数据科学项目实践-优快云博客

原创建模步骤 3 ：数据探索(EDA) — 1、初步了解数据：自定义函数

以上是我在初步了解数据过程中的几个自定义的函数，主要是将上一篇文章中的常用函数组合在一起使用。并且，尝试创建了一个简单的库来存储，方便重复执行。

2025-12-11 08:46:04 665

原创建模步骤 3 ：数据探索(EDA) — 1、初步了解数据：常用函数

本文汇总了Pandas数据分析中26个常用函数，包括数据查看(df.head/tail/sample)、信息获取(shape/columns/dtypes)、统计描述(describe/quantile/skew)、聚合计算(mean/median/mode)等核心功能，并提供了具体使用示例。这些函数涵盖了数据探索的基础操作，如查看数据首尾行、获取行列信息、计算统计指标等，是进行数据预处理和分析的重要工具。文章最后提到将尝试将这些函数整合为自定义模块，为后续数据分析工作提供便利。

2025-12-10 08:37:06 1182

原创建模步骤 2 ：收集数据 — 下篇

摘要：本文介绍了数据处理中的合并、抽样和拆分方法。在数据合并部分，详细说明了纵向合并（pd.concat(axis=0)、np.vstack()）和横向合并（pd.concat(axis=1)、np.hstack()）的操作方法。数据抽样部分包含随机抽样、放回随机抽样（resample()、sample(replace=True)）和分层随机抽样。数据拆分部分展示了使用train_test_split()和sample()方法进行训练集/测试集划分的技术，包括普通随机拆分和分层随机拆分。所有方法均提供了Py

2025-12-09 09:08:11 994

原创建模步骤 2 ：收集数据 — 中篇

本文介绍了Python中多种数据导入方法：1）字典/数组转DataFrame；2）使用sklearn.datasets加载内置数据集；3）利用make_classification等函数生成模拟数据；4）读取csv/xlsx文件；5）MySQL数据库交互。详细演示了pandas、sklearn等库的具体操作，包括数据转换、模拟数据生成（分类/回归/聚类数据集）、文件读取及数据库连接等功能。这些方法为机器学习项目的数据准备提供了完整解决方案，涵盖从内存数据结构到外部数据源的多种数据获取方式。

2025-12-08 08:46:33 847

原创建模步骤 2 ：收集数据 — 上篇

本文介绍了数据科学项目的基础工作流程：1）数据来源包括数据文件和数据库两类常见形式；2）数据选择需考虑实际需求，记录假设并排除无关数据；3）创建工作空间的Python实现方法；4）显示设置包括库版本查看、Pandas/Numpy/Matplotlib的常用配置选项。文章提供了详细的代码示例，涵盖项目目录创建、数据格式设置、可视化参数调整等实用技巧，为数据科学项目的前期准备工作提供了系统指导。

2025-12-06 08:52:08 1059

原创 Matplotlib 散点图：matplotlib.axes.Axes.scatter()

本文详细介绍了matplotlib.axes.Axes.scatter()函数的用法及参数设置。该函数用于绘制散点图，主要参数包括x/y坐标、点大小(s)、颜色(c)、标记样式(marker)、颜色映射(cmap)、归一化(norm)、透明度(alpha)、边缘线宽(linewidths)等。通过示例代码展示了如何使用这些参数控制散点的外观，如设置不同点大小、颜色、形状、透明度等。还介绍了如何通过cmap参数实现颜色映射，使用norm参数进行数据归一化，以及自定义颜色生成器等高级用法。最后总结了该函数的功能

2025-12-05 09:04:15 1368

原创 matplotlib.axes.Axes.hist() 介绍

摘要：本文详细介绍了Matplotlib库中的Axes.hist()方法，用于绘制直方图。文章逐一解析了该方法的17个关键参数，包括x（数据源）、bins（分箱设置）、range（数据范围）、density（概率密度显示）、weights（数据权重）等，并通过示例代码展示了各参数的使用效果。特别说明了参数如何控制直方图的类型（histtype）、方向（orientation）、颜色（color）等可视化属性，以及堆叠（stacked）、累积（cumulative）等特殊显示模式。每个参数都配有对应的可视化示

2025-12-04 08:52:31 1277

原创 Matplotlib 简单教程 8：连续颜色映射

本文介绍了matplotlib中创建自定义颜色映射的两种方法：LinearSegmentedColormap()和LinearSegmentedColormap.from_list()。前者通过segmentdata字典参数定义颜色变化，后者直接从颜色列表创建。两种方法都支持设置颜色数量(N)和伽马校正(gamma)参数。文章展示了如何将自定义颜色映射应用于热力图(sns.heatmap)和条形图(ax.bar)，并解释了如何通过np.linspace从颜色映射中提取特定颜色梯度。这些方法为数据可视化提供了

2025-11-29 19:20:45 1661

原创 Matplotlib 简单教程 8：列表颜色图\条

摘要：matplotlib.colors.ListedColormap()函数用于创建基于指定颜色列表的离散颜色映射，主要参数包括颜色列表colors、名称name和颜色数量N。通过该函数可自定义颜色映射表，应用于热力图等可视化场景，并能提取映射中的特定颜色值用于其他图形元素着色。文章通过代码示例详细演示了各参数用法及如何获取颜色映射中的颜色值，为Python数据可视化提供了实用的色彩管理工具。

2025-11-28 08:35:07 633

原创 Matplotlib 简单教程 8：颜色

摘要：Matplotlib支持多种颜色格式，包括RGB/RGBA浮点值元组、十六进制字符串（如#0F0F0F）、灰度字符串（如'0.5'）、单字母简写（如'b'表示蓝色）、X11/CSS4颜色名称（如"blue"）、xkcd颜色（如'xkcd:skyblue'）以及Tableau调色板颜色（如'tab:blue'）。通过示例代码展示了8种颜色格式的应用场景，推荐优先使用RGB、十六进制和X11/CSS4颜色名称这三种格式，因其选择丰富且应用广泛。

2025-11-27 08:57:48 983

原创 Matplotlib 简单教程 7：多字图：Figure.add_axes()

Matplotlib的Figure.add_axes()方法详解：该函数用于在图形中添加新坐标轴，主要参数包括rect（定义位置大小的四元组）、projection（投影类型）、polar（极坐标设置）、axes_class（自定义轴类）、sharex/sharey（坐标轴共享）等。通过代码示例展示了如何创建3D投影、极坐标、共享坐标轴等特殊图形，并演示了自定义轴类的实现方法。该方法提供了灵活控制图形布局的能力，是Matplotlib高级绘图的重要工具。

2025-11-26 08:38:02 706

原创建模步骤5 ：数据建模 — 1、模型评估：综合指标与曲线

本文详细介绍了二分类模型评估中的ROC曲线与PR曲线及其对应的AUC值。ROC曲线通过TPR与FPR反映模型在不同阈值下的分类能力，AUC值则衡量模型对正负样本的排序能力。PR曲线聚焦精确率与召回率的关系，尤其适用于类别不平衡场景。文章通过医疗诊断案例，演示了两种曲线的绘制过程，并比较了它们的优缺点：ROC曲线对类别不平衡较稳健，而PR曲线在正例稀少时更具参考价值。最后提供了AUC值的评估标准和适用场景建议，强调应根据数据分布和业务需求选择合适的评估指标。

2025-11-25 09:04:09 1959

原创 Matplotlib 简单教程 7：多字图：matplotlib.gridspec.GridSpec()

本文介绍了matplotlib.gridspec.GridSpec()函数的使用方法，该函数用于创建灵活的子图网格布局。主要参数包括：nrows/ncols(行列数)、figure(指定图形对象)、left/bottom/right/top(边缘位置)、wspace/hspace(间距比例)、width_ratios/height_ratios(行列比例)。通过多个代码示例展示了各参数的实际应用效果，如创建2×3网格、设置不同行列比例、调整子图间距等。该工具能实现精确的子图布局控制，配合tight_layo

2025-11-25 08:40:19 1054

原创 Matplotlib 简单教程 7：多字图：Figure.subplot_mosaic()

Matplotlib的subplot_mosaic()方法提供了灵活的子图布局功能，通过字典定义子图位置。主要参数包括：mosaic定义布局结构，sharex/sharey控制坐标轴共享，width_ratios/height_ratios调整行列比例，empty_sentinel标记空位，subplot_kw设置子图通用属性，per_subplot_kw配置特定子图属性，gridspec_kw控制网格布局。该方法支持创建复杂的多子图布局，并能精确控制每个子图的显示效果，是数据可视化中强大的布局工具。

2025-11-21 09:06:13 910

原创 Matplotlib 简单教程 7：多字图：matplotlib.pyplot.subplot2grid()

摘要：matplotlib.pyplot.subplot2grid()方法用于在网格布局中创建灵活的子图布局。关键参数包括：shape(网格形状)、loc(子图位置)、rowspan/colspan(跨越行列数)和fig(指定图形对象)。通过示例演示了各参数的使用方法，展示了如何创建不同布局的子图，包括跨行跨列的子图以及自定义样式。该方法提供了比常规subplot更灵活的网格布局控制，适合创建复杂的多图表展示。

2025-11-18 09:01:08 938

原创简单教程 7：多子图：matplotlib.pyplot.subplot()

摘要：本文详细介绍了matplotlib.pyplot.subplot()方法的使用，包括参数说明和调用方式。该方法用于创建子图布局，支持nrows,ncols,index或三位整数pos两种主要参数格式，可通过**kwargs设置子图属性。文章还讲解了四种调用方式及其区别，并列举了常用参数如projection、polar、sharex、sharey和label的应用示例。通过多个代码实例展示了如何创建不同布局的子图并设置各种属性，最后总结了该方法的核心功能。

2025-11-17 00:15:00 1344

原创 Matplotlib 简单教程 7：多字图概述

摘要：本文详细介绍了Matplotlib中绘制多图的5种常用方法及其优缺点：1)subplots适合规则网格布局；2)subplot适合逐个创建子图；3)subplot2grid可实现不规则布局；4)GridSpec提供精细布局控制；5)subplot_mosaic支持直观的复杂布局。每种方法都配有完整代码示例，涵盖创建、调整和保存图形的全过程。文章还简要提及了手动创建子图的axes方法，但不推荐常规使用。这些方法为Python数据可视化提供了灵活多样的多图绘制方案。

2025-11-16 08:45:30 1133

原创 Matplotlib 简单教程 7：多子图：Figure.subplots()

摘要：本文详细介绍了Matplotlib中Figure.subplots()方法的使用，该方法用于创建包含多个子图的图形布局。主要参数包括行数(nrows)、列数(ncols)、轴刻度共享(sharex/sharey)、子图尺寸比例(width_ratios/height_ratios)等，并通过代码示例演示了各参数的效果。文章还展示了高级布局控制参数subplot_kw和gridspec_kw的使用方法，为Python数据可视化提供了实用参考。

2025-11-15 21:57:13 1443

原创建模步骤 4 ：数据准备 — 2、数据转换：离散化

本文系统介绍了数据离散化的概念、方法和实现。离散化是将连续数据转化为离散区间的过程，可简化数据、适应算法需求并提升鲁棒性。详细阐述了7种主要方法：等宽法（均匀分区）、等频法（相同数据量）、分位数法（特定分位点划分）、信息熵法（最大化信息增益）、卡方法（统计合并相邻区间）、聚类法（相似值分组）和决策树法（利用模型分割点）。针对不同场景给出了方法选择建议，并提供了Python实现示例（pd.cut/qcut、KBinsDiscretizer等）。特别对比了信息熵法与决策树法的异同，前者提取分割阈值，后者直接使用

2025-11-14 21:18:52 1502

weixin_39204333的博客