<?xml version="1.0" encoding="utf-8" ?><rss version="2.0"><channel><title><![CDATA[dataschool的博客]]></title><description><![CDATA[]]></description><link>https://blog.youkuaiyun.com/dataschool</link><language>zh-cn</language><generator>https://blog.youkuaiyun.com/</generator><copyright><![CDATA[Copyright &copy; dataschool]]></copyright><item><title><![CDATA[如何从 Pandas DataFrame 中选择一个 Series？]]></title><link>https://blog.youkuaiyun.com/dataschool/article/details/141359823</link><guid>https://blog.youkuaiyun.com/dataschool/article/details/141359823</guid><author>dataschool</author><pubDate>Tue, 20 Aug 2024 15:22:36 +0800</pubDate><description><![CDATA[从 Pandas DataFrame 中选择 Series 的方法
这段文字主要讲解了如何从 Pandas DataFrame 中选择一个 Series。
首先，介绍了 DataFrame 和 Series 两种基本的数据结构，并说明 DataFrame 是一个表格，而 Series 是表格中的列。
接着，展示了如何使用 read_csv 方法读取 UFO 观测数据，并通过 type 和 head...]]></description><category></category></item><item><title><![CDATA[如何对 Pandas DataFrame 或 Series 进行排序？]]></title><link>https://blog.youkuaiyun.com/dataschool/article/details/141359709</link><guid>https://blog.youkuaiyun.com/dataschool/article/details/141359709</guid><author>dataschool</author><pubDate>Tue, 20 Aug 2024 15:19:22 +0800</pubDate><description><![CDATA[Pandas 数据框和序列排序方法详解
这段文字主要介绍了在 Pandas 库中如何对数据框 (DataFrame) 和序列 (Series) 进行排序。
1. 数据结构介绍:

数据框 (DataFrame):  类似于表格，拥有行和列。
序列 (Series):  数据框中的一列，也可以独立存在。

2. 排序方法:

新方法 (版本 0.17 及以后):
排序序列: 使用 Series.so...]]></description><category></category></item><item><title><![CDATA[Python 网络爬虫（第二部分）：使用 Beautiful Soup 解析 HTML]]></title><link>https://blog.youkuaiyun.com/dataschool/article/details/141359687</link><guid>https://blog.youkuaiyun.com/dataschool/article/details/141359687</guid><author>dataschool</author><pubDate>Tue, 20 Aug 2024 15:18:51 +0800</pubDate><description><![CDATA[本教程是四部分系列的第二部分，教你如何利用网页抓取技术从纽约时报一篇关于特朗普总统的文章中构建数据集。本部分将利用之前观察到的文章格式模式，开始构建数据集。
首先，使用 requests 库将文章的 HTML 代码读取到 Python 中。如果没有安装 requests 库，可以使用命令行 pip install requests 安装。代码将从 URL 获取网页并将其存储在名为 R 的响应对象中...]]></description><category></category></item><item><title><![CDATA[什么是 Pandas？ (问答系列介绍)]]></title><link>https://blog.youkuaiyun.com/dataschool/article/details/141359493</link><guid>https://blog.youkuaiyun.com/dataschool/article/details/141359493</guid><author>dataschool</author><pubDate>Tue, 20 Aug 2024 15:14:00 +0800</pubDate><description><![CDATA[数据学院 Pandas 视频系列介绍：
本视频系列由数据学院创始人 Kevin Markham 主讲，主要针对希望使用 Python 处理数据的用户，帮助他们学习和使用 Pandas 这个强大的数据处理工具。
视频内容概览：

目标用户：  本系列适合有一定 Python 基础，想要学习数据处理的使用者，无论你是 Pandas 新手，还是想要提升技能的使用者，都适合观看。
什么是 Pandas： ...]]></description><category></category></item><item><title><![CDATA[使用 scikit-learn（而不是 pandas）进行 ML 预处理的四个理由]]></title><link>https://blog.youkuaiyun.com/dataschool/article/details/141359468</link><guid>https://blog.youkuaiyun.com/dataschool/article/details/141359468</guid><author>dataschool</author><pubDate>Tue, 20 Aug 2024 15:13:24 +0800</pubDate><description><![CDATA[本文主要论述了在机器学习数据预处理中使用 scikit-learn 的优势，并通过四个关键点进行阐述：
1. 跨验证整个工作流程： 使用 scikit-learn 的 pipeline 可以将预处理和模型构建步骤整合在一起，并在跨验证中对整个流程进行评估。这种方式能够在每个折叠中进行预处理，避免数据泄露，从而更准确地估计模型的未来性能。
2. 网格搜索模型和预处理超参数： scikit-learn...]]></description><category></category></item><item><title><![CDATA[我如何使用 pandas 和 scikit-learn 创建 Kaggle 提交？]]></title><link>https://blog.youkuaiyun.com/dataschool/article/details/141359434</link><guid>https://blog.youkuaiyun.com/dataschool/article/details/141359434</guid><author>dataschool</author><pubDate>Tue, 20 Aug 2024 15:12:19 +0800</pubDate><description><![CDATA[视频摘要：使用 Pandas 和 Scikit-learn 进行机器学习
该视频主要讲解如何使用 Pandas 和 Scikit-learn 进行机器学习，并以 Kaggle 上的泰坦尼克号生存预测比赛为例进行演示。
内容概述：

介绍 Kaggle 和机器学习：
Kaggle 是一个流行的机器学习竞赛平台。
机器学习可以被简单定义为从数据中半自动提取知识的过程。
使用 Pandas 处理泰坦尼克...]]></description><category></category></item><item><title><![CDATA[如何在 pandas 中更改显示选项？]]></title><link>https://blog.youkuaiyun.com/dataschool/article/details/141359416</link><guid>https://blog.youkuaiyun.com/dataschool/article/details/141359416</guid><author>dataschool</author><pubDate>Tue, 20 Aug 2024 15:11:47 +0800</pubDate><description><![CDATA[这段文字主要介绍了如何在Pandas库中更改数据显示选项，以实现对大型数据集的完整浏览。
首先，作者解释了Pandas默认情况下会截断显示过长数据，只展示开头和结尾的部分。为了查看所有数据，作者介绍了如何使用pd.getoption和pd.setoption函数来修改display.max_rows选项。
作者演示了如何使用pd.getoption('display.max_rows')查看当前选...]]></description><category></category></item><item><title><![CDATA[如何在 pandas 中处理日期和时间？]]></title><link>https://blog.youkuaiyun.com/dataschool/article/details/141359312</link><guid>https://blog.youkuaiyun.com/dataschool/article/details/141359312</guid><author>dataschool</author><pubDate>Tue, 20 Aug 2024 15:09:35 +0800</pubDate><description><![CDATA[这段文字主要介绍了在 Pandas 库中如何处理日期和时间数据。
首先，作者使用 UFO 报告数据作为示例，展示了如何将字符串类型的日期时间数据转换为 Pandas 的日期时间格式。作者强调了这种转换的重要性，因为它可以方便地使用 Pandas 提供的日期时间属性和方法进行分析。
作者还介绍了 pd.to_datetime 函数的用法，以及如何利用该函数将字符串类型的日期时间数据自动转换为 Pan...]]></description><category></category></item><item><title><![CDATA[如何从 Pandas DataFrame 中选择多行和多列？]]></title><link>https://blog.youkuaiyun.com/dataschool/article/details/141359252</link><guid>https://blog.youkuaiyun.com/dataschool/article/details/141359252</guid><author>dataschool</author><pubDate>Tue, 20 Aug 2024 15:07:58 +0800</pubDate><description><![CDATA[Pandas 数据框选择方法：Locke、iLocke 和 iX 的区别
这段文字介绍了 Pandas 库中三种用于选择数据框行和列的方法：Locke、iLocke 和 iX。
Locke 是一种基于标签进行筛选的方法，通过方括号 [] 来指定想要选择的行和列。

行标签指的是数据框的索引，列标签指的是列名。
Locke 的格式为 ufo.loc[要选择的行, 要选择的列]。
使用 : 代表选择所...]]></description><category></category></item><item><title><![CDATA[Git 和 GitHub 有什么区别？]]></title><link>https://blog.youkuaiyun.com/dataschool/article/details/141359160</link><guid>https://blog.youkuaiyun.com/dataschool/article/details/141359160</guid><author>dataschool</author><pubDate>Tue, 20 Aug 2024 15:05:46 +0800</pubDate><description><![CDATA[本视频主要讲解了 Git 和 GitHub 的区别。
Git 是一种版本控制系统，主要用于程序员和其他代码编写者。它在本地机器上的命令行中运行，可以跟踪文件及其修改，并将其存储在一个称为仓库（Repository）或简称 Repo 中。视频中展示了本地机器上的一个仓库，包括被跟踪的文件和文件夹以及最近五次修改记录。Git 可以单独使用，也可以与团队合作使用，方便团队成员独立工作、合并修改，并记录每...]]></description><category></category></item><item><title><![CDATA[如何让我的 Pandas DataFrame 更小更快？]]></title><link>https://blog.youkuaiyun.com/dataschool/article/details/141359018</link><guid>https://blog.youkuaiyun.com/dataschool/article/details/141359018</guid><author>dataschool</author><pubDate>Tue, 20 Aug 2024 15:02:31 +0800</pubDate><description><![CDATA[Pandas 数据框的类型类别和内存使用详解
这段文字主要介绍了 Pandas 数据框中的类型类别（type category）和内存使用情况。
1. 类型类别：

类型类别主要用于描述数据框中每一列数据的类型，例如 int、float 和 object。
object 类型通常表示字符串，但也可能包含 Python 列表或字典等其他对象。
Pandas 数据框存储 object 类型数据时，实际...]]></description><category></category></item><item><title><![CDATA[在列转换器中传递一些列并删除其他列]]></title><link>https://blog.youkuaiyun.com/dataschool/article/details/141358678</link><guid>https://blog.youkuaiyun.com/dataschool/article/details/141358678</guid><author>dataschool</author><pubDate>Tue, 20 Aug 2024 14:53:55 +0800</pubDate><description><![CDATA[使用 ColumnTransformer 处理特征矩阵
这段文字介绍了如何使用 ColumnTransformer 对特征矩阵进行预处理，特别是如何对不同列应用不同的处理方法，例如对某些列进行填充，对另一些列直接保留，以及对某些列进行删除。
主要内容:

ColumnTransformer 的作用:  用于对特征矩阵的不同列应用不同的预处理方法。
示例:  对一个包含五列的特征矩阵进行预处理，其中...]]></description><category></category></item><item><title><![CDATA[Python 网络爬虫 (第三部分): 构建数据集]]></title><link>https://blog.youkuaiyun.com/dataschool/article/details/141358633</link><guid>https://blog.youkuaiyun.com/dataschool/article/details/141358633</guid><author>dataschool</author><pubDate>Tue, 20 Aug 2024 14:52:47 +0800</pubDate><description><![CDATA[纽约时报文章爬取教程：提取日期和谎言
本教程是四部分系列教程的一部分，旨在通过网页抓取从纽约时报关于特朗普总统的文章中构建数据集。在本节中，我们将从已解析的HTML数据中提取日期和谎言信息。
提取日期

我们使用find方法在第一个记录中查找&lt;strong&gt;标签，并提取其text属性来获取日期。
由于日期包含一个特殊字符\xA0，我们使用切片将其移除。
最后，我们添加年份信息以确保日期...]]></description><category></category></item><item><title><![CDATA[使用 GridSearchCV 同时调整多个模型参数。]]></title><link>https://blog.youkuaiyun.com/dataschool/article/details/141358619</link><guid>https://blog.youkuaiyun.com/dataschool/article/details/141358619</guid><author>dataschool</author><pubDate>Tue, 20 Aug 2024 14:52:16 +0800</pubDate><description><![CDATA[使用网格搜索同时调优多个模型
本文介绍了一种在同一网格搜索中调优多个模型的方法，无需创建多个管道。传统上，网格搜索用于调优模型的超参数，通过定义每个参数的尝试值并交叉验证所有可能的组合来找到最佳参数组合。可以通过将模型或管道传递给网格搜索来实现。本文在原有方法基础上，通过以下三个步骤实现了在同一网格搜索中调优多个模型：
1. 创建多个参数字典： 每个字典对应一个模型，包含该模型的超参数和预处理步骤...]]></description><category></category></item><item><title><![CDATA[使用多项式特征创建特征交互项]]></title><link>https://blog.youkuaiyun.com/dataschool/article/details/141358529</link><guid>https://blog.youkuaiyun.com/dataschool/article/details/141358529</guid><author>dataschool</author><pubDate>Tue, 20 Aug 2024 14:49:36 +0800</pubDate><description><![CDATA[特征交互：提升模型表现力的利器
本文主要介绍了在机器学习中创建特征交互（Feature Interaction）的原理、方法和应用场景。
为什么要创建特征交互？
特征交互是指通过组合多个特征，创造新的特征来反映特征之间的相互影响。例如，特征 A 和 B 单独对目标变量的影响很小，但当它们组合在一起时，对目标变量的影响会显著增强。这种情况下，创建 A * B 的交互项可以帮助模型学习到这种组合效应。...]]></description><category></category></item><item><title><![CDATA[Pandas 中你需要了解的 5 个新变化]]></title><link>https://blog.youkuaiyun.com/dataschool/article/details/141358292</link><guid>https://blog.youkuaiyun.com/dataschool/article/details/141358292</guid><author>dataschool</author><pubDate>Tue, 20 Aug 2024 14:43:01 +0800</pubDate><description><![CDATA[这段文字介绍了 Pandas 版本 0.22 中的五个新变化，其中第一个变化是 ix 属性被弃用。
视频内容主要介绍了 ix 属性的弃用，以及替代方案 loc 和 iloc 的使用方法。
具体内容如下：

ix 属性被弃用:  Pandas 版本 0.20 开始，ix 属性被弃用，意味着开发者应该停止使用它，未来版本可能会完全移除该属性。
loc 和 iloc 属性: 作为 ix 的替代方案，lo...]]></description><category></category></item><item><title><![CDATA[如何在 pandas 中使用 MultiIndex？]]></title><link>https://blog.youkuaiyun.com/dataschool/article/details/141358280</link><guid>https://blog.youkuaiyun.com/dataschool/article/details/141358280</guid><author>dataschool</author><pubDate>Tue, 20 Aug 2024 14:42:29 +0800</pubDate><description><![CDATA[这段文字是来自一个关于 Pandas 多级索引的网络直播问答环节。主播针对观众 Manny 关于 Pandas 多级索引的疑问，进行了详细的讲解和代码演示。
首先，主播解释了多级索引的概念，并以一个名为 stocks 的股票数据集为例，展示了如何使用 groupby 函数对股票数据进行分组，并计算每种股票的平均收盘价。
接着，主播介绍了如何创建多级索引。他使用 set_index 函数将 symb...]]></description><category></category></item><item><title><![CDATA[21 个更多 Pandas 技巧]]></title><link>https://blog.youkuaiyun.com/dataschool/article/details/141358266</link><guid>https://blog.youkuaiyun.com/dataschool/article/details/141358266</guid><author>dataschool</author><pubDate>Tue, 20 Aug 2024 14:41:56 +0800</pubDate><description><![CDATA[Pandas技巧：25个实用技巧（摘要）
这篇文章介绍了25个实用的Pandas技巧，旨在帮助用户更高效地使用Pandas进行数据处理。以下是对文章内容的详细摘要：
1. 检查数据帧是否相等:

使用equals方法检查两个数据帧是否完全相同，但该方法对数据类型敏感，遇到缺失值会返回False。
使用assert_series_equal函数进行更加灵活的比较，可以忽略数据类型。
使用assert...]]></description><category></category></item><item><title><![CDATA[使用切片访问管道的一部分]]></title><link>https://blog.youkuaiyun.com/dataschool/article/details/141357947</link><guid>https://blog.youkuaiyun.com/dataschool/article/details/141357947</guid><author>dataschool</author><pubDate>Tue, 20 Aug 2024 14:34:12 +0800</pubDate><description><![CDATA[使用 Python 切片操作管道：灵活操控机器学习流程
本文介绍了一种高级技巧，利用 Python 的切片操作来灵活操控机器学习管道中的部分步骤。
具体而言，本文以一个包含三个步骤的机器学习管道为例进行说明：

预处理步骤： 使用 ColumnTransformer 对数据进行预处理。
特征选择步骤： 使用特征选择器对预处理后的数据进行特征选择。
分类步骤： 使用分类器对选定特征进行分类。

本文...]]></description><category></category></item><item><title><![CDATA[使用 ColumnTransformer 选择列的七种方法]]></title><link>https://blog.youkuaiyun.com/dataschool/article/details/141357829</link><guid>https://blog.youkuaiyun.com/dataschool/article/details/141357829</guid><author>dataschool</author><pubDate>Tue, 20 Aug 2024 14:31:28 +0800</pubDate><description><![CDATA[这段文字主要介绍了使用 make_column_transformer 来选择数据框中的特定列进行处理的七种方法。
七种方法分别是：

按列名选择:  直接指定需要选择的列名，例如 embarked 和 sex。
按列位置选择:  使用整数表示列的位置，从 0 开始计数，例如 1 和 2 表示第二列和第三列。
使用切片选择:  通过切片的方式选择一组连续的列，例如 1:3 表示选择第二列和第三列。...]]></description><category></category></item></channel></rss>