【动手学数据分析】Task01笔记

最新推荐文章于 2024-12-27 22:45:23 发布

原创最新推荐文章于 2024-12-27 22:45:23 发布 · 172 阅读

0 ·

CC 4.0 BY-SA版权

本文回顾了Pandas的基础内置函数，并通过泰坦尼克号数据集展示了如何使用这些函数进行有意义的数据观察，包括票价、年龄和家族人数的排序分析。同时，介绍了read_table函数读取数据的方法及无表头数据的处理技巧。

复习了pandas比较基础的一些内置函数，对泰坦尼克号数据的观察比较有意思，单是对票价、年龄、家族人数排序就能看出很多故事。

read_table读取数据必须指定分隔符

对于无表头的数据，可以指定表头names=['x1','x2','x3','x4','x5']

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

西斯滴闷

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

动手学数据分析-Task01：数据加载及探索性数据分析

qq_43734405的博客

07-13

769

本学习笔记为Datewhale-7月组队学习-动手学数据分析的学习内容，学习链接为：https://github.com/datawhalechina/hands-on-data-analysis 数据加载及探索性数据分析前言一、学习知识点概要二、学习内容（一）数据载入及初步观察1. 数据加载（1）导入numpy和pandas（2）载入数据（3）逐块读取数据（4）更改表头和索引2. 初步观察（1）查看数据的基本信息（2）观察表格前10行的数据和后15行的数据（3）判断数据是否为空3. 保存数据（二）pan

动手学数据分析task01 数据加载及探索性数据分析（笔记）

Alison_MJ的博客

12-14

2133

一、数据载入及初步观察 1. 载入数据 1.1 打开JupyterLab 导入numpy、pandas 1.2 使用绝对路径、相对路径载入数据首先，使用path1=os.path.abspath('.') 表示当前所处文件夹的绝对路径，print(path1)显示当前绝对路径。使用绝对路径导入数据使用相对路径导入数据 1.3 加载文档的方式 1.4pd.read_csv与pd.read_table pd.read_table是以制表符‘\t’作为数据的标志，可以看出，读...

参与评论您还未登录，请先登录后发表或查看评论

动手学数据分析——Task01_数据加载

不再的blog

08-16

794

前言这是一门诞生于datawhale的课程，学习它的时候搭配datawhale所配备其他资源会更好，项目地址：https://github.com/datawhalechina/hands-on-data-analysis 数据集下载：https://www.kaggle.com/c/titanic/overview import numpy as np import pandas as pd import os os.getcwd() 'C:\\Users\\lyj\\Desktop\\pyproj

动手学习数据分析Task01

qq_44916258的博客

12-14

278

复习:这门课程得主要目的是通过真实的数据，以实战的方式了解数据分析的流程和熟悉数据分析python的基本操作。知道了课程的目的之后，我们接下来我们要正式的开始数据分析的实战教学，完成kaggle上泰坦尼克的任务，实战数据分析全流程。这里有两份资料：教材《Python for Data Analysis》和 baidu.com & google.com（善用搜索引擎） 1 第一章：数据载入及初步观察 1.1 载入数据数据集下载 https://www.kaggle.com/c/titanic/o

Datawhale组队学习笔记-动手学数据分析Task01-1

weixin_44977550的博客

09-14

304

Datawhale组队学习-动手学数据分析

Datawhale组队学习笔记-动手学数据分析Task02-1

weixin_44977550的博客

09-15

605

Datawhale组队学习笔记-动手学数据分析Task02 数据清洗及特征处理

动手学数据分析Task05

wensaaaa的博客

07-22

329

模型搭建和评估–建模这一章我们要做的就是使用数据，我们做数据分析的目的也就是，运用我们的数据以及结合我的业务来得到某些我们需要知道的结果。那么分析的第一步就是建模，搭建一个预测模型或者其他模型；我们从这个模型的到结果之后，我们要分析我的模型是不是足够的可靠，那我就需要评估这个模型。今天我们学习建模。首先还是导入库 import pandas as pd import numpy as np import matplotlib.pyplot as plt import seaborn as sns fro

动手学数据分析Task03

wensaaaa的博客

07-16

200

数据重构数据重构依旧属于数据理解（准备）的范围。首先还是导入库和数据集， import numpy as np import pandas as pd text = pd.read_csv('/Users/wensa/Desktop/titanic/train_chinese.csv') text.head() 数据的合并任务一：将data文件夹里面的所有数据都载入，观察数据的之间的关系 text_left_up = pd.read_csv("C:\\Users\\wensa\\Desktop\\h

动手学数据分析task1打卡

lcx_nanmu的博客

08-19

447

**复习：**这门课程得主要目的是通过真实的数据，以实战的方式了解数据分析的流程和熟悉数据分析python的基本操作。知道了课程的目的之后，我们接下来我们要正式的开始数据分析的实战教学，完成kaggle上泰坦尼克的任务，实战数据分析全流程。这里有两份资料：教材《Python for Data Analysis》和 baidu.com & google.com（善用搜索引擎） 1 第一章：数据载入及初步观察 1.1 载入数据数据集下载 https://www.kaggle.com/c/titan

【动手学数据分析】Task03笔记

分界线

08-26

268

建模：前两个task中学会了怎么清洗数据准备数据，相当于得到了喂给模型的建模数据。判断是否存活，所以是个监督问题。下面这个图实在是有灵性。【思考】划分数据集的方法有哪些？留出法、k折验证法为什么使用分层抽样，这样的好处有什么？分层抽样的精度比简单随机抽样的精度高单次使用留出法得到的估计结果往往不够稳定可靠，在使用留出法时，一般要采用若干次随机划分、重复进行模型评估后取平均值作为留出法的评估结果。参数说明：train_test_split (*arrays...

动手学数据分析-Task03：数据重构

qq_43734405的博客

07-18

983

本学习笔记为Datewhale-7月组队学习-动手学数据分析的学习内容，学习链接为：https://github.com/datawhalechina/hands-on-data-analysis 数据重构前言一、学习知识点概要二、学习内容（一）数据拼接1. 数据加载2. 观察数据的之间的关系3. 合并数据（1）使用concat方法（2）join方法和append方法（3）merge方法和append方法（4）完成的数据保存为result.csv4. 将数据变为Series类型的数据(二)数据聚合与运算1

Datawhale AI 冬令营——动手学AI Agent——Task2：学Prompt工程，优化Agent效果学习笔记

m0_64239852的博客

12-27

860

AI Agent是指能够自主或半自主地执行任务并做出决策的人工智能系统。它通常能与用户交互、感知环境、执行任务并基于所获得的信息进行学习。AI Agent的开发涵盖了多个领域，包括自然语言处理（NLP）、机器学习、深度学习、计算机视觉等技术。AI Agent常见的应用场景包括智能助手、聊天机器人、自动推荐系统等。在这些系统中，AI Agent不仅需要处理输入数据，还需要根据具体任务和目标作出智能决策。Prompt工程是指设计和优化与AI模型（特别是语言模型）交互的提示语（Prompt）过程。

强化学习概述——《动手学强化学习》笔记

一起加油~

04-28

1049

强化学习问题概述、强化学习的定义、强化学习的环境、马尔可夫决策过程、强化学习的目标函数、状态值函数、状态-动作值函数、强化学习常用策略

ACM-ICPC/CCPC/XCPC算法竞赛资料kmeans聚类

12-18

ACM-ICPC/CCPC/XCPC算法竞赛资料kmeans聚类

【CAOA三维路径规划】基于matlab鳄鱼伏击算法CAOA多无人机协同集群避障路径规划（目标函数：最低成本：路径、高度、威胁、转角）（Matlab代码实现）

12-18

【CAOA三维路径规划】基于matlab鳄鱼伏击算法CAOA多无人机协同集群避障路径规划（目标函数：最低成本：路径、高度、威胁、转角）（Matlab代码实现）内容概要：本文介绍了基于Matlab的鳄鱼伏击算法（CAOA）在多无人机协同集群三维路径规划中的应用，重点解决动态环境下的避障问题。该方法以最低成本为目标函数，综合考虑路径长度、飞行高度、威胁等级和转弯角度等因素，通过优化算法实现无人机集群的安全、高效路径规划。文中提供了完整的Matlab代码实现，便于科研人员复现与改进，适用于复杂环境下的无人机协同任务。; 适合人群：具备一定Matlab编程基础，从事无人机路径规划、智能优化算法或协同控制研究的研究生、科研人员及工程技术人员。; 使用场景及目标：①研究多无人机在复杂三维环境中的协同避障路径规划；②验证和改进鳄鱼伏击算法（CAOA）在实际路径规划中的性能；③实现以最低综合成本为目标的智能路径优化，提升无人机集群的任务执行效率与安全性。; 阅读建议：建议读者结合提供的Matlab代码进行实践操作，深入理解目标函数构建、约束条件处理及算法迭代过程，同时可尝试将算法扩展至更多动态障碍物或更大规模无人机集群场景中进行测试与优化。

基于径向基函数神经网络RBFNN的自适应滑模控制学习（Matlab代码实现）

12-18

基于径向基函数神经网络RBFNN的自适应滑模控制学习（Matlab代码实现）内容概要：本文介绍了基于径向基函数神经网络（RBFNN）的自适应滑模控制方法，并提供了相应的Matlab代码实现。该方法结合了RBF神经网络的非线性逼近能力和滑模控制的强鲁棒性，用于解决复杂系统的控制问题，尤其适用于存在不确定性和外部干扰的动态系统。文中详细阐述了控制算法的设计思路、RBFNN的结构与权重更新机制、滑模面的构建以及自适应律的推导过程，并通过Matlab仿真验证了所提方法的有效性和稳定性。此外，文档还列举了大量相关的科研方向和技术应用，涵盖智能优化算法、机器学习、电力系统、路径规划等多个领域，展示了该技术的广泛应用前景。; 适合人群：具备一定自动控制理论基础和Matlab编程能力的研究生、科研人员及工程技术人员，特别是从事智能控制、非线性系统控制及相关领域的研究人员；使用场景及目标：①学习和掌握RBF神经网络与滑模控制相结合的自适应控制策略设计方法；②应用于电机控制、机器人轨迹跟踪、电力电子系统等存在模型不确定性或外界扰动的实际控制系统中，提升控制精度与鲁棒性；阅读建议：建议读者结合提供的Matlab代码进行仿真实践，深入理解算法实现细节，同时可参考文中提及的相关技术方向拓展研究思路，注重理论分析与仿真验证相结合。

STM32F407-RT-Thread-CAN工程代码

12-18

STM32F407芯片，开发环境：RT-Thread Stdio开发环境，使用内部drv_can实现can功能，官方的drv_can.c文件中对于stm32f407的位时序配置错误，已修改位时序，但是800k的CAN速率，由于CAN时钟为42M的原因，无法整除(42/0.8=52.5)，导致800k的速率无法使用.

安卓应用源码Android闹钟源码

12-18

安卓应用源码Android 闹钟源码

转子轴承系统振动分析.zip