Datawhale 5月数据分析营学习TASK04

最新推荐文章于 2025-12-03 12:28:21 发布
原创 最新推荐文章于 2025-12-03 12:28:21 发布 · 116 阅读 · 0 ·
CC 4.0 BY-SA版权
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
文章标签：

#python

在本次任务中，我深入学习了Python的数据可视化库Matplotlib，能够绘制出清晰的柱状图和折线图。这个新技能将极大地提升我在数据分析和报告展示中的能力，为数据解释和洞察提供了直观的工具。

第四次任务啦：这次任务是数据可视化，又开发了新技能，了解了Python数据可视化库Matplotlib，能画出简单的柱状图、折线图了！

Datawhale 5月数据分析营学习TASK05
keeplearninglena的博客
05-26 80
最后一次打卡啦
Datawhale 5月数据分析营学习TASK03
keeplearninglena的博客
05-21 110
Datawhale 5月数据分析营学习TASK03
Datawhale 5月数据分析营学习TASK02
keeplearninglena的博客
05-19 124
第二个任务打卡：每天进步一点点。
Datawhale六月学习数据分析打卡task5
weixin_51956695的博客
06-23 229
学习目标： 这门课程得主要目的是通过真实的数据，以实战的方式了解数据分析的流程和熟悉数据分析python的基本操作。知道了课程的目的之后，我们接下来我们要正式的开始数据分析的实战教学，完成kaggle上泰坦尼克的任务，实战数据分析全流程。 这里有两份资料需要大家准备： 图书《Python for Data Analysis》第六章和 baidu.com & google.com（善用搜索引擎） 第三章 模型搭建和评估–建模： 经过前面的两章的知识点的学习，我可以对数数据的本身进行处理，比如数据本身的
Datawhale六月学习数据分析打卡task3
weixin_51956695的博客
06-19 232
第二章：数据重构 学习目标： 这门课程得主要目的是通过真实的数据，以实战的方式了解数据分析的流程和熟悉数据分析python的基本操作。知道了课程的目的之后，我们接下来我们要正式的开始数据分析的实战教学，完成kaggle上泰坦尼克的任务，实战数据分析全流程。 这里有两份资料需要大家准备： 图书《Python for Data Analysis》第六章和 baidu.com & google.com（善用搜索引擎） 复习： 复习：在前面我们已经学习了Pandas基础，第二章我们开始进入数据分析的业务部分
Datawhale六月学习数据分析打卡task2
weixin_51956695的博客
06-17 231
学习目标： 这门课程得主要目的是通过真实的数据，以实战的方式了解数据分析的流程和熟悉数据分析python的基本操作。知道了课程的目的之后，我们接下来我们要正式的开始数据分析的实战教学，完成kaggle上泰坦尼克的任务，实战数据分析全流程。 这里有两份资料需要大家准备： 图书《Python for Data Analysis》第六章和 baidu.com & google.com（善用搜索引擎） 学习内容： 数据清洗及特征处理 简介： 我们拿到的数据通常是不干净的，所谓的不干净，就是数据中有缺失值，
Datawhale六月学习数据分析打卡task4
weixin_51956695的博客
06-21 226
第三章：数据可视化 学习目标： 这门课程得主要目的是通过真实的数据，以实战的方式了解数据分析的流程和熟悉数据分析python的基本操作。知道了课程的目的之后，我们接下来我们要正式的开始数据分析的实战教学，完成kaggle上泰坦尼克的任务，实战数据分析全流程。 这里有两份资料需要大家准备： 图书《Python for Data Analysis》第六章和 baidu.com & google.com（善用搜索引擎） 复习： 复习：回顾学习完第一章，我们对泰坦尼克号数据有了基本的了解，也学到了一些基本的
Datawhale六月学习数据分析打卡task1
weixin_51956695的博客
06-14 390
学习目标： 这门课程得主要目的是通过真实的数据，以实战的方式了解数据分析的流程和熟悉数据分析python的基本操作。知道了课程的目的之后，我们接下来我们要正式的开始数据分析的实战教学，完成kaggle上泰坦尼克的任务，实战数据分析全流程。 这里有两份资料需要大家准备： 图书《Python for Data Analysis》第六章和 baidu.com & google.com（善用搜索引擎） 学习内容： 数据载入及初步观察 学习时间： 2021/6/14 ----- 2021/6/16 具体任
DataWhale 6月组队学习——动手学数据分析 Task04
weixin_49632439的博客
06-22 328
2 第二章：数据可视化 2.1导入相应的包和数据 import pandas as pd import numpy as np import matplotlib.pyplot as plt import seaborn as sns # 多用于统计画图 #加载并查看result.csv这个数据 result=pd.read_csv('result.csv') result.shape result.head() # 查看数据 【思考】最基本的可视化图案有哪些？分别适用于那些场景？（比如...
Datawhale 春训营 AI + 航空安全 task2
2301_80265256的博客
04-18 1052
本次笔记是对第三届世界科学智能大赛航空安全赛道：航空结冰气象要素预报baseline的提升，具体的baseline可以看我上一个博客，在提升baseline的时候，我运用了一些工具的辅助以及task2的资料，以下是对赛题的简要描述。
Datawhale九月组队学习--情感分析--Task02
可乐的博客
09-19 734
Datawhale九月组队学习–情感分析 往期指路:    Task01情感分析BaseLine 文章目录Datawhale九月组队学习--情感分析前言一、pandas是什么？二、使用步骤1.引入库2.读入数据总结 前言 本篇主要在上一任务的基础上,对模型效果进行调优,主要包含以下内容： 序列填充 预训练词嵌入 LSTM 双向 RNN 多层 RNN 正则化 优化 一、pandas是什么？ 示例：pandas 是基于NumPy 的一种工具，该工具是为了解决数据分析任务而创建的。 二
Datawhale九月组队学习--情感分析--Task01
可乐的博客
09-15 773
提示：学习地址点这里 文章目录前言一、模型构建流程1.1 数据预处理1.2 构建模型1.3 模型训练总结 前言   Task01主要是采用RNN框架 (注意：本文对RNN原理不做详细的解读)、 IMDB数据集来构建了一个文本情感分析任务的Baseline模型。 一、模型构建流程 1.1 数据预处理   TorchText 数据预处理包含以下步骤： 步骤1：使用Field来处理数据； 步骤2：使用Datasets加载要用的IMDB数据集； 步骤3：必须构建一个 词汇表，这样做是因为我们的模型不能对字符
DataWhale 二月组队学习-深度学习教程-Task03
qq_61081456的博客
02-19 995
训练数据划分策略：k折交叉验证（k-fold cross validation），如下图所示，将训练数据随机分成k等份，每次取其中的（k-1）份作为训练集，剩下一份作为验证集，重复k次，得到k组结果，将k组结果平均起来，得到模型的最终效果。当有多个模型时，选择结果最好的模型用在全部训练集上，再到测试集上。将训练数据分成两部分，训练集（training set）和验证集（validation set），用training set中的数据训练模型，用validation set中的数据挑选模型。
Datawhale第五期-深度学习-Task 3-学习笔记
2301_81156246的博客
09-02 955
在应用机器学习算法时，实践方法论能够帮助我们更好地训练模型。如果在 Kaggle 上的 结果不太好，虽然 Kaggle 上呈现的是测试数据的结果，但要先检查训练数据的损失。看看模 型在训练数据上面，有没有学起来，再去看测试的结果，如果训练数据的损失很大，显然它在 训练集上面也没有训练好。接下来再分析一下在训练集上面没有学好的原因。
Python Pandas多列合并成一长列(扁平化)
视觉算法小趴菜的博客
11-29 447
本文介绍了Pandas中三种数据扁平化方法：melt()按变量名和值两列重组数据，concat()垂直拼接多列，stack()将多列转为单列。测试数据显示melt()保留原列名信息，concat()和stack()仅保留数值。三种方法各有特点，适用于不同的数据扁平化需求。
大模型应用：大模型 MapReduce 全解析：核心概念、中文语料示例实现.12
minhuan的专栏
12-03 870
本文介绍了MapReduce编程模型及其在大模型训练中的应用。MapReduce通过"分治-并行-聚合"思想处理大规模数据，传统Hadoop MapReduce侧重结构化数据计算，而大模型MapReduce则针对自然语言处理任务。文章详细对比了两者在架构、处理对象和核心算力等方面的差异，并提供了中文词频统计的Python实现示例，包括单机版和分布式版本。分布式实现利用多进程模拟集群计算，展示了数据分片、Map、Shuffle和Reduce的完整流程。
【Android逆向工程】第19章：协议分析与接口还原
最新发布
w987333120的博客
12-03 360
本文介绍了网络协议分析的关键技术与工具。主要内容包括HTTP/HTTPS协议分析流程、常用抓包工具配置（Charles/Burp Suite）、协议格式解析方法以及签名算法还原技术。通过示例展示了完整的请求/响应分析过程，涵盖请求行、请求头、请求体的解析方法，特别关注签名相关字段的识别。文章还提供了Python代码示例演示如何自动分析HTTP请求结构，帮助逆向工程师理解业务逻辑、还原接口签名算法并实现自动化脚本。
使用 DeepSeek 提升工作效率
Deng872347348的博客
12-03 565
摘要：本文系统介绍了如何利用DeepSeek AI工具提升工作效率。文章首先分析职场痛点，指出DeepSeek在技术文档、代码开发、数据处理等专业场景的优势。随后详细解析核心功能模块，包括文本生成、代码支持、数据分析和知识管理，并明确其适用边界。重点提供了可直接复用的指令模板，涵盖技术文档撰写、脚本开发、数据可视化等典型场景，如自动生成API文档、Python数据分析脚本等。最后给出集成办公软件的最佳实践，并针对不同行业提供适配方案，强调AI工具"增强而非替代"的定位，帮助用户将重复性工
python中快速更新ini文件之方法~
英布之剑的优快云 Blog
12-02 140
Python标准库中的configparser模块可方便读写INI格式配置文件。通过ConfigParser()创建对象，使用read()读取文件，set()修改键值，write()保存更改。示例代码展示了更新INI文件的完整流程：创建解析器、读取文件、修改指定分组下的键值、保存修改并清理对象。使用前需导入configparser模块。该方法简单高效，适用于处理标准INI格式的配置文件。
数据挖掘Task2：深入EDA数据分析
"DataWhale数据挖掘学习任务2主要涵盖了数据加载、数据概况查看、缺失值、异常值和重复值的检测，以及预测值分布、数据特征分析等多个方面，旨在进行深入的数据探索分析(EDA)。这个任务适用于大数据和数据分析的学习...
评论
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值