- 博客(8)
- 收藏
- 关注
RSS订阅原创 Pandas基础—变形
4 变形 透视表 其他变形方法 哑变量与因子化 一 、透视表 1.pivot 一般状态下，数据在Dataframe会以压缩（stacked）状态存放，例如上面的Gender，两个类别被叠在一列中，pivot函数可将某一列作为新的cols： import numpy as np import pandas as pd df = pd.read_csv('data/table.csv') df.h...
2020-04-28 20:52:01
278
原创 Pandas基础
分组 SAC过程 groupby 函数 聚合、过滤和变换 apply函数 1 SAC过程 1.内涵 SAC指的是分组操作中的split-apply-combine过程 其中split指基于某一些规则，将数据拆成若干组，apply是指对每一组独立地使用函数，combine指将每一组的结果组合成某一类数据结构 2.apply过程 在该过程中，我们实际往往会遇到四类问题：¶ 整合（Aggregati...
2020-04-26 23:23:48
219
原创 索引
第二章 索引 1.单级索引 2.多级索引 3.索引设定 4.常用索引型函数 5.重复元素处理 6.抽样函数 `#### 1 单级索引 loc方法、iloc方法、操作符 最常用的索引方法可能就是这三类，其中iloc表示位置索引，loc表示标签索引，[]也具有很大的便利性，各具有特点 先建立一个数据集 import numpy as np import pandas as pd df = pd.r...
2020-04-23 22:56:41
481
原创 Pandas基础
Pandas基础 文件读取与写入 基本数据结构 常用基本函数 排序 1.文件读取与写入 1.1 读取 csv格式 df = pd.read_csv('data/table.csv') df.head() txt格式 df_txt = pd.read_table('data/table.txt') #可设置sep分隔符参数 df_txt xls或xlsx格式 需要安装xlrd包 df_excel...
2020-04-20 21:00:42
195
原创 打卡 Datawhale 零基础入门数据挖掘-Task5 模型融合
打卡 Datawhale 零基础入门数据挖掘-Task5 模型融合 Tip:此部分为零基础入门数据挖掘的 Task5 模型融合 部分，带你来了解各种模型结果的融合方式，在比赛的攻坚时刻冲刺Top，欢迎大家后续多多交流。 赛题：零基础入门数据挖掘 - 二手车交易价格预测地址：https://tianchi.aliyun.com/competition/entrance/231784/introduc...
2020-04-04 21:37:45
443
原创 建模调参——天池Datawhale零基础入门数据挖掘- 二手车交易价格预测
Datawhale零基础入门数据挖掘- 二手车交易价格预测 内容介绍 1.线性回归模型 线性回归对于特征的要求； 处理长尾分布 理解线性回归模型； 2.模型性能验证 评价函数与目标函数 交叉验证方法 留一验证方法 针对时间序列问题的验证 绘制学习率曲线 绘制验证曲线 3.嵌入式特征选择 Lasso回归 Ridge回归 决策树 4.模型对比 常用线性模型 常用非线性模型 5.模型调参...
2020-04-01 00:20:56
496
原创 Task 3 特征工程 Datawhale零基础入门数据挖掘- 二手车交易价格预测
Task 3 特征工程 Datawhale零基础入门数据挖掘- 二手车交易价格预测 Tips:此部分为零基础入门数据挖掘的Task3特征工程部分，主要包含各种特征工程以及分析方法 赛题：零基础入没人能数据挖掘-二手车交易预测价格 地址：https://tianchi.aliyun.com/competition/entrance/231784/introduction?spm=5176.12281...
2020-03-27 14:48:49
329
原创 打卡—Datawhale 零基础入门数据挖掘-Task2：数据的探索性分析（EDA）
打卡—Datawhale 零基础入门数据挖掘-Task2：数据的探索性分析（EDA） Tip:此部分为零基础入门数据挖掘的 Task2 EDA-数据探索性分析 部分，带你来了解数据，熟悉数据，和数据做朋友，欢迎大家后续多多交流。赛题：零基础入门数据挖掘 - 二手车交易价格预测地址：https://tianchi.aliyun.com/competition/entrance/231784/intr...
2020-03-22 13:41:56
434
空空如也
空空如也
TA创建的收藏夹 TA关注的收藏夹
TA关注的人