Norsaa的博客

废话不多说，上函数的常用参数及解释：np.percentile(a, q,interpolation='linear')a:需要进行计算的列名q:取分位点的百分比，0-100之间的数字。如当序列有n个数字，25则表示数字由低到高排序的n*0.25位置的数值interpolation：当n*q的结果不是整数时，分位数的取值逻辑 如当得到的分位位置介于值i和j之间时 linear:分位数=i+（...

废话不多说，上函数的常用参数及解释：df.boxplot(column=None,fontsize=None, grid=True, figsize=None, by=None)df:绘图使用的数据集column:需要绘制箱形图的列名，默认为展示全部数字型列的箱型图fontsize：横坐标字体大小rot:横坐标字体的旋转角度grid:背景网格，默认为展示figsize ：输出箱型图的大小，格式为（长，宽）by:分组绘图的列名，设置后按照by的条件分别绘制箱形图注意：boxplot函数只

1）设置电脑的默认浏览器为谷歌浏览器（chorme)设置方法链接，https://support.microsoft.com/zh-cn/help/4028606/windows-10-change-your-default-browser2）Chrome浏览器打开notebook文件，ctrl+p假装打印，点击保存即可。暴力高效！...

折线图的绘制主要分为四步：1）导入相关的库2）做图片输出的通用设置3）设置数据及折现的属性4）设置图的标题案例：import matplotlibimport numpy as npfrom matplotlib import pyplot as plt%matplotlib inline#通用设置matplotlib.rc('axes', facecolor = 'white')matplotlib.rc('figure', figsize = (6, 4))ma

引言应该使用哪个 IDE/环境/工具？这是人们在做数据科学项目时最常问的问题之一。可以想到，我们不乏可用的选择——从 R Studio 或 PyCharm 等语言特定的 IDE 到 Sublime Text 或 Atom 等编辑器——选择太多可能会让初学者难以下手。如果说有什么每个数据科学家都应该使用或必须了解的工具，那非 Jupyter Notebooks 莫属了（之前也被称为 iPython 笔记本）。Jupyter Notebooks 很强大，功能多，可共享，并且提供了在同一环境中执行数据可视

数据透视表（Pivot Table）是一种交互式的表，可以进行某些计算，如求和与计数等。所进行的计算与数据跟数据透视表中的排列有关。之所以称为数据透视表，是因为可以动态地改变它们的版面布置，以便按照不同方式分析数据，也可以重新安排行号、列标和页字段。每一次改变版面布置时，数据透视表会立即按照新的布置重新计算数据。另外，如果原始数据发生更改，则可以更新数据透视表。函数详解df.pivot_table(values=None, index=[列名]，columns=[列名], aggfunc='me

pandas.read_csv参数整理读取CSV（逗号分割）文件到DataFrame也支持文件的部分导入和选择迭代更多帮助参见：http://pandas.pydata.org/pandas-docs/stable/io.html参数：filepath_or_buffer: str，pathlib。str, pathlib.Path, py._path.local.LocalPath or any object with a read() method (such as a fi..

在python中__setitem__(self,value,key)方法时python魔法方法的一种，这个方法会让类按照一定的方法存储和key映射的value。该值可以使用另一种魔法方法__getitem__(self,key)来获取。使用场景：当期望定义的类具备按照键存储值时，即类能够执行data['key']=value目的：如果给类定义了__setitem__方法，则可以方便的给类...

在python中__getitem__方法被称为魔法方法，这个方法返回所给键对应的值。当对象是序列时，键是整数。当对象是映射时（字典），键是任意值。使用场景：在定义类时，如果希望能按照键取类的值，则需要定义__getitem__方法目的：如果给类定义了__getitem__方法，则当按照键取值时，可以直接返回__getitem__方法执行的结果。class Fib(): ...

1）方法输入：字符串.count('要统计的字符'）输出：统计数量2）案例：统计'use_data'中字母‘a'的个数输入：'use_data'.count('a')输出：2

1）生成随机数import numpy as np #导入库random3 = numpy.random.randn(10000) #随机生成10000个服从正态分布的随机数2）结果验证import seaborn as sn...

1：打开anaconda下的anaconda的Promote2：输入 pip list 可以查看当前已经安装的包和版本3：a:输入”conda update scikit-learn”b:pip install scikit-learn (--proxy http://）（括号内为代理网址，公司限制外网的需要录入）...

在利用python进行数据分析和处理时，经常会需要遍历DataFrame行，不同的遍历方法会对数据处理的效率有很大的影响。现在有以下的数据import pandas as pdfrom pandas import DataFrame as DFfrom datetime import datetimedata=DF({'data1':np.random.randn(30000),'...

wxPython：Python扩展模块，由wxwidgets（C++）的跨平台GUI工具包第一步：下载下载地址：https://pypi.python.org/pypi/wxPython/4.0.0b2找到合适本机的whl安装包（e.g. xPython-4.0.0b2-cp27-cp27m-win_amd64.whl）第二步：安装下载cmd完进入命令提示符进入python...

 1、先到 pypi 官网下载 setuptools，解压到python的安装路径下 。网址https://pypi.org/project/setuptools/#files             setuptools解压地址如下    2、用cmder或cmd切到解压后的目录，执行命令（cmd进入的相关路径非常重要，路径不正确会导致找不到文件夹。cmd中，cd+文...

打开数据文件read_csv从文件，URL、文件型对象中加载带分隔符数据，默认分隔符为逗号，输出为字典集1：需要确定文件的路径，格式，数据分隔符，有无列标题，编码格式，该方式只能适用于打开数据文件ratings=pd.read_csv('/user/u.data',   #路径及文件名sep='\t',         #使用的分隔符na

在进行数据的处理时，经常会进行表格的合并和重塑，pandas中有几种实用的方法，在此介绍一种pd.concat1 concatconcat函数是在pandas底下的方法，可以将数据根据不同的轴作简单的融合pd.concat(objs, axis=0, join='outer', join_axes=None, ignore_index=False, keys=Non

在使用python时，print 列表时的默认输出为列输出如：打印9*9乘法表的前三列    for i in range(1,3):    print     for j in range(1,i+1):        print '%d*%d=%d' %(i,j,i*j)输出为：1*1=12*1=22*2=4如果想让其按照行输出，只需在print语句结

在对python数据进行离散化分析时,我想把年龄列进行分组，分成'20-35', '35-50', '50-65', '65-80','80-95','95-110'六组，但是运行时报出了错误ValueError: Bin labels must be one fewer than the number of bin edges，翻译过来的意思是; 分组标签必须比分组的边界少一个原码是：

step1：（1）安装python2.7.5，这里我选择安装在C盘根目录下。（2）安装完毕后C盘会生成一个叫“python27”的文件夹。（3）打开python27，会发现该目录下存在一个叫Scripts的文件夹，点开Scripts，会发现里面有一系列和easy_install有关的文件。（4）打开python27，会发现该文件下有一个叫python.exe的文件，

查看某一列中有多少中取值：数据集名.drop_duplicates(['列名'])#实际为删除重复项，删除后对原数据集不修改输入：    data.drop_duplicates(['name'])输出：    1   zhangsan              2    lisi              3    wangwu

转载自：http://www.zilhua.com/629.html1. 随机森林使用背景1.1 随机森林定义随机森林是一种比较新的机器学习模型。经典的机器学习模型是神经网络，有半个多世纪的历史了。神经网络预测精确，但是计算量很大。上世纪八十年代Breiman等人发明分类树的算法（Breiman et al. 1984），通过反复二分数据进行分类或回归，计算

转自：https://www.cnblogs.com/maybe2030/p/4585705.html  1 什么是随机森林？　　作为新兴起的、高度灵活的一种机器学习算法，随机森林（Random Forest，简称RF）拥有广泛的应用前景，从市场营销到医疗保健保险，既可以用来做市场营销模拟的建模，统计客户来源，保留和流失，也可用来预测疾病的风险和病患者的易感性。最初，我是在参加校外

在进行数据操作时，经常会根据条件批量的修改数据，如以下数据，按照日期的条件，将部门日期下的promotion改为1 tot_qtypricedateprice_delta1price_delta2price_delta3promotioncreated_date       20160419

标题 说明 举例 什么是正则表达式 描述查找规则的工具         调用的库文件 re import re       使用流程 定义正则表达式-编译-查找   确定要查找的内容范围 如果是文件的话需要文件名 key = r"<html><body><h1&...

 在python中经常会需要区分大小写，在此介绍一种最常用的设置方法：一：确定要匹配的文本text="DFSFSDFDSF@qq.com,dfdsa@dfdf.com,zgabgj@asdfdsa.com"    #这是要进行匹配的文本内容，可以是一个文件步骤二：书写正则表达式p='([a-z0-9]+)\@([a-z0-9]+)\.([a-z]{2,4})'         ...

1：查找重复项df.duplicated()返回的是一个布尔型Series（返回值是True或者False），表示各行是否是重复行，可以在（）内添加列名来查找某一列是否有重复值，第一个出现的值为False，后边再出现相同的行为True完全重复的项目 df.duplicated()  /  某一列重复df.duplicated('列名')aa = [[1,2,3],[4,5,6],[1,2...

在写python时，有时会在文件头声明编码类型，有时又没有，似乎写不写都没关系。#coding: utf-8 #如此处的声明#!/usr/bin/env pythonimport sysfor line in sys.stdin: line = line.strip(） words = line.split(） for word in words: