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

wo5656500

决策树种熵的理解

决策树是用于分类的统计模型。熵的概念熵是来衡量随机变量的不确定性的。Shannon entropy来定量化了这种不确定性。有以下公式H(x)=∑iP(xi)I(xi)=−∑iP(xi)logbP(xi)H(x)=∑iP(xi)I(xi)=−∑iP(xi)logbP(xi)接下来通过例子来说明。比如投硬币，正面和反面的概率都是1/2，在这种情况下，一个比特就可以来传递每一次的结果。投

59.8596

3

1

0

关注作者

收藏

倪美佳

SQL单表查询重点单词提炼

1，distinct+字段名，取不重复的字段名的记录2，order by 对查询结果排序，asc升序，desc降序3，like/not like 通配符，%替代多个字符，_ 替代一个字符4，limit，对输出结果进行数量限制，例如limit 5，5，最后输出的是第6行到第10行的数据，一般会跟order by一起用，先排序，后取值5，avg平均值，count计数，max最大值，min最小值

79.0087

6

1

0

关注作者

收藏

yuechuchen

pandas1.0新版本之----增加pd.NA标量表示缺失值

1.0之前的pandas版本常用np.nan表示缺失值，其中有一个缺陷即np.nan为float数据类型，当一列数据中出现np.nan，整列数据的数据类型都会随之转变成float类型，pd.NA可为空的整数和布尔数据类型以及新的字符串数据类型使用，代码示例如下：pd.DataFrame([1,2,3,pd.NA])pd.DataFrame([1,2,3,np.nan])代码结果：用

1.2876

2

2

0

关注作者

收藏

詹惠儿

mysql报错1264怎么解决

问：mysql报错1264，怎么解决？答：由报错提示信息可知，字段'orderno'的实际值范围超过了建表时的范围设定，查看代码发现字段orderno在建表时设定为int，而实际值超过了int的默认位数，这里使用alter语句将字段orderno的数据类型改为char或者varchar即可

68.4760

7

1

0

关注作者

收藏

liting李

做车企决策者热销车数据分析需要考虑哪些方面

做车企决策者热销车数据分析需要从以下三个方面分析：1. 知己：知道自己车企的情况2. 知彼：知道自己与竞争对手车企的比较情况3. 知彼：知道自己车企下不同属性的车型与市场中同属性车型的比较情况

5.8616

3

2

0

关注作者

收藏

yuechuchen

pandas1.0新版本改进之----增加to_markdown() 方法支持markdown格式输出

pandas新的1.0版本中，增加了支持markdown格式输出的方法，能够将代码创建的dataframe快速输出为markdown格式下的表格形式。具体操作代码如下：pip install tabulate #提前下载辅助库np.random.seed(0)B = pd.Series(["Allen","Lucy","Tom","Alice","Tim","Lily"], dtype="

1.1180

2

2

0

关注作者

收藏

赵娜0418

Kmeans曲线为什么拐点是最佳？

在上图中，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。

62.3409

5

3

0

关注作者

收藏

yuechuchen

为dataframe添加双重索引，题目详情见正文

已有data表如下：姓名工龄0 Allen 21 Lucy 42 Tom 23 Alice 34 Tim 1要求为data表添加双重行索引，目标效果如下：参考答案方法一：data =pd.DataFrame({"姓名":["Allen","Lucy","Tom","Alice","Tim"],"工龄":np.

4.7435

1

4

0

关注作者

收藏

詹惠儿

lg不是log10吗

问：lg不是log10吗答：这个不一定，在国内普遍认为lg为log10，而国外某些国家中lg定义为以2为底的对数，如周志华版《机器学习》中lg是以2为底的对数。

10.0947

4

0

0

关注作者

收藏

詹惠儿

行列式等于0代表降维？

问：行列式等于0代表降维？答：是的，行列式为0就代表着降维，平面通过矩阵的线性变换，它所代表的空间由一个平面变成了一个直线，因此面积为0了，单位空间的线性变换也同样如此，此时矩阵不满秩，x轴和y轴重合，也就是两者线性相关，这和我们所熟知的各种定理都是吻合的。当矩阵的秩为1时，线性变换将高维空间压缩成了一条线，当矩阵的秩为2时，线性变换将线性空间压缩成一个面，以此类推。

9.0727

3

2

0

关注作者

收藏

赵娜0418

jupyter报its size must be a divisor of the total size in bytes of the last axis of the array的错误

dtype属性代表array中数据的类型，可以是int，float，str等a.dtypedtype('int32')dtype属性的修改不可以直接进行，而应该借助于astype()方法a.dtype = "float64"---------------------------------------------------------------------------

67.4684

8

0

0

关注作者

收藏

南风不竞最光阴

SQL常用查询操作需要的注意点

FROM 才是 SQL 语句执行的第一步，并非 SELECT 。SELETC 是在WHERE语句执行之后执行的，所以不能再WHERE语句后使用SELECT中设置的别名WHERE是对分组前进行的过滤，HAVING是对分组后进行过滤。sql中的与或非与--and 或--or 非--not 注意的是：and 优先级高于 or A and B or C and D 最后执行or

56.2633

5

2

0

关注作者

收藏

yuechuchen

dataframe列数值格式设置，问题详情见正文

df表中random列的浮点型数值转化成百分数,df表如下： random 0 0.548814 1 0.715189 2 0.602763 3 0.544883实现效果如下： random 0 54.88% 1 71.52% 2 60.28% 3 54.49%np.random.seed(0

75.1666

4

4

0

关注作者

收藏

yuechuchen

提取dataframe中符合要求的记录，题目详情见正文

提取df表中出勤天数最多和最少的记录，df表如下：姓名出勤天数职级0 张山 18 初级1 王川 21 中级2 李湖 19 中级3 赵海 18 高级实现效果如下：姓名出勤天数职级1 王川

0.0908

1

2

0

关注作者

收藏

yuechuchen

dataframe数据分组，题目详情见正文。

按照“职级”对df表进行分组汇总，并查看“中级”组内信息。df表信息如下：姓名出勤天数职级 0 张山 18 初级 1 王川 21 中级 2 李湖 19 中级 3 赵海 18 高级实现效果如下：姓名出勤天数职级 1 王川 21

0.1244

2

2

0

关注作者

收藏

yuechuchen

python读取文件，详情见正文。

超大的文件全部读入python耗时耗力，选择读取文件时只读取一部分，比如只读取指定列和部分行，请以example.csv文件(下表)为例，读取其中的”实验编号"和"实验结果“两列，读取行数为3行. 实验编号实验室编号主实验员编号实验结果0 144 413 36744 Y1 147

0.1244

2

1

0

关注作者

收藏

yuechuchen

从dataframe中提取符合条件的记录，题目详情见正文。

从df表中提取职级是“中级”的员工信息，df表详情：姓名出勤天数职级 0 张山 18 初级 1 王川 21 中级 2 李湖 19 中级 3 赵海 18 高级实现效果如下：姓名出勤天数职级 1 王川 21 中级 2 李湖 19

0.1244

2

2

0

关注作者

收藏

yuechuchen

将格式不规范的日期列转化成规范的日期格式，题目详情见正文

将格式不规范的日期列转化成规范的日期格式，表详情如下：日期门店销售额0 07 Jan 2020 221 07-01-2019 252 20180310 103 2017/02/05 134 2016-01-

0.1244

2

2

0

关注作者

收藏

yuechuchen

提取dataframe中指定行信息，题目详情见正文

df数据表，表格信息如下： frequency CTR name0 13 0.437587 0234s31 16 0.891773 023dfr2 1 0.963663 34s2313 4 0.38

0.0908

1

2

0

关注作者

收藏

yuechuchen

dataframe数据重组，题目详情见正文。

df数据表：汇总每个name对应的frequency和CTR，去掉列名CTR，列名用具体的name替代，结果如下（示例为结果的一部分）：参考答案：np.random.seed(0)df = pd.DataFrame({"frequency":np.random.randint(1,20,8) ,"CTR":np.random.uniform(0,1

0.1237

2

2

0

关注作者

收藏

<1…271272273…530>

CDA考试动态

CDA报考指南