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

田齐齐

编码顺序从大到小和从小到大有没有影响?

在对特征进行编码时,顺序从大到小和从小到大有没有影响?答:针对有顺序的特征最好按照顺序进行编码,例如学历情况:初中未毕业,初中毕业,高中毕业,专科,本科,硕士,博士,博士后.对应的编码要分别为0,1,2,3,4,5,6,7,8.按照从小到大的顺序.针对类型级别平行的就没有顺序要求了.

35.6927

4

7

0

关注作者

收藏

若水若谷

powerbi：PowerQuery的发展过程

Excel作为使用最广泛的数据处理工具，满足了我们日常办公的大部分需求，但是随着大数据时代的到来，她显然有点扛不住了。所以从Excel2010开始，微软就推出了一个叫Power Query的插件，用来弥补Excel的不足，使其处理数据的能力大大提升。在微软Excel2010版和Excel2013版中Power Query作为插件使用，需要在官网进行下载，直到Excel 2016版之后微软便将其

3.3121

1

1

0

关注作者

收藏

若水若谷

excel：如何区分Excel中的区域和表？

1.区域和表是Excel中两种不同的操作对象2.区域的最小操作单位是单元格，而表则是字段3.在Excel中区分区域和表的关键就是：表的右下角有个小角标，代表着它引用的区域范围。

33.3121

2

1

0

关注作者

收藏

大魔王泛泛

Sqoop 从mysql导入HDFS数据命令

sqoop import --connect jdbc:mysql://master:3306/batch --username hive -password hive --table RawDataForComparing -m 6 --split-by id -target-dir '/usr/hive/RawDataForComparing' --delete-target-dir

0.0000

0

1

0

关注作者

收藏

liting李

make_blobs中参数centers是数组什么意思？

make_blobs中参数centers=[[0,0]，[2.0,2.0]]是什么意思？centers表示要生成的样本中心（类别）数，或者是确定的中心点。形状 [n_centers，n_features] 的 int 或数组，可选 (默认值 = 3)要生成的中心数量或固定的中心位置。centers=[[0,0]，[2.0,2.0]]表示中心点的位置坐标为（0，0）和（2，2）。

3.7602

2

2

0

关注作者

收藏

PGC123

python如何实现中值滤波？

python如何实现中值滤波？答：scipy中已经实现了该方法，主要用于图像的预处理过程。用法如下：import scipy.signal as signalsignal.medfilt(数据,kernel_size)一般图像的时候 kernel_size是二维元组。如果是一维的数据可以给kernel_size传入一元组signal.medfilt([1,2,3,4,5,6,7,

12.0875

2

2

0

关注作者

收藏

PGC123

unexpected EOF while parsing？

代码出现如下报错 unexpected EOF while parsing？File "", line 1 signal.medfilt(data_01_.iloc[:,1],kernel_size=(5,) ^S

19.6153

2

5

0

关注作者

收藏

PGC123

爬虫时，代码报错提示变量未定义问题。

爬虫函数这边遇到了个问题运行显示没有定义这个是什么错？函数是这样的网上找了好多教程还是没解决答：结合代码与报错信息来看，这是变量作用域导致的问题。函数get_baby_one_page()是无法访问外部的browser对象的。需要在定义函数的时候添加一个参数。代码可以这样#定义函数的时候添加变量def get_baby_one_page(browser): df

16.4240

1

3

0

关注作者

收藏

liting李

mysql中sum和count都可以计数，二者如何区分？

1.sum（1）sum()函数里面的参数是列名的时候，是计算列名的值的相加，而不是有值项的总数。（2）sum(条件表达式)，如果记录满足条件表达式就加1，统计满足条件的行数 2.count（1）COUNT()函数里面的参数是列名的的时候,那么会计算有值项的次数。（NULL 不计入，但是''值计入）（2）COUNT(*)可以计算出行数，包括null（3）COUNT（1）也可以计

3.7600

2

3

0

关注作者

收藏

读童话的狼

Anaconda下如何安装graphviz？

方法一：在线安装在Anaconda Prompt (Anaconda3)中运行下面代码pip install graphviz -i https://pypi.douban.com/simple方法一安装后如果调用出错，一般用离线安装方法可解决，离线安装前需要先卸载卸载方法：pip uninstall graphviz弹出提示时输入y,回车方法二：离线安装 1. 下载安装包首

20.8039

2

3

0

关注作者

收藏

赵娜0418

powerbi地图怎么用色阶做

1、运行PowerBI桌面工具，打开后，在菜单栏点击输入数据。2、将地理位置数据输入表格中，设置好表名，并点击“加载”，加载完成后，右边字段区域可以看到创建表的信息。3、在可视化区域点击地图。在报表区域可以看到灰色的地图图案。4、选中地图，勾选右边的字段。此时地图上没有显示出数据。5、在可视化区域的“位置”这个选项放入“省份”字段。地图变为彩色，同时地图上根据人口数量的不同展现的气泡颜色和

25.1834

5

3

0

关注作者

收藏

田齐齐

机器学习:Kmeans算法API参数说明

class sklearn.cluster.KMeans(n_clusters=8, init='k-means ', n_init=10, max_iter=300, tol=0.0001, , verbose=0, random_state=None, n_jobs=None) n_clusters: 就是K, 聚成几类 init:'k-means ', 一种选择初始中心点

3.7683

5

3

0

关注作者

收藏

赵娜0418

日期辅助表创建的步骤

1、创建日期辅助列2、转换成表3、更改数据类型为日期型4、和主要的信息表连接

25.1834

5

1

0

关注作者

收藏

若水若谷

python:左边子图无论如何都旋转不了

左边子图无论如何都旋转不了，代码如下，如何修改呢？import matplotlib.pyplot as pltimport numpy as npfig, axes = plt.subplots(nrows=1, ncols=2, figsize=(9, 4))# Fixing random state for reproducibilitynp.random.seed(1968080

16.4240

1

2

0

关注作者

收藏

詹惠儿

决策树绘图报错

问：决策树，我已经安装了这个包，可是绘图是报以下错误：答：在python中绘制决策树，不仅要在python中下载安装好graphviz，还要对系统进行graphviz的环境变量配置，报错原因是因为还没配置graphviz的环境变量，配置graphviz的环境变量方法如下：在系统中安装graphviz，并在系统路径里添加配置(控制面板——》系统——》高级系统设置——》系统

16.4247

2

3

0

关注作者

收藏

shauna570392

显示激活失败，如何破解

首先看登录office账号没有，如果有先注销；再点击账户，按下图所示点更改产品密钥，输入:(以下激活码任选一个）7B4BN-DQCH8-WFVMD-B9F3T-V6DVC9B3BN-4XMXD-C7C6B-7XJ22-RVWDP5TWCRT-QVNVH-XTKPM-BV2XX-QV7HC8DJJQ-8NR7B-7QY7D-VCGPF-TVJ92N8VWK-GP8

31.8787

2

1

0

关注作者

收藏

wo5656500

什么是环比什么是同比？

同比，是指在相邻时段中的某一相同时间点进行比较；例如，13年和14年是相邻时段，13年3月和14年3月是这两个相邻时段的同一个时间点，都是3月，这两个时段进行数据对比，就是同比；所以，14年3月的订单量是80，13年3月订单量是70，则我们可以这样写：14年3月订单量同比13年增长14.3%。环比，则相对更简单，就是相邻时间段的对比，不象同比那样，是在相邻时间段内部的某个相同时间点的对比；

12.8022

1

0

0

关注作者

收藏

读童话的狼

轮廓系数如何计算的？

轮廓系数（Silhouette Coefficient），是聚类效果好坏的一种评价方式。最早由 Peter J. Rousseeuw 在 1986 提出。它结合内聚度和分离度两种因素。可以用来在相同原始数据的基础上用来评价不同算法、或者算法不同运行方式对聚类结果所产生的影响。方法：1，计算样本i到同簇其他样本的平均距离ai。ai 越小，说明样本i越应该被聚类到该簇。将ai 称为样本i的簇内不相

0.0000

0

4

0

关注作者

收藏

读童话的狼

.labels_与.predict()的应用区别？

当数据量太大的时候！其实我们不必使用所有的数据来寻找质心，少量的数据就可以帮助我们确定质心了。当我们数据量非常大的时候，我们可以使用部分数据来帮助我们确认质心，剩下的数据的聚类结果，使用predict来调用。# 实例化的对象一致k_means_partdata = KMeans(n_clusters=3, random_state=10)# 隔着选取一半样本进行聚类，此处会生成3个质心

0.0000

0

1

0

关注作者

收藏

詹惠儿

求信息熵的log是以什么为底？

问：求信息熵的log是以什么为底？其取值范围是什么？答：信息熵是度量样本集合纯度最常用的指标，信息熵中的log是以2为底，其最小值为0，最大值为log2(Y)根据分类变量的类别数Y而定，当变量为二分类时，最大值为1，当变量为三分类时，最大值为log2（3），以此类推。

0.0061

1

2

0

关注作者

收藏

<1…220221222…404>

CDA考试动态

CDA报考指南