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

shauna570392

jupyter notebook打开后一直停留在命令窗口，无法跳转到浏览器

a如上图所示，在管理员窗口打开jupyter notebook的时候一直停留在这个页面，无法跳转到浏览器，解决此类问题需要以下几步1、打开Anoconda Prompt，输入命令 jupyter notebook --generate-config，回车执行后系统会自动产生一个名为jupyter_notebook_config.py的文件，并且Anoconda Prompt窗口中会给出

96.8177

3

4

0

关注作者

收藏

南风不竞最光阴

关于MySql中的group by 注意事项

定义：用于该字段的分组（通过group by 相当于对表的字段进行了分组的操作处理）；group by 使用注意点： 1.having只能用在group by之后，对分组后的结果进行筛选(即使用having的前提条件是分组)。 2.where肯定在group by 之前，即也在having之前。 3.where后的条件表达式里不允许使用聚合函数（count(),sum(),avg(),m

187.7828

5

2

0

关注作者

收藏

赵娜0418

Python编程中定义函数一般有哪几种形式？

函数定义的三种形式：定义函数时的参数就是函数体接收外部传值的一种媒介，其实就是一个变量名（1）、无参函数#在函数定义阶段括号内没有参数注意：定义无参，意味着调用时也无需传入参数应用：如果函数体的代码逻辑不需要依赖外部传入的值，必须定义无参函数# def func():# print('hello world')# func()（2）、有参函数#在函数定义阶段括号内有参数

104.6335

7

1

0

关注作者

收藏

赵娜0418

Python机器学习中KNN和Kmeans的异同

KNN算法：1.KNN是分类算法2.监督学习3.喂给它的数据集是带label的数据，已经是完全正确的数据4.没有明显的前期训练过程，属于memory-based learning5.K的含义：来了一个样本x，要给它分类，即求出它的y，就从数据集中，在x附近找离它最近的K个数据点，这K个数据点，类别c占的个数最多，就把x的label设为cKmeans算法：1.K-Means是聚类算法

8.3779

6

0

0

关注作者

收藏

赵娜0418

Python机器学习中常用的算法有哪些？

1、决策时2、随机森林3、逻辑回归4、SVM5、朴素贝叶斯6、K近邻7、K均值8、Adaboost9、神经网络10、马尔可夫

3.4591

4

2

0

关注作者

收藏

赵娜0418

Python中深复制和浅复制的含义

1、浅拷贝可以使用列表自带的copy()函数（如list.copy()），或者使用copy模块的copy()函数。深拷贝只能使用copy模块的deepcopy(),所以使用前要导入：from copy import deepcopy2、如果拷贝的对象里的元素只有值，没有引用，那浅拷贝和深拷贝没有差别，都会将原有对象复制一份，产生一个新对象，对新对象里的值进行修改不会影响原有对象，新对象和原对象

3.2201

3

3

0

关注作者

收藏

yuechuchen

dataframe数据归一化，题目详情见正文

df表详情如下：请将整个数据集的数据进行标准化。参考代码：np.random.seed(0)df = pd.DataFrame(np.random.randint(1,10,size=(5, 3)),columns=["s_r","s_c","s_s"])dfdef normal(df): num = df.sub(df.min()) den = (df.max

77.6246

2

3

0

关注作者

收藏

yuechuchen

dataframe数据列拆分，题目详情见正文

df表详情如下：请将上表中的出发地和目的地分成两个新的列并删除from_to。参考代码：df = pd.DataFrame({'from_to': ['ShangHAI_BeiJing', 'ShangHAI_Chongqing', 'BeiJing_chengdu', 'tianJin_PaRis', 'Beijing_s

88.9195

1

3

0

关注作者

收藏

yuechuchen

dataframe联合拼接，题目详情见正文

df表和df1表详情如下：请将df和df1两个表合并成一个包含品名、销售额、单价的总表，效果如下：参考代码：d = {"品名":["A", "B", "C", "D", "E","F","G","H"], "销售额":[900, "1000", np.nan, 730.60 ," 259.13",np.nan,502,"800"]}df = pd.DataFrame(d

88.9195

1

3

0

关注作者

收藏

yuechuchen

查找所有从上海出发的航班信息，题目详情见正文

df表详情如下：请查找所有从上海出发的航班信息。参考代码：df = pd.DataFrame({'from_to': ['ShangHAI_BeiJing', 'ShangHAI_Chongqing', 'BeiJing_chengdu', 'tianJin_PaRis', 'Beijing_shenzhen'],

89.2193

2

2

0

关注作者

收藏

yuechuchen

pandas缺失值处理，题目详情见正文

df表详情如下：请将所有缺失值替换成0参考代码：d = {"品名":["A", "B", "C", "D", "E","F","G","H"], "销售额":[900, "1000", np.nan, 730.60 ," 259.13",np.nan,502,"800"]}df = pd.DataFrame(d)dfdf.fillna(0)代码结果：

87.9753

1

7

0

关注作者

收藏

yuechuchen

去除dataframe中某一列的空格，题目详情见正文

df表详情如下：请去除state列中包含的空格。参考代码：df = pd.DataFrame({"State":[" United Kingdom ","Germany ","Spain"],"Population":["8,615,246","3,437,916","3,165,235"]})dfdf["State"][0]# 查看是否包含空格df["State"] = df[

36.9819

1

3

0

关注作者

收藏

yuechuchen

查找dataframe中全局前三大的位置信息，问题详情见正文

df表详情如下：请找出Alice和Tom两个人的销售额中数额最大的前三笔参考代码：np.random.seed(2)df = pd.DataFrame({'Alice': np.random.randint(1,100,10) ,'Tom': np.random.randint(10,150,10)})dfdf.unstack()df.un

36.9819

1

4

0

关注作者

收藏

yuechuchen

按照字典{'a':3,'b':5,'c':1,'d':2}的值排序并返回新的字典

字典：{'a':3,'b':5,'c':1,'d':2}请按照字典的值排序并返回新的字典参考代码：d= {'a':3,'b':5,'c':1,'d':2}d = dict(sorted(d.items(),key=lambda item: item[1]))d代码结果：

0.0000

0

1

0

关注作者

收藏

yuechuchen

list1 = [1,3,7,2,4,9,0]，请分别实现升序排序和逆置

参考代码：list1 = [1,3,7,2,4,9,0]list1.sort() #排序list1list1 = [1,3,7,2,4,9,0]list1.reverse() #逆置list1代码结果：

52.8682

1

0

0

关注作者

收藏

yuechuchen

dataframe提取符合条件的记录，题目详情见正文

df表详情如下：请将上表中出现次数在前三之后的数据替换成“other”。参考代码：d = {"genre": ["A", "C", "A", "A", "A", "B", "B", "C", "D", "E", "F"]}df = pd.DataFrame(d)dftop3 = df["genre"].value_counts().nlargest(3).indextop3d

0.0000

0

2

0

关注作者

收藏

yuechuchen

dataframe数据编码处理，题目详情见正文

df表详情如下：请把性别列的文本字段编码成0和1参考代码：d = {"性别":["男", "女", "女","男"], "职级":["P3", "p3", "p4","p5"], "年龄":[24, 24, 27, 30]}df = pd.DataFrame(d)dfd = {"男": 0, "女": 1}df["性别1"] = df["性别"].map(d) df

24.7772

1

1

0

关注作者

收藏

yuechuchen

dataframe按照某一行的数值大小排序，题目详情见正文

df表详情如下：请按照第0数值的大小实现列排序，目标实现效果：参考代码：np.random.seed(2)ser1 = pd.Series(np.random.randint(1,20,5))ser2 = pd.Series(np.random.randint(1,10,5))ser3 = pd.Series(np.random.randint(10,20,5))ser4

0.0000

0

5

0

关注作者

收藏

yuechuchen

pandas处理时间数据，题目详情见正文

df表详情如下： day_of_year指当年过了多少天，请根据表中数据计算对应的当年具体的日期参考代码：d = {"year": [2018, 2019, 2020],"day_of_year": [200, 365, 60]}df = pd.DataFrame(d)dfdf["int_number"] = df["year"]*1000 + df["day_of_year"]

0.0000

0

2

0

关注作者

收藏

yuechuchen

数据清洗修改不规范的字段数据类型，题目详情见正文

df表详情如下：请将销售额字段的所有元素的数据类型换成浮点型参考代码：d = {"品名":["A", "B", "C", "D", "E"], "销售额":[900, "1000", "$640", 730.60 ," $259.13"]}df = pd.DataFrame(d)dfdf["销售额"] = df["销售额"].replace("[$]", "", regex

0.0000

0

4

0

关注作者

收藏

<1…204205206…404>

CDA考试动态

CDA报考指南