQL 增删改查]]></title><link>https://blog.youkuaiyun.com/YEPAO01/article/details/97398374</link><guid>https://blog.youkuaiyun.com/YEPAO01/article/details/97398374</guid><author>YEPAO01</author><pubDate>Fri, 26 Jul 2019 18:32:42 +0800</pubDate><description><![CDATA[文章目录SQL 增删改查创建数据库"增" 导入数据"删""改""查"
SQL 增删改查
特别是条件查询(where, group by, order by等)
创建数据库
use test;
create table Monthly_Indicator(
	city_name varchar(20) not null, # varchar 可变长度字符串;  not null 非空
    mon...]]></description><category></category></item><item><title><![CDATA[python晋级]]></title><link>https://blog.youkuaiyun.com/YEPAO01/article/details/96424278</link><guid>https://blog.youkuaiyun.com/YEPAO01/article/details/96424278</guid><author>YEPAO01</author><pubDate>Fri, 26 Jul 2019 17:40:33 +0800</pubDate><description><![CDATA[python晋级：
在python 中, 晋级的知识点有很多, 但面试或是实际操作中常用的可以总结归纳出一部分. 立一个flag, 每周总结1-2个知识点, 不仅是总结, 需要自己可以熟悉使用.
lambda，迭代器，生成器，装饰器，全局锁，多线程进程，并行运算，OOP，各种语法糖
方式: 理论+代码+实际操作

...]]></description><category></category></item><item><title><![CDATA[数据挖掘--统计学模块 02 数据的描述性统计 python代码合集]]></title><link>https://blog.youkuaiyun.com/YEPAO01/article/details/97378417</link><guid>https://blog.youkuaiyun.com/YEPAO01/article/details/97378417</guid><author>YEPAO01</author><pubDate>Fri, 26 Jul 2019 12:06:43 +0800</pubDate><description><![CDATA[文章目录数据挖掘--统计学模块 02 数据的描述性统计 python代码合集
数据挖掘–统计学模块 02 数据的描述性统计 python代码合集
import pandas as pd
import numpy as np
import scipy.stats
df = pd.DataFrame(np.random.randint(0,40,40).reshape(20,2),columns=li...]]></description><category></category></item><item><title><![CDATA[数据挖掘--统计学模块 03 概率分布]]></title><link>https://blog.youkuaiyun.com/YEPAO01/article/details/97102468</link><guid>https://blog.youkuaiyun.com/YEPAO01/article/details/97102468</guid><author>YEPAO01</author><pubDate>Wed, 24 Jul 2019 19:20:36 +0800</pubDate><description><![CDATA[文章目录数据挖掘--统计学模块 03 概率分布01 基本概念02 离散变量概率分布03 连续变量概率分布
数据挖掘–统计学模块 03 概率分布
01 基本概念
随机变量
古典概率
条件概率
离散变量
连续变量
期望值
02 离散变量概率分布
二项分布
伯努利分布
泊松分布
03 连续变量概率分布
均匀分布
正态分布
指数分布
伽玛分布
偏态分布
贝塔分布
威布尔分布
卡方分布
F分布

...]]></description><category></category></item><item><title><![CDATA[数据分析案例--01 城市餐饮店铺选址分析]]></title><link>https://blog.youkuaiyun.com/YEPAO01/article/details/96857280</link><guid>https://blog.youkuaiyun.com/YEPAO01/article/details/96857280</guid><author>YEPAO01</author><pubDate>Mon, 22 Jul 2019 14:41:21 +0800</pubDate><description><![CDATA[文章目录城市餐饮店铺选址分析要求:
城市餐饮店铺选址分析
要求:
1、从三个维度“口味”、“人均消费”、“性价比”对不同菜系进行比较，并筛选出可开店铺的餐饮类型
要求：
① 计算出三个维度的指标得分
② 评价方法：
口味 → 得分越高越好
性价比 → 得分越高越好
人均消费 → 价格适中即可
③ 制作散点图，x轴为“人均消费”，y轴为“性价比得分”，点的大小为“口味得分” (暂时未涉及)
绘制柱状...]]></description><category></category></item><item><title><![CDATA[数据分析中matplotlib的日常使用]]></title><link>https://blog.youkuaiyun.com/YEPAO01/article/details/96770358</link><guid>https://blog.youkuaiyun.com/YEPAO01/article/details/96770358</guid><author>YEPAO01</author><pubDate>Sun, 21 Jul 2019 23:15:21 +0800</pubDate><description><![CDATA[文章目录绘制子图(01  02 经常使用)==01 创建画布 matplotlib.pyplot.figure()====02 创建一个画布和一组子图matplotlib.pyplot.subplots(nrows=1, ncols=1)==03 当前图中加子图matplotlib.pyplot.subplot(*args, **kwargs)04 向图中加入子图的轴 ==fig==.add_su...]]></description><category></category></item><item><title><![CDATA[数据分析中pandas的日常使用]]></title><link>https://blog.youkuaiyun.com/YEPAO01/article/details/96730885</link><guid>https://blog.youkuaiyun.com/YEPAO01/article/details/96730885</guid><author>YEPAO01</author><pubDate>Sun, 21 Jul 2019 22:01:03 +0800</pubDate><description><![CDATA[文章目录导入文件01 导入excel文件02 导入CSV文件03 导入MySQL数据
导入文件
01 导入excel文件
os.chdir(r"C:\Users\Administrator\Desktop")
df1 = pd.read_excel("附件1：协议酒店名单发布版.xlsx", encoding="utf-8",sheetname=0)
# 现在的版本encoding="utf-8"...]]></description><category></category></item><item><title><![CDATA[数据挖掘算法概要]]></title><link>https://blog.youkuaiyun.com/YEPAO01/article/details/96640639</link><guid>https://blog.youkuaiyun.com/YEPAO01/article/details/96640639</guid><author>YEPAO01</author><pubDate>Sat, 20 Jul 2019 22:39:57 +0800</pubDate><description><![CDATA[Logistic Regression LR 逻辑回归
Naive Bayes 朴素贝叶斯
Decision Tree 决策树
Support Vector Machine SVM 支持向量机
K-means聚类算法
GBDT 梯度下降树
XGBoost

]]></description><category></category></item><item><title><![CDATA[数据预处理--02 数据归一化/标准化 | 数据连续属性离散化]]></title><link>https://blog.youkuaiyun.com/YEPAO01/article/details/96459850</link><guid>https://blog.youkuaiyun.com/YEPAO01/article/details/96459850</guid><author>YEPAO01</author><pubDate>Thu, 18 Jul 2019 22:57:58 +0800</pubDate><description><![CDATA[文章目录数据归一化\标准化0-1标准化Z-score标准化
数据归一化\标准化
数据标准化(normalization)是将数据按比例缩放, 使之落入一个小的特定区间. 在某些比较和评价的指标处理中经常会用到, 去除数据的单位限制, 将其转化为无量纲的纯数据, 便于在不同单位或量级的指标能够进行比较和加权.
最典型的就是归一化处理, 即将数据统一映射到[0,1]区间
0-1标准化\Z-score标...]]></description><category></category></item><item><title><![CDATA[python基础知识测试题--01 字符串]]></title><link>https://blog.youkuaiyun.com/YEPAO01/article/details/96424528</link><guid>https://blog.youkuaiyun.com/YEPAO01/article/details/96424528</guid><author>YEPAO01</author><pubDate>Thu, 18 Jul 2019 12:37:15 +0800</pubDate><description><![CDATA[python基础知识测试
在使用python过程中, 很多基础知识不用回逐渐陌生, 为了增强熟悉程度, 针对python的各个基础知识点做相应的测试, 不断总结回顾.
知识点:
字符串
列表
字典
文件读写
循环遍历
类

...]]></description><category></category></item><item><title><![CDATA[数据预处理--01 缺失值处理\异常值处理]]></title><link>https://blog.youkuaiyun.com/YEPAO01/article/details/96108141</link><guid>https://blog.youkuaiyun.com/YEPAO01/article/details/96108141</guid><author>YEPAO01</author><pubDate>Tue, 16 Jul 2019 18:07:18 +0800</pubDate><description><![CDATA[数据预处理
数据常见的预处理方法 （异常值剔除，空值填充，归一化，离散化 等）
异常值(空值)处理
异常值主要分为NULL值\重复值\明显不在数据范围内等等
异常值处理方法:
删除记录\数据填充\不处理

...]]></description><category></category></item></channel></rss>