henbile的博客

pandas根据条件赋值：常用条件，多条件并行、是否相等、字符串是否包含、是否为nan等。

获取unique_values：pd.unique(data['col']) 建立透视表格：data.pivot_table(index='date',columns='group_id',values='rate') 排序：data.sort_values(by = ['date', 'group_id']) 分组统计：data[['rate', 'group_id', 'date']].groupby(['group_id']).mean() 筛选样本：data[(data['date'] ..

训练集df_train, 测试集df_test离散型特征集cat_features = [a, b, c, d, e, f, g]策略："unseen labels"： df_test里的未见的离散型特征的value值请取代成 df_train里相同特征里的最不常见的值 least frequent value代码实现：import pandas as pdimport numpy as npdf_train = pd.DataFrame([['a', 'b', 'a', 'a',

两个包都有类似的数据分析工具，但是就细节上有时候也有差别。所以在切换时候需要注意。两个包的函数methods在np.nan的处理上有区别。如果是np的methods，比如我们要计算标准差，如果array里面有nan缺失值，那么返回的是nan。但是如果我们是对于dataFrame求标准差，如果有nan，返回的是去掉nan之后序列中其他数字的标准差。std函数本身也有一个差异：np.std里面有一个参...

分为点的函数是pandas中的quantile。如果dataframe的名字是df，那么df.quantile?就可以看到函数的解释。如果后面是一个数字，就是一个分为点；如果要多个分为点，那么要加入一个array。 # 假设df是dataframe名字df.quantile(0.5)#df各个列的中位数数据df.quantile([0,25,0.5,0.75])#...

整理了一下一行数据的排序和得出序号的各类方法，包括正序和倒序。当然还有pandas包的sort_value和sort_index两个method没有包含在这里。如果是多维的数据，需要将axis=0或者1包含进去。import numpy as npimport pandas as pd# ================================================...