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

詹惠儿

python中sep和end结合有什么作用

sep参数与end参数一起使用时会产生很棒的结果。通过组合sep和end参数的一些示例。print('G','F', sep='', end='') print('G') #n provides new line after printing the year print('09','12', sep='-', end='-2016n') print('prtk','agarwal

0.0000

0

2

0

关注作者

收藏

奈良鹿

有没有一种简单的方法来获取字典中的字典键而没有错误？

我用这段代码用python获取字典中字典的键：dict_1 = {'name':{'emp':'peter'},"age":34}name = dict_1.get('name1')if name is not None: emp_name = dict_1.get('name').get('emp_1') print(emp_name)但这是一个判断。事实上，我不想要这

182.1481

1

2

0

关注作者

收藏

詹惠儿

如何修改输出函数的分隔符

Python中print（）函数的参数之间的分隔符默认为空格（softspace feature），可以修改它，可以根据我们的选择制作任何字符，整数或字符串。'sep'参数用于实现相同的功能，只能在python 3.x或更高版本中找到。它还用于格式化输出字符串。例子：#code for disabling the softspace feature print('G','F','G'

0.0000

0

1

0

关注作者

收藏

PGC123

如何将数据表导出为sql脚本？

为了方便学习测试，如何将数据表导出为sql脚本？答：导出MySQL数据表可以使用mysqldump 命令C:\Users\Administrator>mysqldump -uroot -p1234 test > test.test.sqlmysqldump: [Warning] Using a password on the command line interface can be i

0.0000

0

2

0

关注作者

收藏

zxq997

python的scipy如何实现插值？

插值对于一些时间序列的问题可能比较有用。代码如下：import numpy as npfrom matplotlib import pyplot as pltfrom scipy.interpolate import interp1d x=np.linspace(0,10*np.pi,num=20)y=np.sin(x)f1=interp1d(x,y,kind='linear')#

0.0000

0

2

0

关注作者

收藏

zxq997

如何利用python计算矩阵的逆？

python中的scipy库提供了一个行数用来计算线性代数中的行列式的逆。如下：#linalg.inv()函数计算方阵的逆from scipy import linalg #导入相关的模块arr = np.array([[1, 2],[3, 4]])linalg.inv(arr)#计算行列式的逆结果：

0.0000

0

2

0

关注作者

收藏

zxq997

怎么用python计算行列式的值？

python中的scipy库提供了一个行数用来计算线性代数中的行列式的值。如下：from scipy import linalg #导入相关的模块arr = np.array([[1, 2],[3, 4]])linalg.det(arr)#计算行列式的值结果如下：

0.0000

0

0

0

关注作者

收藏

dreamhappy2012

使用LASSO 回归拟合并绘图（python语言）

使用LASSO 回归拟合并绘图实现代码如下from sklearn.linear_model import Lasso alphas = np.linspace(-2,2,10)lasso_coefs = []for a in alphas:lasso = Lasso(alpha=a,fit_intercept=False)lasso.fit(x,y)lasso_coefs

0.0000

0

2

0

关注作者

收藏

dreamhappy2012

LASSO回归原理？

当我们使用普通最小二乘法进行回归拟合时，如果特征变量间的相关性较强，则可能会导致某些 w 系数很大，而另一些系数变成很小的负数。所以，我们通过岭回归添加 L2 正则项来解决这个问题。与岭回归相似的是，LASSO 回归同样是通过添加正则项来改进普通最小二乘法，不过这里添加的是 L1 正则项。即：这里关于L1、L2没有做很详细的解释，如果需要可以参考这里，简单说下：L1：L1正则化最

0.0000

0

3

0

关注作者

收藏

zxq997

如何将数据离散化？

pandas中提供将数据离散化的工具。例子如下:一些数据：若想将数量这一列离散化分为三份，并且贴上少，中，多的标签。代码如下:pd.cut(df['数量'],range(0,12,3),labels=['少',"中","多"])结果：

0.0000

0

2

0

关注作者

收藏

詹惠儿

如何使用组键连接数据框

使用组键连接DataFrame：为了使用组键连接数据帧，我们使用keys参数覆盖列名。Keys参数是在基于现有Series创建新DataFrame时覆盖列名称。# importing pandas moduleimport pandas as pd # Define a dictionary containing employee data data1 = {'Name':['

0.0000

0

1

0

关注作者

收藏

詹惠儿

如何使用多索引DataFrame

连接单索引DataFrame：为了将单索引数据帧与多索引数据帧连接，该级别将匹配单索引帧的索引名称与多索引帧的级别名称索引帧。# importing pandas moduleimport pandas as pd # Define a dictionary containing employee data data1 = {'Name':['Jai', 'Princi', 'Ga

0.0000

0

2

0

关注作者

收藏

詹惠儿

python如何忽略索引来连接数据

通过忽略索引来连接DataFrame：为了通过忽略索引来连接数据帧，我们忽略没有有意义含义的索引，您可能希望附加它们并忽略它们可能具有重叠索引的事实。为了做到这一点，我们 ignore_index用作参数。# importing pandas moduleimport pandas as pd # Define a dictionary containing employee d

0.0000

0

1

0

关注作者

收藏

dreamhappy2012

什么时候比较适合用岭回归？

岭回归是加了二阶正则项的最小二乘，主要适用于过拟合严重或各变量之间存在多重共线性的时候，岭回归是有bias的，这里的bias是为了让variance更小。岭回归的回归参数有先验分布，而最小二乘对参数没有限制。对参数进行先验分布限制，会使得得到的回归参数取值不会很病态。因为最小二乘法会出现不稳定的情况，这种情况下会有过拟合，所以需要通过一个shrinkage即缩减解决过拟合问题。如果最小二

0.0000

0

0

0

关注作者

收藏

詹惠儿

如何使用append连接数据框（2）

现在我们应用.append()函数以便连接到数据框# using append function res = df.append(df1)res输出：a

0.0000

0

2

0

关注作者

收藏

詹惠儿

如何使用append连接数据框（1）

使用连接DataFrame.append()为了连接数据帧，我们使用.append()函数这个函数沿轴= 0连接，即索引。此功能以前存在.concat。# importing pandas moduleimport pandas as pd # Define a dictionary containing employee data data1 = {'Name':['Jai', '

0.0000

0

2

0

关注作者

收藏

詹惠儿

如何理解python的内连接

我们设置join = inner为数据框的交集设置轴# applying concat with axes# join = 'inner'res2 = pd.concat([df, df1], axis=1, join='inner') res2输出：如输出图像所示，我们得到数据帧的交集a

0.0000

0

3

0

关注作者

收藏

zxq997

如何利用python做交叉表？

还是使用蔬菜水果数据为例。import pandas as pddf = pd.DataFrame({'类别':['水果','水果','水果','蔬菜','蔬菜','肉类','肉类'], '产地':['美国','中国','中国','中国','新西兰','新西兰','美国'], '水果':['苹果','梨','草莓','番茄','黄

0.0000

0

2

0

关注作者

收藏

dreamhappy2012

岭回归和最小二乘法的区别是什么?

岭回归（Ridge Regression）在机器学习里就是一种改进的最小二乘。其本质是如果用传统的最小二乘，那么个别异常值可能对结果影响非常大（因为最小二乘法对异常值是非常敏感的）。所以用了这个改进的方法。引入正则系数可以消除异常值，优化模型。具体介绍如下：最小二乘：aaa最后一步成立的条件是 a 可逆，可逆的条件是满秩，如果不满秩我们就要处理一下：a

0.0000

0

3

0

关注作者

收藏

zxq997

如何使用pivot_table?

pandas中有个函数和excel中的透视表非常相似。就是pivot_table.具体用法如下例子：import pandas as pddf = pd.DataFrame({'类别':['水果','水果','水果','蔬菜','蔬菜','肉类','肉类'], '产地':['美国','中国','中国','中国','新西兰','新西兰','美国'],

0.0000

0

2

0

关注作者

收藏

<1…450451452…531>

CDA考试动态

CDA报考指南