X_dmword的博客

1、数据的导入查看 参考参考 import pandas as pd f = open("E:/test.csv", encoding="utf-8") content = pd.read_csv(f,nrows=5) ##打印（读取）前5行 print(content) ##等价 print(content[0:5])左闭右开，输出0-4序号行 import pandas ...

1、缺失值的处理 准备：pandas、numpy、sklearn.preprocessing中的Imputer类 import pandas as pd import numpy as np from sklearn.preprocessing import Imputer data = pd.DataFrame(np.random.randn(6, 4), columns=['col1'...

1、range和yield range：range([start,] stop[, step])，根据start与stop指定的范围以及step设定的步长，生成一个序列。 yield：创建生成器，产生值，类似return，不过函数不会因为yield而结束，只是将流程控制权转交给函数调用者。 for i in range(3): print(i) for j in range(0...

——致初学python的小白，高手请忽略，哈哈 1、format（格式化函数） ##代码 print('{:<15}'.format('hello word!'))#左对齐 print('{:^15}'.format('hello word!'))#居中 print('{:>15}'.format('hello word!'))#右对齐 print('{:@>15}'.fo...

1、相关性分析 协方差：Cov(X，Y)=E(XY)-E(X)E(Y) 或cov(X, Y) = E(X-EX)(Y-EY)，表示两个变量总体误差的期望，范围在负无穷到正无穷。协方差为0时，两者独立。协方差绝对值越大，两者对彼此的影响越大，反之越小 公式简单翻译一下是：如果有X,Y两个变量，每个时刻的“X值与其均值之差”乘以“Y值与其均值之差”得到一个乘积，再对这每时刻的乘积求和并求出均值（...

1、python python自身缺少numpy、matplotlib、scipy、scikit-learn....等一系列包，需要我们安装pip来导入这些包才能进行相应运算（python3.5自带了get-pip.py，不需额外下载安装），在cmd终端输入：pip install numpy就能安装numpy包了。每次都额外安装所需要的包略麻烦，这时候我们可以采用anaconda了。 2、A...

Gallery页面中有上百幅缩略图，打开之后都有源程序。因此如果你需要绘制某种类型的图，只需要在这个页面中浏览/复制/粘贴一下，基本上都能搞定。 https://python-graph-gallery.com/all-charts/ 1、折线图 import matplotlib.pyplot as plt import numpy as np # 绘制折线图 squares ...