Rookiekk

这里就不说为什么要做数据规范化了，直接讲几种规范化的方法。有许多规范化的方法，我们将学习种：最大-最小规范化、分数规范化、小数定标规范化。这里令是数值属性，具有个观测值。一、原理1.最大-最小规范化假设和分别为属性的最大值和最小值。最小-最大规范化通过计算           把A的值映射到区间,中的。最小-最大规范化保持原始数据值之间的联系。如果今后的输入实例落在的原...

假设属性X的数据以数值递增序排列。分位数是取自数据分布的每隔一定间隔上的点，把数据划分成基本上大小相等的连贯集合。4-分位数是3个数据点，他们把数据划分成4个相等的部分，使得每部分表示数据分布的四分之一。通常称它们为四分位数。四分位数给出分布的中心、散布和形状的某种指示。第1个四分位数记作，是第25个百分位数。第3个四分位数记作，是第75个百分位数。第1个和第3个四分位数之间的距离是散布的一种...

对自己在数据处理中经常使用却经常忘记的一些操作汇总。我用的多，大家应该用的也很多，有需要的可以转载follow。1.dataframe数据筛选：loc,iloc,ix,at,iatloc:需要用行列的标签进行索引。iloc:需要用行列索引进行索引。ix:功能更强大一些，结合了以上两种方法，既可以用标签，又可以用索引。at:根据指定行index及列label，快速定位DataFr...

首先看我们要用到的画图函数：DataFrame.plot(x=None, y=None, kind='line', ax=None, subplots=False, sharex=None,sharey=False, layout=None, figsize=None, use_index=True, title=None, grid=None,legend=True, style=None,...

今天做机器学习实验，我们查看数据类型把类别换成我们需要的合适的类别，为后边的处理做准备。把类别category类型转换成dummy/indicator变量。首先介绍get_dummies():pandas.get_dummies(data, prefix=None, prefix_sep='_', dummy_na=False, columns=None,sparse=False, dro...

1.get_dummies()pandas.get_dummies(data, prefix=None, prefix_sep='_', dummy_na=False, columns=None,sparse=False, drop_first=False)：Convert categorical variable into dummy/indicator variables>&g...

自己总结一下：1.apply()Series.apply：For applying more complex functions on a Series。对Series的值调用函数。可以是ufunc(一个适用于整个系列的NumPy函数)还是一个只对单个值有效的Python函数。>>> series = pd.Series([20, 21, 12], index=...