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

pandas字段类型检查，题目详情见正文

df表详情如下请检查销售额字段所有数据的数据类型参考代码：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'].apply(type)代码结果：

0.0000

0

2

0

关注作者

收藏

yuechuchen

统计表中的缺失值数量

df表如下：要求统计表中缺失值的数量.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.isnull().sum().sum()代码结果：

0.2622

1

4

0

关注作者

收藏

yuechuchen

一行代码通过列表[1,3,5,7,9,2,4,6]生成新列表[10, 14, 18, 12]

参考代码：[x*2 for x in [1,3,5,7,9,2,4,6] if x > 4 ]代码结果：

0.0000

0

2

0

关注作者

收藏

读童话的狼

数值型的分类字段要做独热编码或者哑变量吗吗？

数值型的分类字段不一定的是要做的编码的，如年龄段0-18岁定义为18,18-25定义为25,25-35定义为35，那么对应的分类就是18,25,35，也可以重新编码为1,2,3，可以都试试，哪种效果好用哪个

77.3248

1

3

0

关注作者

收藏

yuechuchen

数列1，2，3，5，8，13，21，34，……写出计算数列任意位数值的函数fun，例如fun(2)=2,fun(4)=4。

方法一：def fib_loop(n): a, b = 0, 1 for i in range(n 1): a, b = b, a b return a方法二：def func(i): num_list = [1] if i < 2: return num_list[0] elif i >= 2:

0.0000

0

4

0

关注作者

收藏

yuechuchen

PIP缺少C 编译器错误，题目详情见正文

PIP缺少C 编译器错误：Python部分第三方库需要先进行编译再进行安装，否则会提示编译过程中缺少Microsoft Visual C 14.0，报错提示：error: Microsoft Visual C 14.0 is required. Get it with "Microsoft Visual C Build Tools":

0.0000

0

0

0

关注作者

收藏

大魔王泛泛

GMM和K-Means相比有哪些异同点

高斯混合模型（GMM）与K-Means算法的相同点是：1.它们都是可用于聚类的算法2.都需要指定K值3.都是使用EM算法来求解4.都往往只能收敛于局部最优而GMM相比于K-Means算法的优点是，可以给出一个样本属于某类的概率是多少；不仅仅可以用于聚类，还可以用于概率密度的估计；并且可以用于生成新的样本点

88.2751

2

1

0

关注作者

收藏

yuechuchen

dataframe索引重排序，题目详情见正文

df表如下：要求根据已有的索引顺序（"002","005","004","001","006","003"）更改df的索引，实现效果如下：参考代码：np.random.seed(0)B = pd.Series(["Allen","Lucy","Tom","Alice","Tim","Lily"], dtype="string")C = pd.Series(np.random.

0.0000

0

2

0

关注作者

收藏

yuechuchen

从数据库中导入数据，题目详情见正文。

名称为bank的数据库中有表userinfo，具体如下: 请用pandas读取userinfo表。参考代码：import pymysqlconn = pymysql.connect(host='localhost',user='root',password='1234',port=3306,charset='utf8')cursor = conn.cursor()cursor.ex

0.0000

0

2

0

关注作者

收藏

yuechuchen

dataframe中的行索引转化成普通列，题目详情见正文。

df1表如下：要求将索引”num“转化成普通的列，效果如下：参考代码：np.random.seed(0)B = pd.Series(["Allen","Lucy","Tom","Alice","Tim","Lily"], dtype="string")C = pd.Series(np.random.randint(20,40,6, dtype="int"))df = pd.

0.0000

0

4

0

关注作者

收藏

yuechuchen

dataframe指定某列为行索引，题目详情见正文

df表如下：要求将”num“作为行索引，实现效果如下：参考代码：np.random.seed(0)B = pd.Series(["Allen","Lucy","Tom","Alice","Tim","Lily"], dtype="string")C = pd.Series(np.random.randint(20,40,6, dtype="int"))A = pd.Seri

0.0000

0

3

0

关注作者

收藏

yuechuchen

自定义函数，题目详情见正文

求以下表达式的值：1-2+3-4+5-6+7-8……+m，写出计算数列任意位数值的函数function（），例如function（2）=-1，function（3）=2参考代码：def function(n): if(n%2 == 1): return n-(n//2) else: return int(n/2*(-1))代码结果：

0.0000

0

6

0

关注作者

收藏

yuechuchen

dataframe增加列数据，题目详情见正文

df表如下：请为df表添加一列“基本工资”，实现效果如下：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'])df = pd.DataFrame({"姓名":["Allen","Lu

0.0000

0

3

0

关注作者

收藏

yuechuchen

Pandas 随机选取一部分数据读取，题目详情见正文

需要处理的数据过大时，可以随机选择原数据集的一部分读入内存，例如num表如下：随机选取部分数据读入，实现效果如下：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'])df = pd.

0.0000

0

4

0

关注作者

收藏

yuechuchen

pandas之分块读取数据，题目详情见正文

如果待读入的数据量过大，可以分块读取数据，num表如下：要求分段读取数据，第一次读取第一行记录，第二次读取第二行和第三行记录，第三次读取剩下所有记录，实现效果如下：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(list

0.0000

0

5

0

关注作者

收藏

yuechuchen

pandas读取数据空值处理，题目详情见正文

df表如下： df表内包含特殊字符，读取df表是需要将特殊字符处理成空值形式，要求读取的数据结果如下：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'])df = pd.DataFr

0.0000

0

3

0

关注作者

收藏

yuechuchen

自定义函数，输入任意整数，计算各位数字连乘的乘积例如输入整数1234，计算1*2*3*4输出结果24

参考代码：def mul(x): from functools import reduce if isinstance(x,int): return reduce((lambda x, y: x * y), map(int,[i for i in str(x)])) else: print("您输入的不是整数")代码结果：

0.0000

0

2

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：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

<1…205206207…404>

CDA考试动态

CDA报考指南