Task06-pandas

最新推荐文章于 2025-12-22 22:22:57 发布

原创最新推荐文章于 2025-12-22 22:22:57 发布 · 215 阅读

0 ·

CC 4.0 BY-SA版权

文章标签：

#pytorch

pandas 专栏收录该内容

6 篇文章

订阅专栏

在今天的周会上，作者分享了自己在团队中学习到的经验和技能，这些在实际应用中非常有用。虽然作者提到自己社交能力有所减弱，但仍然感激团队给予的成长机会。在学习上，作者承认仍有task6的习题未完成，承诺会继续努力消化所学。

1.今天开了周会
晚上妈妈陪我逛街，发现待在家里很久，社交能力逐步丧失，越来越宅。
很感谢这个团队，让我学习到了很多，
在实际应用中真的会有帮助
task6的习题还没看，暂且写一写这个打卡，因为不想错过群里的每一道风景
我会继续慢慢消化，谢谢。。。

确定要放弃本次机会？

福利倒计时

: :

立减 ¥

普通VIP年卡可用

立即使用

ShieldVictory

关注关注

0
点赞
踩
0

收藏

觉得还不错? 一键收藏
0
评论
分享

复制链接

分享到 QQ

分享到新浪微博

扫一扫
举报

举报

专栏目录

TASK02-pandas基础

tzzz6的博客

07-16

1436

复习：数据分析的第一步，加载数据我们已经学习完毕了。当数据展现在我们面前的时候，我们所要做的第一步就是认识他，今天我们要学习的就是了解字段含义以及初步观察数据。我们学习pandas的基础操作，那么上一节通过pandas加载之后的数据，其数据类型是什么呢？ 1.4.2 任务二：根据上节课的方法载入"train.csv"文件 PassengerId Survived Pclass Name Sex

AI实践 Task02-Pandas入门

RS_xiaoyu的博客

07-22

404

AI实践-数据分析-Pandas入门

参与评论您还未登录，请先登录后发表或查看评论

Task01-pandas

mimiGUO的博客

04-20

315

今天学到了新内容~pandas基础知识 1.读取txt文件 df_txt = pd.read_table('/table.txt') df_txt 2.series属性以前并不了解，现在看了还是有点懵 s = pd.Series(np.random.randn(5),index=['a','b','c','d','e'],name='这是一个Series',dtype='float64') ...

Task04-Pandas

mimiGUO的博客

04-28

256

Pandas 变形一、透视表 pivot 一般状态下，数据在DataFrame会以压缩（stacked）状态存放，例如上面的Gender，两个类别被叠在一列中，pivot函数可将某一列作为新的cols： df.pivot(index='ID',columns='Gender',values='Height').head() 然而pivot函数具有很强的局限性，除了功能上较少之外，还不允许v...

pandas学习-pandas基础知识-task12

qq_42225861的博客

12-19

744

一、文件的读取和写入文件读取 pandas 可以读取的文件格式有很多，这里主要介绍读取 csv, excel, txt 文件。这里有一些常用的公共参数， header=None 表示第一行不作为列名， index_col 表示把某一列或几列作为索引，索引的内容将会在第三章进行详述， usecols 表示读取列的集合，默认读取所有的列， parse_dates 表示需要转化为时间的列，关于时间序列的有关内容将在第十章讲解， nrows 表示读取的数据行数。上面这些参数在上述的三个函数里都可以使用。在

Task06-连接

qq_46576562的博客

12-29

170

datawhale组队学习 Task06 连接 https://datawhalechina.github.io/joyful-pandas/build/html/%E7%9B%AE%E5%BD%95/ch6.html 第六章连接一、关系型连接连接的基本概念要想连接两张相关的表，则需通过其键来连接；同时pandas中提供了merge，concat等连接函数。关系型连接函数 merge 和 join 中提供了 how 参数来代表连接形式，分为左连接 left 、右连接 right 、内连接

【Task06】Pandas之连接

Xiao_Spring的博客

12-29

1182

前言一、关系型连接 1.连接的基本概念 2.值连接 1）按相同列进行连接 df1 = pd.DataFrame([['San Zhang',20],['Li Si',30]],columns=['Name','Age']) df2 = pd.DataFrame([['Li Si','F'],['Wu Wang','M']],columns=['Name','Gender']) df1 df2 df1.merge(df2, on='Name', how='left') 注意这里并不会改变原来的d

头歌实训--Pandas合并数据集--第2关：合并与连接

拒绝摆烂的博客

03-20

317

头歌实训--Pandas合并数据集--第2关：合并与连接,任务描述本关任务：使用pandas中的merge()函数按照编程要求合并三份数据。

头歌实训--Pandas合并数据集--第1关：Concat与Append操作

拒绝摆烂的博客

03-20

546

头歌实训--Pandas合并数据集--第1关：Concat与Append操作任务描述本关任务：使用read_csv()读取两个csv文件中的数据，将两个数据集合并，将索引设为Ladder列，并将缺失值填充为0。

Task02-Pandas基础

DMax13的博客

12-19

373

学习目标： Task02-Pandas基础学习内容： 1、一些自己之前忘记的东西 2、窗口对象 3、 Pandas库函数总结 4、练习题学习产出：一些之前自己忘记的东西在读取 txt 文件时，经常遇到分隔符非空格的情况， read_table 有一个分割参数 sep ，它使得用户可以自定义分割符号，进行 txt 数据的读取。例如，下面的读取的表以 |||| 为分割：这里注意sep是正则表达式，需要转义。需要将’engine’指定为python否则： ParserWarning:

Pandas-Task04-练习02源码

12-26

Pandas-Task04-练习02源码

dcase2023-task6b-baseline源代码

10-16

在深入研究这套源代码之前，建议熟悉Python编程基础，尤其是NumPy、Pandas和Scikit-learn等科学计算库，以及 librosa 或 soundfile 等音频处理库。同时，了解DCASE挑战赛的相关背景和规则也是必不可少的，这将有助于...

CV_Task2-源码.rar

10-10

然后，他们可能会在src目录下找到Python脚本，这些脚本可能使用OpenCV、PIL等库进行图像处理，使用NumPy和Pandas处理数据，使用深度学习框架搭建和训练模型。在data目录中，他们可以找到原始图像数据或已经预处理过...

20251011_Pytorch从入门到精通

baby_hua的专栏

12-18

775

讲的很不错！就是这课太老了复习下机器学习基础还能看用作入门也很好其他的略过即可。

Transformer时序预测实战：用PyTorch构建股价预测模型

qq_74383080的博客

12-18

563

本文探讨了Transformer在时间序列预测中的应用，相比传统LSTM模型，Transformer通过自注意力机制能更好捕捉长期依赖关系。文章详细介绍了从数据预处理到模型实现的完整流程，包括滑动窗口构造序列、位置编码等关键步骤。实验结果显示，Transformer在模拟股价预测任务上比LSTM训练速度更快（38秒vs45秒），预测误差降低34%（MSE 0.021 vs 0.032）。

Pytorch经典卷积神经网络-----激活函数篇

2301_77958892的博客

12-18

773

在神经元的数学表达式 (y = h(wx+b)) 中，h、w、b 分别代表激活函数、权重参数、偏置参数，三者是构成单个神经元的核心要素，共同实现对输入信号的加权变换与非线性映射其中h则为激活函数一个非线性函数，用于对线性变换结果 (wx+b) 进行映射，让神经元具备非线性表达能力。核心作用：如果没有激活函数，无论神经网络有多少层，最终输出都是输入的线性组合（多层线性变换等价于单层线性变换），无法拟合复杂的非线性任务（如图像分类、语音识别）。

PyTorch 张量操作全解析：从创建到运算的完整指南

手写的从前

12-17

398

本文系统介绍了PyTorch框架中张量的核心操作，包括创建方法（基于数据/形状、线性/随机张量）、类型转换（数据类型转换、与NumPy互转）、基本运算（算术运算、矩阵乘法）、索引切片（行列索引、布尔索引）、形状调整（reshape、squeeze等）以及拼接操作（cat、stack）。通过具体代码示例演示了各项操作的实现方式，为深度学习初学者提供了全面的PyTorch张量操作指南，是构建神经网络模型的重要基础。

动态分辨率的ioufsd