小熊同学的博客

数据分析基本概念 明确思路→数据收集《分布式爬虫实战》→数据处理→数据分析→数据展现 常用的收集途径： 公开信息，外部数据库，自有数据库，调查问卷，客户数据 数据清洗： 可读性，完整性，唯一性，权威性及合法性 常见的数据类型 1，类别型数据 （1）取值种类 （2）每类取值的分布 2，数值型变量 （1）极值和分位点 （2）均值和标准差 （3）变量间相关性 3，通用...

**Matplotlib的figure对象和subplot对象** Matplotlib Matplotlib:是一个用于创建出版质量图表的桌面绘图包 import matplotlib.pyplot as plt pyplot模块包含Matplotlib API函数 figure Matplotlib的图像均位于figure对象中 创建figur...

读取文本格式的数据 pandas提供了一些用于将表格型数据读取为DataFrame对象的函数 其中read_csv和read_table用的比较多 pandas中的解析函数 函数 说明 read_csv 从文件、URL、文件型对象中加载带分隔符的数据。默认分隔符为逗号 read_table 从文件、URL、文件型对象中加载带分隔符的数据。默认分隔符为制表符（“\t”） ...

数据分析的三个机器学习算法 knn算法（邻近算法） 采用测量不同特征值之间的距离方法进行分类 优点：精度高，对异常值不敏感，无数据输入假定。 缺点：时间复杂度高，空间复杂度高。 1、当样本不平衡时，比如一个类的样本容量很大，其他类的样本容量很小，输入一个样本的时候，K个临近值中大多数都是大样本容量的那个类，这时可能就会导致分类错误。改进方法是对K临近点进行加权，也就是距离近的点的权值大，距离远的点...