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

赵娜0418

条件格式如何设置？

1、首先在电脑上打开你要进行设置条件格式的excel表。a2、选择好一列数据以后，然后在页面的上方选择【条件格式】。a3、然后点击【突出显示单元格规则】。a4、进入到突出显示单元格规则页面以后，接下来选择你要的规则（规则中有大于、小于、介于、等于、文本包含等等，当然还支持自定义规则）即可设置条件格式。a

27.1922

4

2

0

关注作者

收藏

赵娜0418

index函数的应用

作用：返回表格或区域中的值或值的应用。语法：INDEX(array,row_num,[column_num])。解释：INDEX（数组或区域，行号，列号）。1、如果数组只包含一行或一列，则对应的参数Row_num或Column_num为可选参数。2、如果数组有多行或多列，但只使用参数Row_num或Column_num，函数INDEX返回数组中的整行或整列，且返回值也为数组。3、如果同时

27.1922

4

6

0

关注作者

收藏

读童话的狼

元组比大小是逐个比大小吗?

是的，类似于百分位，十分位，个位比较>>>(4,5)

19.0452

1

3

0

关注作者

收藏

田齐齐

numpy中怎样获取中位数，均值，众数

代码如下：num=[2,3,2,5,1,0,1,2,9]import numpy as npnp.median(num) #获取中位数np.mean(num) #获取均值c=np.bincount(num)np.argmax(c) #获取众数

1.8450

4

0

0

关注作者

收藏

田齐齐

常见的缺失值填补方法

（1）填充固定值选取某个固定值/默认值填充缺失值。（2）填充均值对每一列的缺失值，填充当列的均值。（3）填充中位数对每一列的缺失值，填充当列的中位数。（4）填充众数对每一列的缺失值，填充当列的众数。由于存在某列缺失值过多，众数为nan的情况，因此这里取的是每列删除掉nan值后的众数。（5）填充上下条的数据对每一条数据的缺失值，填充其上下条数据的值。（6）填充插值得到的

1.8450

4

2

0

关注作者

收藏

一姐三吉

缺失值常见的填充方法

（1）填充固定值选取某个固定值/默认值填充缺失值。（2）填充均值对每一列的缺失值，填充当列的均值。（3）填充中位数对每一列的缺失值，填充当列的中位数。（4）填充众数对每一列的缺失值，填充当列的众数。由于存在某列缺失值过多，众数为nan的情况，因此这里取的是每列删除掉nan值后的众数。（5）填充上下条的数据对每一条数据的缺失值，填充其上下条数据的值。（6）填充插值得到的

76.4805

2

6

0

关注作者

收藏

shauna570392

线性回归的优缺点

优点：（1）思想简单，实现容易。建模迅速，对于小数据量、简单的关系很有效；（2）是许多强大的非线性模型的基础。（3）线性回归模型十分容易理解，结果具有很好的可解释性，有利于决策分析。（4）蕴含机器学习中的很多重要思想。（5）能解决回归问题。缺点：（1）对于非线性数据或者数据特征间具有相关性多项式回归难以建模.（2）难以很好地表达高度复杂的数据。

0.0000

0

1

0

关注作者

收藏

shauna570392

数据清理中，处理缺失值的方法有什么

常用的处理方法有：估算，整例删除，变量删除和成对删除。1、估算(estimation)。最简单的办法就是用某个变量的样本均值、中位数或众数代替无效值和缺失值。这种办法简单，但没有充分考虑数据中已有的信息，误差可能较大。另一种办法就是根据调查对象对其他问题的答案，通过变量之间的相关分析或逻辑推论进行估计。例如，某一产品的拥有情况可能与家庭收入有关，可以根据调查对象的家庭收入推算拥有这一产品的可能性

0.0000

0

5

0

关注作者

收藏

shauna570392

数据库与数据仓库的区别

简单理解下数据仓库是多个数据库以一种方式组织起来数据库强调范式，尽可能减少冗余数据仓库强调查询分析的速度，优化读取操作，主要目的是快速做大量数据的查询数据仓库定期写入新数据，但不覆盖原有数据，而是给数据加上时间戳标签数据库采用行存储，数据仓库一般采用列存储（行存储与列存储区别见题3）数据仓库的特征是面向主题、集成、相对稳定、反映历史变化，存储数历史数据；数据库是面向事务的，存储在线交易数

0.0000

0

1

0

关注作者

收藏

liting李

input输出是是字符串，如何转化为列表

在input内输入1，2，3，4，输出的是字符串的格式，如果想要输出列表的形式将如何做？可以用list转化，也就是list(input()),中输入1234，直接就转化为列表的格式。如图所示：需要注意是是，输入的时候是不需要加逗号的，直接输入1234，即可。

19.0460

2

2

0

关注作者

收藏

wo5656500

IFERROR函数怎么使用？

先来看看IFERROR函数的基本说明和语法结构。IFERROR函数表示判断某些内容的正确与否，正确则返回正确结果，错误则返回需要显示的信息。=IFERROR（条件成立是显示的内容，不成立要显示的内容）通过两个实例详细了解该函数的用法。如下图所示，在计算总价时遇到“无报价”数据会出现错误值，这时不想显示错误值，可以输入公式=IFERROR(B2*C2,"")。如下图所示，在用V

33.0539

1

1

0

关注作者

收藏

田齐齐

怎么用numpy求数值的中位数、四分位数？

# 引用numpy模块import numpy as npa=np.array(([1,2,3,4]))#求数组a的中位数np.median(a)#求数组a的四分位数np.percentile(a, [25, 50, 75])

1.8512

6

3

0

关注作者

收藏

liting李

int32是什么意思？

int32是numpy下基本的数据类型之一。 Numpy 中的ndarray对象中的数值型的数据类型比 Python 原生的数值型的数据类型（只支持整数类型与浮点类型复数类型）强大的一点就是它支持更多的数据类型。但对于我们数据分析而言，只需要知道常用的几个类型就够用了。需要注意的是，在 Numpy 当中的数据都是有位数限制的，包括整数。当数据过长时就有可能出现数据截断或者数据

33.0546

2

0

0

关注作者

收藏

ermutuxia

ndarray对象的ndim属性是什么意思？

python中numpy库里面定义的ndarray 对象或者是数组对象的ndim属性是什么意思？ndarray对象或者称为numpy中定义的数组对象，这个对象ndim属性返回的是这个数组的维数，如下面的例子In [54]: import numpy as npIn [55]: a=np.array([1,2,3])#a是一个一维数组，所以a.ndim返回1In [56]: a.n

44.5991

3

3

0

关注作者

收藏

田齐齐

Python：map() 函数

map() 会根据提供的函数对指定序列做映射。第一个参数 function 以参数序列中的每一个元素调用 function 函数，返回包含每次 function 函数返回值的新列表。>>>def square(x) : # 计算平方数... return x ** 2... >>> map(square, [1,2,3,4,5]) # 计算列表各个元素的

34.9031

6

3

0

关注作者

收藏

读童话的狼

python多维数组如何做切片？

1. array如果维度多了，就变成ndarray。2. list切片类似C数组，多维度分别用”[]“索引，单维度切片用”:“，如：>>> a[[1, 2, 3], [4, 5, 6], [7, 8, 9]]>>> a[1][1:3][5, 6]但是这样做第二个维度索引不起作用：>>> a[1:3][0:2][[4, 5, 6], [7, 8, 9]]把list当作ndarray

0.0000

0

1

0

关注作者

收藏

田齐齐

python 怎么快速分辨一个numpy矩阵(数组)是几维的

比如这个数组:[[[0, 1], [2, 3]], [[4, 5], [6, 7]]]它的最外层有三个括号"[]", 所以它就是三维数组，这个三维数组有两个二维数组，每个二维数组里有两个一维数组，每个一维数组里有两个元素当然, 你也可以直接使用:print(“数组形状：”,a1.shape)print(“数组的维度数目”,a1.ndim)来查看numpy数组的维度

34.9064

6

2

0

关注作者

收藏

读童话的狼

怎么理解numpy数组中的轴?

1. 在二维NumPy数组中，轴是沿行和列的方向a AXIS 0 轴是沿着行（rows）的方向在NumPy数组中，axis 0 是第一轴。对于二维或多维数组，axis 0 是沿行（row）向下的轴。a AXIS 1 轴是沿着列（columns）的方向在NumPy数组中，axis 1 是第2根轴。对于二维或多维数组，axis 1 是沿列（columns）横穿的轴。a 2.

0.0000

0

4

0

关注作者

收藏

读童话的狼

numpy参与运算的数组必须形状相同吗？

不是必须要相同的，不同形状数组的计算主要通过广播来实现广播是指不同形状的输出之间执行算数运算的方式。当两个数组的shape不一致时，numpy会实行广播机制。许遵循4个原则：（1）让所有的输入数组向其中shape最长的数组看齐，shape中不足的部分通过在前面加1补齐。（2）输出数组的shape是输入数组shape的各个轴上的最大值。（3）如果输入数组的某个轴和输出数组的对应轴的长度相同

0.0000

0

3

0

关注作者

收藏

田齐齐

python中：数组的输出

从左到右，从上向下一维数组打印成行，二维数组打印成矩阵，三维数组打印成矩阵列表print np.arange(1,6,2) print np.arange(12).reshape(3,4) # 可以改变输出形状 print np.arange(24).reshape(2,3,4)# 2页，3行，4页输出结果：[1 3 5][[ 0 1 2 3] [ 4 5 6 7]

1.8526

5

4

0

关注作者

收藏

<1…225226227…404>

CDA考试动态

CDA报考指南