数据科学专业问答社区，好文章，一字千金--CDA答疑社区

热线电话：13121318867

登录

yuechuchen

dataframe设置多重索引列，题目详情见正文

来自不同分公司以及不同部门的员工汇总在一个表中，要求dataframe效果如下：参考代码：list1 = [["第一分公司","第二分公司",],["销售部","市场部","行政部"]]index = pd.MultiIndex.from_product(list1, names=['公司', '部门'])df2 = pd.DataFrame([["Allen","Lucy","To

0.0000

0

1

0

关注作者

收藏

shauna570392

假设检验的临界值是怎么算出来的？

显著性水平是指当原假设实际上正确时，检验统计量落在拒绝域的概率，简单理解就是犯弃真错误的概率。这个值是我们做假设检验之前统计者根据业务情况定好的。显著性水平α越小，犯第I类错误的概率自然越小，一般取值：0.01、0.05、0.1等当给定了检验的显著水平a=0.05（95%）时，进行双侧检验的Z值为1.96。即临界值为±1.96倍的标准差当给定了检验的显著水平a=0.01

77.3248

1

3

0

关注作者

收藏

读童话的狼

mysql：concat与group_concat区别是什么？

1、concat()函数功能：将多个字符串连接成一个字符串。语法：concat(str1, str2,...)返回结果为连接参数产生的字符串，如果有任何一个参数为null，则返回值为null。值得注意的是每次只返回的是一行的数据。2、group_concat()函数group_concat()函数是将所有的查询结果拼接成一个字符串返回，不过在不同的字段值之间默认是用逗号隔开的

0.1151

2

4

0

关注作者

收藏

程建霞

sql第三天作业：计算2017年仅投资过cfh和ax的用户，有简单的方法么，一起讨论呀

有更简单的方法么。感觉这个逻辑好复杂

78.5228

3

5

0

关注作者

收藏

读童话的狼

mysql：子查询可以嵌套超过两层吗？

mysql中子查询最多可以嵌套32层

0.0960

1

1

0

关注作者

收藏

翟高阳

多表查询的注意事项

1、需要查询的信息在那几张表，2、表和表之间的对应关系和主副关系，3、表和表之间的连接条件；选择主表的注意事项：一表作为主表可以保证维度的完整性，多表作为主表可以保证度量结果的准确性，在没有明确要求保证统计维度完整的情况下，优先保证度量的准确性，所以讲度量值所在的表作为主表，度量字段通常存在与多表中，因此通常情况下可以将多表做为主表进行外链接。

0.2676

3

3

0

关注作者

收藏

读童话的狼

MySQL：where 可以用，但是having不能用是怎么回事？

having子句与where有相似之处但也有区别,都是设定条件的语句。在查询过程中聚合语句(sum,min,max,avg,count)要比having子句优先执行；而where子句在查询过程中执行优先级别优先于聚合语句(sum,min,max,avg,count)。1.WHERE 子句用来筛选 FROM 子句中指定的操作所产生的行。2.GROUP BY 子句用来分组 WHERE 子句的

21.2571

3

6

0

关注作者

收藏

wo5656500

Information value和Entropy的区别？

1、信息这个是熵和信息增益的基础概念，我觉得对于这个概念的理解更应该把他认为是一用名称，就比如‘鸡‘(加引号意思是说这个是名称)是用来修饰鸡(没加引号是说存在的动物即鸡)，‘狗’是用来修饰狗的，但是假如在鸡还未被命名为'鸡'的时候，鸡被命名为‘狗’，狗未被命名为‘狗’的时候，狗被命名为'鸡'，那么现在我们看到狗就会称其为‘鸡’，见到鸡的话会称其为‘鸡’，同理，信息应该是对一个抽象事物的命名，无论

0.0000

0

6

0

关注作者

收藏

wo5656500

基尼指数算法的惩罚项是啥？

基尼不纯度指标在CART算法中, 基尼不纯度表示一个随机选中的样本在子集中被分错的可能性。基尼不纯度为这个样本被选中的概率乘以它被分错的概率。当一个节点中所有样本都是一个类时，基尼不纯度为零。假设y的可能取值为{1, 2, …, m},令fifi是样本被赋予i的概率，则基尼指数可以通过如下计算：Gini(p)=∑Kk=1pk(1−pk)=1−∑Kk=1p2kGini(p)=∑k=1Kpk(1

21.0654

1

3

0

关注作者

收藏

詹惠儿

求自由度n-k，怎么定义k是多少？

问：求自由度n-k，怎么定义k是多少？答：在统计学中，自由度指的是计算某一统计量时，取值不受限制的变量个数。通常df=n-k。其中n为样本含量，k为被限制的条件数或变量个数，或计算某一统计量时用到其它独立统计量的个数。自由度通常用于抽样分布中，在回归中k指自变量的个数。例如，有一个有4个数据(n=4)的样本，其平均值m等于5，即受到m=5的条件限制，在自由确定4、2、5三个数据后，第

2.6752

2

4

0

关注作者

收藏

liting李

为什么要用随机森林填补缺失值？

要用随机森林填补缺失值的原因总结如下：1.在与其它现有的算法相比，其预测准确率很好2.在较大的数据集上计算速度依然很快3.不需要降维，算法本身是采取随机降维的4.他能处理有缺失值的数据集。算法内部有补缺失值的函数5.能给出变量的重要性6.能处理imbalanced data set7.能给出观测实例间的相似度矩阵，其实就是proximity啦，继而能做clustering 和 loc

21.0654

1

6

0

关注作者

收藏

南风不竞最光阴

关于使用子查询的一些原则

1.一个子查询必须放在圆括号中。 2.将子查询放在比较条件的右边以增加可读性。子查询不包含 ORDER BY 子句。对一个 SELECT 语句只能用一个 ORDER BY 子句，并且如果指定了它就必须放在主 SELECT 语句的最后。ORDER BY 子句可以使用，并且在进行 Top-N 分析时是必须的。 3.在子查询中可以使用两种比较条件：单行运算符和多行运算符。子查询

115.9334

2

0

0

关注作者

收藏

詹惠儿

sklearn中的逻辑回归模型可能弄出具体模型出来的吗？

问：sklearn中的逻辑回归模型可能弄出具体模型出来的吗？我都是直接调用黑箱操作出结果，都不知道它具体模型是啥？答：线性回归和逻辑回归，其目标函数为:g(x) = w1x1 w2x2 w3x3 w4x4 w0而逻辑回归有激活函数sigmoid，增加非线性变化则为分类模型，对于这样的线性函数，在sklearn中都可以调用模型接口lr.coef_和lr.inte

31.1047

5

5

0

关注作者

收藏

翟高阳

MySQL workbench客户端的本地数据批量导入

1：首先查看安全路径运行代码：show variables like '%secure%';看其是否位于C:\ProgramData\MySQL\MySQL Server 8.0\Uploads\，如果是，继续第二步操作；2：打开安全路径，将所要导入的目标文件复制到安全路径下；3：运行如下代码即可：load data infile "C:/ProgramData/MySQL/MySQL

1.4125

4

2

0

关注作者

收藏

程建霞

sql 1052 错误原因

提示：1052号的错误是，是因为返回列的名称有重复值，需要针对不同的表中相同的字段区别开写，标注清除是哪个字段要返回。一般出现在表之间的连接时的错误。

0.4146

3

3

0

关注作者

收藏

田齐齐

SQL：GROUP BY子句

使用GROUP BY子句可以像切蛋糕那样将表分割。通过使用聚合函数和GROUP BY子句，可以根据某个分组依据将表分割后再进行汇总。聚合键中包含NULL时，在结果中会以“不确定”行（空行）的形式表现出来。使用聚合函数和GROUP BY子句时需要注意以下4点。 1.只能写在SELEC子句之中 2.GROUP BY子句中不能使用SELECT子句中列的别名 3.GROUP

59.1106

8

2

0

关注作者

收藏

M17051121193254

MYSQL报1452错误

create table department(deptno int primary key auto_increment,dname varchar(15),loc varchar(10));create table employee(empno int primary key auto_increment,ename varchar(15) unique,job varchar

21.3310

2

0

0

关注作者

收藏

陈承悦

1.内连接：按照连接条件连接两个表，返回满足条件的行代码：select 字段1[,…] from 表1[ inner] join 表2 on 表1.key=表2.key; 图示： 2.左连接：结果中除了包括满足连接条件的行外，还包括左表的所有行代码：select 字段1[,…] from 表1 left join 表2 on 表1.key=表2.key;图示： 3.右连

79.0424

8

2

0

关注作者

收藏

yuechuchen

pandas1.0新版本之----专用字符串数据类型

pandas1.0之前的版本，字符串通常存储在object-dtype NumPy数组中，新版本中添加了StringType了专用于字符串数据的扩展类型。以前版本中,字符串格式的数据在pandas中使用的数据格式是”object”。代码示例：np.random.seed(0)B = pd.Series(["Allen","Lucy","Tom","Alice","Tim","Lily"],

0.2655

1

0

0

关注作者

收藏

wo5656500

在kmearn算法中为什么拐点是最佳？

因为在增加簇的过程中，它的组内距离平方和一定会下降的，也就是说只要你的簇增加，曲线一定是下降的，但是同样是下降，但是下降的幅度是不一样的，下降的幅度越大，说明簇的增加起到的作用就越大，从上图中可以看出，2-4簇增加的作用很大，但是从4以后作用效果就不太大了，所以拐点的效果是最佳的。

57.6269

2

2

0

关注作者

收藏

<1…270271272…530>

CDA考试动态

CDA报考指南