KEEP的博客

【代码】【分析绘图】R语言实现一些常见的绘图。

Python数据异常值检测和处理数据清洗中的另一个常见问题：异常值检测和处理1 什么是异常值？在机器学习中，异常检测和处理是一个比较小的分支，或者说，是机器学习的一个副产物，因为在一般的预测问题中，模型通常是对整体样本数据结构的一种表达方式，这种表达方式通常抓住的是整体样本一般性的性质，而那些在这些性质上表现完全与整体样本不一致的点，我们就称其为异常点，通常异常点在预测问题中是不受开发者欢迎的，因为预测问题通产关注的是整体样本的性质，而异常点的生成机制与整体样本完全不一致，如果算法对异常点敏感，那么生

同一个项目中让R和Python无缝工作的五种方法在项目启动时定义Python环境为避免与使用错误的Python解释器相关问题，首先来定义Python环境。Sys.setenv(RETICULATE_PYTHON="C:/Python/Python37")print(paste("Python environment forced to", Sys.getenv("RETICULATE_PYTHON"))) # py_available() # 检查是否返回True# 使用condaenv

210727_175242-pandas删除行列的两种方式import pandas as pdimport numpy as npdf = pd.DataFrame( np.arange(12).reshape(3, 4), columns=['A', 'B', 'C', 'D'], index=['x', 'y', 'z'])df A B C Dx 0 1 2 3y 4 5 6 7z 8 9 10 11删除行的两种方式# 方式一: 按照label行名删除

Pandas 速记表我们将使用简写df作为一个DataFrame对象, s作为一个Series对象# 在开始之前先导入这些包import pandas as pdimport numpy as np导入数据pd.read_csv(filename) # 读取csv文件pd.read_table(filename) # 读取分隔的文本文件 eg:tsvpd.read_excel(filename) # 读取excel文件pd.read_sql(query, connection_