瞳瞳瞳呀

对于缺失的数据： 我们对连续数值的特征做标准化（standardization）：设该特征在整个数据集上的均值为 μ ，标准差为 σ 。那么，我们可以将该特征的每个值先减去 μ 再除以 σ 得到标准化后的每个特征值。对于缺失的特征值，我们将其替换成该特征的均值。 numeric_features = all_features.dtypes[all_features.dtypes != 'object'].index all_features[numeric_features] = all_features[

5.1 Animation 动画 import numpy as np import matplotlib.pyplot as plt from matplotlib import animation fig,ax = plt.subplots() x = np.arange(0,2*np.pi,0.01) line, = ax.plot(x,np.sin(x)) def animate(i): line.set_ydata(np.sin(x+i/10)) return line,

4.1Subplot多合一显示 import matplotlib.pyplot as plt import numpy as np plt.figure() """ 每个图占一个位置 """ # plt.subplot(2,2,1) #将画板分成两行两列，选取第一个位置,可以去掉逗号 # plt.plot([0,1],[0,1]) # # plt.subplot(2,2,2) # plt.plot([0,1],[0,1]) # # plt.subplot(2,2,3) # plt.plot([0,1

3.1散点图 import matplotlib.pyplot as plt import numpy as np n = 1024 X = np.random.normal(0,1,n) Y = np.random.normal(0,1,n) T = np.arctan2(Y,X) #用于计算颜色 plt.scatter(X,Y,s=75,c=T,alpha=0.5)#alpha是透明度 #plt.scatter(np.arange(5),np.arange(5)) #一条线的散点图 plt.xl

基本用法 import matplotlib.pyplot as plt import numpy as np """ 2.1基本用法 """ # x = np.linspace(-1,1,50) #[-1,1]50个点 # #y = 2*x +1 # # y = x**2 # plt.plot(x,y) #注意：x,y顺序不能反 # plt.show() """ 2.2figure图像 """ # x = np.linspace(-3,3,50) # y1 = 2*x +1 # y2 =

3.1panda基础操作 头文件： import numpy as np import pandas as pd 创建pandas序列 pandas会默认添加序号 s = pd.Series([1,3,6,np.nan,44,1]) 创建时间序列。periods=6：生成六个数据 dates = pd.date_range('20160101',periods=6) 自己定义数据标签 index是值行标签。colums是列标签 df = pd.DataFrame(np.random.randn(6,4

3.4pandas处理丢失数据 头文件： import numpy as np import pandas as pd 丢弃数据部分： dates = pd.date_range('20130101',periods=6) df = pd.DataFrame(np.random.randn(6,4),index=dates,columns=['A','B','C','D']) df.iloc[0,1] = np.nan df.iloc[1,2] = np.nan print(df.dropna(axis

3.6，3.7pandas合并concat&merge 头文件： import pandas as pd import numpy as np concat基础合并用法 df1= pd.DataFrame(np.ones((3,4))*0,columns = ['a','b','c','d']) df2= pd.DataFrame(np.ones((3,4))*1,columns = ['a','b','c','d']) df3= pd.DataFrame(np.ones((3,4))*2,col