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

wangjuju123

用Python打开文件

要打开文件，可使用函数open，它位于自动导入的模块io中。函数open将文件名作为唯一必不可少的参数，并返回一个文件对象。如果当前目录中有一个名为somefile.txt的文本文件（可能是使用文本编辑器创建的），则可像下面这样打开它： >>> f = open('somefile.txt') 如果文件位于其他地方，可指定完整的路径。如果指定的文件不存在，将看到类似于下面的异常： Trace

0.0000

0

6

0

关注作者

收藏

dreamhappy2012

数据挖掘方法论（CRISP-DM）流程的6个阶段

（1）业务理解Business understanding该初始阶段集中在从商业角度理解项目的目标和要求，通过理论分析转化为数据挖掘可操作的问题，制定实现目标的初步计划。（2）数据理解Data understanding数据理解阶段开始于原始数据的收集，然后是熟悉数据、标明数据质量问题、探索对数据的初步理解、发觉有趣的子集以形成对探索关系的假设。（3）数据准备Data preparatio

0.0000

0

4

0

关注作者

收藏

詹惠儿

协同过滤会出现什么问题？

协同过滤技术的优缺点协同过滤与CBF相比具有一些主要优势，因为它可以在没有与项目相关的内容很多的领域中执行，并且内容很难被计算机系统分析（例如意见和理想）。此外，CF技术能够提供偶然的推荐，这意味着它可以推荐与用户相关的项目，即使内容不在用户的个人资料中。尽管CF技术取得了成功，但它们的广泛使用已经揭示了一些潜在的问题如下：1. 冷启动问题这是指推荐者没有足够的关于用户或项目的信息以进行相

0.0000

0

0

0

关注作者

收藏

啊啊啊啊啊吖

主成份分析计算步骤

1）设原始变量X1， X2， …XP的n次观测数据矩阵为： 2）将数据矩阵按列进行中心标准化。为了方便，将标准化后的数据矩阵仍然记为X。3）求相关系数矩阵R， R=（rij） p×p， rij的定义为： 4）求R的特征方程det（R-λE） =0的特征根λ1≥λ2≥…λp≥0。5）确定主成分个数， α根据实际问题确定，一般取80%。6）计算m个相应的单位特征

0.0000

0

3

0

关注作者

收藏

啊啊啊啊啊吖

小波变换特征提取

#数据生成，信号模拟N=1024； k=6 #参数赋值x=（（1： N） - N/2 ） * 2 * pi * k / Ny=ifelse（x>0， sin（x）， sin（3*x）） #划分低频波动段和高频波动段signal=y rnorm（N） /10 #添加扰动项，生成信号变量#调用函数包library（waveslim）#对信号进行小波分解d=dwt（signal

0.0000

0

3

0

关注作者

收藏

啊啊啊啊啊吖

设置工作空间

##设置工作空间#把“数据及程序” 文件夹复制到F盘下，再用setwd设置工作空间setwd（"F： /数据及程序/chapter4/示例程序"）#数据读取inputfile=read.csv（'./data/electricity_data.csv'， he=T）#构造属性loss=100*（inputfile［， 1］ -inputfile［， 2］） /inputfile［，

0.0000

0

3

0

关注作者

收藏

啊啊啊啊啊吖

常用的离散化方法

常用的离散化方法有等宽法、等频法和（一维）聚类。（1）等宽法该法将属性的值域分成具有相同宽度的区间，区间的个数由数据本身的特点决定，或者由用户指定，类似于制作频率分布表。（2）等频法该法将相同数量的记录放进每个区间。这两种方法简单，易于操作，但都需要人为地规定划分区间的个数。同时，等宽法的缺点在于它对离群点比较敏感，倾向于不均匀地把属性值分布到各个区间。有

0.0000

0

3

0

关注作者

收藏

啊啊啊啊啊吖

实体识别是从不同数据源识别出现实世界的实体，它的任务是统一不同源数据的矛盾之处，常见的矛盾有如下几个。（1）同名异义数据源A中的属性ID和数据源B中的属性ID分别描述的是菜品编号和订单编号，即描述的是不同的实体。（2）异名同义数据源A中的sales_dt和数据源B中的sales_date都是描述销售日期的，即A.sales_dt=B.sales_date。（3）

0.0000

0

0

0

关注作者

收藏

啊啊啊啊啊吖

异常值处理

在异常值处理之前需要对异常值进行识别，一般多采用单变量散点图或是箱形图来达到目的。在R中，使用函数dotchart（）、 boxplot（）实现绘制单变量散点图与箱形图。异常值产生最常见的原因是人为输入的错误，如小数点输入错误，会把123.00g变成12300g。在数据预处理时，异常值是否剔除，需视具体情况而定，因为有些异常值可能蕴含着有用的信息。将含有异常值的记

0.0000

0

4

0

关注作者

收藏

啊啊啊啊啊吖

用均值替换、回归插补及多重插补进行插补

##设置工作空间#把“数据及程序” 文件夹复制到F盘下，再用setwd设置工作空间setwd（"F： /数据及程序/chapter4/示例程序"）#读取销售数据文件，提取标题行inputfile=read.csv（'./data/catering_sale.csv'， he=T）#变换变量名inputfile=data.frame（sales=inputfile$'销量'， dat

0.0000

0

3

0

关注作者

收藏

dreamhappy2012

修改数据表

修改表指的是修改数据库中已经存在的数据表的结构：MySQL使用alter table语句修改数据表结构，包括：修改表名，修改字段数据类型或字段名，增加和删除字段，修改字段的排列位置等– 例：将数据表emp改名为empdepalter table emp rename empdep;– 例：将数据表empdep中depname字段的数据类型由varchar(20)修改成varchar(30

0.0000

0

3

0

关注作者

收藏

dreamhappy2012

mysql导入外部txt文件

txt文件的优点：1、除了数据信息没有多余的内容，装载大量信息的普遍的载体2、不限制值文本容量-- 为Monthly_Indicator表导入外部txt文件load data local infile '文件路径.txt’** 文件路径需要纯英文，绝对路径，文件路径的分隔符向左斜into table Monthly_Indicator fields terminated by '\t'

0.0000

0

0

0

关注作者

收藏

wangjuju123

跳出循环 -continue

语句continue没有break用得多。它结束当前迭代，并跳到下一次迭代开头。这基本上意味着跳过循环体中余下的语句，但不结束循环。这在循环体庞大而复杂，且存在多个要跳过它的原因时很有用。在这种情况下，可使用continue，如下所示： for x in seq: if condition1: continu if condition2: continue

0.0000

0

1

0

关注作者

收藏

wangjuju123

跳出循环 - break

要结束（跳出）循环，可使用break。假设你要找出小于100的大平方值（整数与自己相乘的结果），可从100开始向下迭代。找到一个平方值后，无需再迭代，因此直接跳出循环。 from math import sqrt for n in range(99, 0, -1): root = sqrt(n) if root == int(root): print(n)

0.0000

0

2

0

关注作者

收藏

dreamhappy2012

用insert into语句为表插入数据

语法： insert into 表名(字段1,字段2,…) values ……（需要插入的内容，一行内容写在一个括号里，用逗号分割）-- 插入数据insert into fruits(f_id,s_id,f_name,f_price) values('a1',101,'apple',5.2),('b1',101,'blackberry',10.2),('bs1',102,'orange'

0.0000

0

2

0

关注作者

收藏

阿抽哥哥

win10系统下shift 右键不能打开命令窗口

win10系统下想通过"shift+右键"打开命令行窗口，以当前的路径打开jupyter notebook，但是没有"在此处打开命令行窗口"的选项，只有"在此处打开Powershell窗口"选项，咋办啊？解决方法：把下列代码写入记事本并保存为"opencmdhere.reg"，文件编码格式为"UCS-2 Little Endian"，后打开执行文件。Windows Registry Ed

0.0000

0

0

0

关注作者

收藏

wangjuju123

有时候，你可能想同时迭代两个序列。假设有下面两个列表： names = ['anne', 'beth', 'george', 'damon'] ages = [12, 45, 32, 102] 如果要打印名字和对应的年龄，可以像下面这样做： for i in range(len(names)): print(names[i], 'is', ages[i], 'years old'

0.0000

0

1

0

关注作者

收藏

wangjuju123

要遍历字典的所有关键字，可像遍历序列那样使用普通的for语句。 d = {'x': 1, 'y': 2, 'z': 3} for key in d: print(key, 'corresponds to', d[key]) 也可使用keys等字典方法来获取所有的键。如果只对值感兴趣，可使用d.values。你可能还记得，d.items以元组的方式返回键值对。for循环的优点之一

0.0000

0

2

0

关注作者

收藏

wangjuju123

while语句非常灵活，可用于在条件为真时反复执行代码块。这在通常情况下很好，但有时候你可能想根据需要进行定制。一种这样的需求是为序列（或其他可迭代对象）中每个元素执行代码块。注意基本上，可迭代对象是可使用for循环进行遍历的对象。第9章将详细介绍可迭代对象和迭代器。就目前而言，只需将可迭代对象视为序列即可。为此，可使用for语句： words = ['this', 'is',

0.0000

0

4

0

关注作者

收藏

wangjuju123

至此，你知道了如何在条件为真（或假）时执行操作，但如何重复操作多次呢？例如，你可能想创建一个程序，每月都提醒支付房租。如果只使用已介绍过的工具，必须像下面这样编写这个程序（伪代码）： send mail wait one month send mail wait one month send mail wait one month (... and so on) 但是如果希望程序这

0.0000

0

3

0

关注作者

收藏

<1…482483484…530>

CDA考试动态

CDA报考指南