<?xml version="1.0" encoding="utf-8" ?><rss version="2.0"><channel><title><![CDATA[wuzlun的专栏]]></title><description><![CDATA[路漫漫其修远兮，吾将上下而求索]]></description><link>https://blog.youkuaiyun.com/wuzlun</link><language>zh-cn</language><generator>https://blog.youkuaiyun.com/</generator><copyright><![CDATA[Copyright &copy; wuzlun]]></copyright><item><title><![CDATA[matplotlib 与 seaborn 中出现中文乱码的解决方法(ubuntu下亲测有用)]]></title><link>https://blog.youkuaiyun.com/wuzlun/article/details/80437356</link><guid>https://blog.youkuaiyun.com/wuzlun/article/details/80437356</guid><author>wuzlun</author><pubDate>Thu, 24 May 2018 17:07:36 +0800</pubDate><description><![CDATA[原文：https://www.cnblogs.com/ToDoToTry/p/7793137.html

Linux、Mac osx 系统中，出现 matplotlib 或 seaborn 绘图中有中文乱码的情形，可以考虑使用以下方式处理： 
到 anaconda 的 matplotlib 中查看是否有 simhei.ttf 字体：


  cd ~/anaconda3/lib/python3.5...]]></description><category></category></item><item><title><![CDATA[Python绘图总结(seaborn篇)之线性关系]]></title><link>https://blog.youkuaiyun.com/wuzlun/article/details/80324849</link><guid>https://blog.youkuaiyun.com/wuzlun/article/details/80324849</guid><author>wuzlun</author><pubDate>Tue, 15 May 2018 16:30:19 +0800</pubDate><description><![CDATA[学习https://seaborn.pydata.org 记录，描述不一定准确，具体请参考官网

%matplotlib inline
import numpy as np
import pandas as pd
from scipy import stats, integrate
import seaborn as sns
import matplotlib.pyplot as plt

# s...]]></description><category></category></item><item><title><![CDATA[Python绘图总结(seaborn篇)之数据分类]]></title><link>https://blog.youkuaiyun.com/wuzlun/article/details/80323205</link><guid>https://blog.youkuaiyun.com/wuzlun/article/details/80323205</guid><author>wuzlun</author><pubDate>Tue, 15 May 2018 15:07:37 +0800</pubDate><description><![CDATA[学习https://seaborn.pydata.org 记录，描述不一定准确，具体请参考官网

%matplotlib inline
import numpy as np
import pandas as pd
from scipy import stats, integrate
import seaborn as sns
import matplotlib.pyplot as plt

# s...]]></description><category></category></item><item><title><![CDATA[Python绘图总结(seaborn篇)之数据分布]]></title><link>https://blog.youkuaiyun.com/wuzlun/article/details/80321438</link><guid>https://blog.youkuaiyun.com/wuzlun/article/details/80321438</guid><author>wuzlun</author><pubDate>Tue, 15 May 2018 13:19:48 +0800</pubDate><description><![CDATA[%matplotlib inline
import numpy as np
import pandas as pd
from scipy import stats, integrate
import seaborn as sns
import matplotlib.pyplot as plt
# plt.rcParams['font.sans-serif']=['SimHei'] # 用来正常显示...]]></description><category></category></item><item><title><![CDATA[Python绘图总结(seaborn篇)之数据分布]]></title><link>https://blog.youkuaiyun.com/wuzlun/article/details/80319394</link><guid>https://blog.youkuaiyun.com/wuzlun/article/details/80319394</guid><author>wuzlun</author><pubDate>Tue, 15 May 2018 10:30:48 +0800</pubDate><description><![CDATA[学习https://seaborn.pydata.org/index.html记录，描述不一定准确，具体请参考官网

%matplotlib inline
import numpy as np
import pandas as pd
from scipy import stats, integrate
import seaborn as sns
import matplotlib.pyplot a...]]></description><category></category></item><item><title><![CDATA[利用Python进行数据分析笔记－pandas建模(scikit-learn篇)]]></title><link>https://blog.youkuaiyun.com/wuzlun/article/details/80305121</link><guid>https://blog.youkuaiyun.com/wuzlun/article/details/80305121</guid><author>wuzlun</author><pubDate>Mon, 14 May 2018 08:51:20 +0800</pubDate><description><![CDATA[跟着教程学习了一段时间数据分析，越学感觉坑越多。于是花了一个星期仔细看了下《利用Python进行数据分析》。写在这里主要是记录下，方便自己查看。

scikit-learn简介

scikit-learn是一个被广泛使用的python机器学习工具包。里面包含了很多监督式学习和非监督式学习的模型，可以实现分类，聚类，预测等任务。

虽然scikit-learn并没有和pandas深度整合，但在训练模...]]></description><category></category></item><item><title><![CDATA[利用Python进行数据分析笔记－pandas建模(statsmodels篇)]]></title><link>https://blog.youkuaiyun.com/wuzlun/article/details/80305111</link><guid>https://blog.youkuaiyun.com/wuzlun/article/details/80305111</guid><author>wuzlun</author><pubDate>Mon, 14 May 2018 08:49:39 +0800</pubDate><description><![CDATA[跟着教程学习了一段时间数据分析，越学感觉坑越多。于是花了一个星期仔细看了下《利用Python进行数据分析》。写在这里主要是记录下，方便自己查看。







statsmodels简介

statsmodels是一个有很多统计模型的python库，能完成很多统计测试，数据探索以及可视化。它也包含一些经典的统计方法，比如贝叶斯方法和一个机器学习的模型。

statsmodels中的模型包括：


...]]></description><category></category></item><item><title><![CDATA[利用Python进行数据分析笔记－pandas建模(Patsy篇)]]></title><link>https://blog.youkuaiyun.com/wuzlun/article/details/80287583</link><guid>https://blog.youkuaiyun.com/wuzlun/article/details/80287583</guid><author>wuzlun</author><pubDate>Fri, 11 May 2018 23:01:17 +0800</pubDate><description><![CDATA[跟着教程学习了一段时间数据分析，越学感觉坑越多。于是花了一个星期仔细看了下《利用Python进行数据分析》。写在这里主要是记录下，方便自己查看。

import numpy as np
import pandas as pd
import patsy








#  利用Patsy创建模型描述

Patsy是一个python库，用于描述统计模型（尤其是线性模型），方法是通过一个叫做公式语法（...]]></description><category></category></item><item><title><![CDATA[利用Python进行数据分析笔记－时间序列(移动窗口函数)]]></title><link>https://blog.youkuaiyun.com/wuzlun/article/details/80287549</link><guid>https://blog.youkuaiyun.com/wuzlun/article/details/80287549</guid><author>wuzlun</author><pubDate>Fri, 11 May 2018 22:57:36 +0800</pubDate><description><![CDATA[Moving Window Functions（移动窗口函数）

一种用于时间序列操作的重要用法，是使用滑窗（sliding windown）或呈指数降低的权重（exponentially decaying weights），来对时间序列进行统计值计算和其他一些函数计算。 这个对于消除噪声或有缺陷的数据是很有用的。这里我们称之为Moving Window Functions（移动窗口函数），不过其...]]></description><category></category></item><item><title><![CDATA[利用Python进行数据分析笔记－时间序列(时区、周期、频率)]]></title><link>https://blog.youkuaiyun.com/wuzlun/article/details/80287517</link><guid>https://blog.youkuaiyun.com/wuzlun/article/details/80287517</guid><author>wuzlun</author><pubDate>Fri, 11 May 2018 22:52:33 +0800</pubDate><description><![CDATA[时区处理

时区可以理解为UTC的偏移（offset），例如，在夏令时，纽约时间落后于UTC时间四个小时，而在一年的其他时间里，纽约时间落后于UTC时间五个小时。

在python中，时区信息来自第三方的pytz库，这个库利用的是奥尔森数据库，这个数据库汇集了世界时区信息。这个信息对于历史数据很重要，因为夏令时（daylight saving time，DST）的交接日（transition da...]]></description><category></category></item><item><title><![CDATA[利用Python进行数据分析笔记－时间序列(转换、索引、偏移)]]></title><link>https://blog.youkuaiyun.com/wuzlun/article/details/80287456</link><guid>https://blog.youkuaiyun.com/wuzlun/article/details/80287456</guid><author>wuzlun</author><pubDate>Fri, 11 May 2018 22:42:09 +0800</pubDate><description><![CDATA[时间序列指能在任何能在时间上观测到的数据。很多时间序列是有固定频率（fixed frequency）的，意思是数据点会遵照某种规律定期出现，比如每15秒，每5分钟，或每个月。时间序列也可能是不规律的（irregular），没有一个固定的时间规律。如何参照时间序列数据取决于我们要做什么样的应用，我们可能会遇到下面这些：


Timestamps（时间戳），具体的某一个时刻
Fixed periods...]]></description><category></category></item><item><title><![CDATA[利用Python进行数据分析笔记－数据加工(分组、聚合及分组应用)]]></title><link>https://blog.youkuaiyun.com/wuzlun/article/details/80284284</link><guid>https://blog.youkuaiyun.com/wuzlun/article/details/80284284</guid><author>wuzlun</author><pubDate>Fri, 11 May 2018 17:17:35 +0800</pubDate><description><![CDATA[%matplotlib inline
import matplotlib.pyplot as plt
import numpy as np
import pandas as pd








#  数据汇总和组操作






###  1、GroupBy Mechanics（分组机制）
Hadley Wickham，是很多R语言有名库的作者，他描述group operation(组操作)为s...]]></description><category></category></item><item><title><![CDATA[利用Python进行数据分析笔记－数据加工(合并、整形、旋转及分层索引)]]></title><link>https://blog.youkuaiyun.com/wuzlun/article/details/80283950</link><guid>https://blog.youkuaiyun.com/wuzlun/article/details/80283950</guid><author>wuzlun</author><pubDate>Fri, 11 May 2018 16:58:32 +0800</pubDate><description><![CDATA[在很多应用中，数据通常散落在不同的文件或数据库中，并不方便进行分析。数据加工就是对这些数据的统一。


join：连接
combine：合并
reshape：整形
merge：归并
concatenate：串联
pivot：旋转
stack：堆叠


import pandas as pd
import numpy as np








合并数据集

pandas里有几种方法可以合并数据：
...]]></description><category></category></item><item><title><![CDATA[利用Python进行数据分析笔记－数据清洗]]></title><link>https://blog.youkuaiyun.com/wuzlun/article/details/80283769</link><guid>https://blog.youkuaiyun.com/wuzlun/article/details/80283769</guid><author>wuzlun</author><pubDate>Fri, 11 May 2018 16:49:38 +0800</pubDate><description><![CDATA[在pandas中，missing data呈现的方式有些缺点的，但对大部分用户能起到足够的效果。对于数值型数据，pandas用浮点值Nan(Not a Number)来表示缺失值。我们称之为识别符（sentinel value)，这种值能被轻易检测到








数据缺失

在pandas中，我们使用了R语言中的一些传统，把缺失值表示为NA（not available）。在统计应用里，NA数据...]]></description><category></category></item><item><title><![CDATA[利用Python进行数据分析笔记－读写数据]]></title><link>https://blog.youkuaiyun.com/wuzlun/article/details/80283593</link><guid>https://blog.youkuaiyun.com/wuzlun/article/details/80283593</guid><author>wuzlun</author><pubDate>Fri, 11 May 2018 16:39:45 +0800</pubDate><description><![CDATA[Pandas方法



1、读取文件

pandas有很多用来读取表格式数据作为dataframe的函数，下面列出来一些。其中read_csv和read_tabel是最经常用到的：





import pandas as pd
import numpy as np

# read_csv方法
df = pd.read_csv('../examples/ex1.csv')
df








...]]></description><category></category></item><item><title><![CDATA[利用Python进行数据分析笔记－pandas基础]]></title><link>https://blog.youkuaiyun.com/wuzlun/article/details/80283454</link><guid>https://blog.youkuaiyun.com/wuzlun/article/details/80283454</guid><author>wuzlun</author><pubDate>Fri, 11 May 2018 16:32:03 +0800</pubDate><description><![CDATA[import pandas as pd
from pandas import Series, DataFrame
import numpy as np








Series基础

obj = pd.Series([4, 7, -5, 3], index=['d', 'b', 'a', 'c'])
obj





    d    4
    b    7
    a   -5
    c...]]></description><category></category></item><item><title><![CDATA[利用Python进行数据分析笔记－Numpy基础]]></title><link>https://blog.youkuaiyun.com/wuzlun/article/details/80283051</link><guid>https://blog.youkuaiyun.com/wuzlun/article/details/80283051</guid><author>wuzlun</author><pubDate>Fri, 11 May 2018 16:11:29 +0800</pubDate><description><![CDATA[跟着教程学习了一段时间数据分析，越学感觉坑越多。于是花了一个星期仔细看了下《利用Python进行数据分析》。写在这里主要是记录下，方便自己查看。

import matplotlib.pyplot as plt
import numpy as np

创建n维数组



1、使用array函数

最简单的方法使用array函数，输入一个序列即可，比如list



# 随机生成数据
data = ...]]></description><category></category></item><item><title><![CDATA[Python绘图总结(Matplotlib篇)之pandas内建可视化工具]]></title><link>https://blog.youkuaiyun.com/wuzlun/article/details/80243061</link><guid>https://blog.youkuaiyun.com/wuzlun/article/details/80243061</guid><author>wuzlun</author><pubDate>Tue, 08 May 2018 17:29:57 +0800</pubDate><description><![CDATA[matplotlib是一个相对底层的工具。pandas自身有内建的可视化工具。






1、Line Plots（线图）

Series和DataFrame各自都有plot属性，用来做一些比较基本的绘图类型。默认，plot()会绘制线图：

# 使用该魔法，不用写plt.show()
# %matplotlib notebook
import matplotlib.pyplot as plt
...]]></description><category></category></item><item><title><![CDATA[Kaggle初体验-机器学习之泰坦尼克号乘客生存预测(下)]]></title><link>https://blog.youkuaiyun.com/wuzlun/article/details/80190331</link><guid>https://blog.youkuaiyun.com/wuzlun/article/details/80190331</guid><author>wuzlun</author><pubDate>Fri, 04 May 2018 09:24:20 +0800</pubDate><description><![CDATA[上篇中我们用常规方法分析了泰坦尼克号事件中乘客的生存情况，最后得出结论，已知某人的资料并不能判断他或她是生存或死亡。

上篇链接：https://blog.youkuaiyun.com/wuzlun/article/details/80189766

那么接下来我们用机器学习的方法来分析。

# 再次导入本次用到的工具

# 使用该魔法，不用写plt.show()
%matplotlib inline  

...]]></description><category></category></item><item><title><![CDATA[Kaggle初体验-机器学习之泰坦尼克号乘客生存预测(上)]]></title><link>https://blog.youkuaiyun.com/wuzlun/article/details/80189766</link><guid>https://blog.youkuaiyun.com/wuzlun/article/details/80189766</guid><author>wuzlun</author><pubDate>Fri, 04 May 2018 08:29:56 +0800</pubDate><description><![CDATA[学习数据分析也有段时间了，都只是使用一些简单图表来分析数据，本周将开启全新的学习旅程：机器学习(^_^偷笑)。

本次通过Kaggle所举办的泰坦尼克挑战赛 来机器学习分析并预测某一乘客的生存或死亡。Kaggle提供两部分数据，训练数据(train.csv)和测试数据(test.csv)，我们通过对训练数据分析，构建一个模型，并用这个模型来加载预测数据，分析test.csv表中乘客生存或死亡。最后...]]></description><category></category></item></channel></rss>