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

zxq997

对于过采样的算法的使用方法？

对于数据不均衡分布，过采样使用的smote的算法。imblearn里面提供了smote库。定义：样本不平衡会带来样本点的空间分布并不能符合真实分布，因此使用smote扩充样本集合时，并不能改变原有样本的分布的外围轮廓特征，这就意味着对分类问题中分类边界的影响比较小。简单伪代码使用：from collections import Counterfrom sklearn.datasets

0.0000

0

2

0

关注作者

收藏

PGC123

shuffle中的Collect过程怎么理解？

shuffle中的Collect过程怎么理解？答：Collect过程是这样的：每个 Map 任务不断地以对的形式把数据输出到在内存中构造的一个环形数据结构中。使用环形数据结构是为了更有效地使用内存空间，在内存中放置尽可能多的数据。这个数据结构其实就是个字节数组，叫 Kvbuffer，名如其义，但是这里面不光放置了数据，还放置了一些索引数据，给放置索引数据的区域起了一个 Kvme

0.0000

0

4

0

关注作者

收藏

啊啊啊啊啊吖

根据ID和列表返回值的计数

我有三个数据帧。df1使用基于汇总信息df2和df3如下：对于每个IDin df2，我想计算它有多少次Value来自df3并返回Result列中的计数df1。DF1ID Result1 22 23 24 16 28 010 1DF2ID Value1 A1 A1 F2 B2 C3 D3 D4

0.0000

0

0

0

关注作者

收藏

啊啊啊啊啊吖

pandas：沿轴= 1的DataFrames的低级串联

问题：一个有2个DataFrame一个人知道两者有相同的（MultiIndex）指数（以防它有帮助）两个索引都被排序两个DataFrame都有不相交的列如何通过将内存块一起打包来非常有效地连接2个DataFrame，即相当于pd.concat([df1, df2], axis=1, sort=False)但强迫某种方式完全忽略两个DataFrames的索引值，使其速度非常快？我希

0.0000

0

3

0

关注作者

收藏

啊啊啊啊啊吖

如何重新排序数据帧的顺序以匹配第二个数据帧的顺序？

如果我有两个数据帧作为示例：DF1： x y0 1.1. 2.11 3.1 5.1DF2：x y0 0.0 2.21 1.1 2.12 3.0. 6.63 3.1 5.14 0.2 8.8并且我希望df2匹配匹配值的常见顺序，但保持订单后不匹配的值，我将如何使用pandas？或者别的什么的。期望的输出：new_df： x

0.0000

0

1

0

关注作者

收藏

啊啊啊啊啊吖

如何过滤Pandas Dataframe的值

我有一个数据集，我需要在超过一个值但不在之后过滤。以下是数据帧的示例： Dip MD0 70 50001 80 60002 90 70003 80 8000我希望在第一次Dip超过85之前过滤掉所有内容，因此结果数组应如下所示： Dip MD0 90 70001 80

0.0000

0

3

0

关注作者

收藏

啊啊啊啊啊吖

使用groupby后，从pandas图中删除“None”文本

我有以下数据：d_data = {"Name":["Jean","Luis", "Ana", "Ana", "Jean", "Luis","Ana", "Ana", "Luis","Ana","Luis" ], "Money":[100, 2220, 333, 3342, 4423, 43, 5454, 4455, 4

0.0000

0

1

0

关注作者

收藏

啊啊啊啊啊吖

按日期时间列对DF的所有元素进行分组

想象一下有3列的Dataframe：indexA: datetimeB: value 1 or 2特定日期可能会有更多行。我想创建一个新的数据框，总结每天的价值。所以：indexA: datetime (1 day)B: amount of rows which contained value 1 in first dataframeC: amount of rows which

0.0000

0

3

0

关注作者

收藏

啊啊啊啊啊吖

如何使用.loc将数据帧行附加到for循环中的另一个？

假设我有以下数据帧：df_t1 = pd.DataFrame([["AAA", 1 ,2],["BBB", 0, 3],["CCC", 1, 2],["DDD", 0, 0],["EEE", 0, 3]], columns=list('ABC')) A B C0 AAA 1 21 BBB 0 32 CCC 1 23 DDD 0 04

0.0000

0

1

0

关注作者

收藏

啊啊啊啊啊吖

根据条件删除多行

下面是pandas dataframe我的一个子集，我试图根据某些条件删除多行。 code1 code2 grp1 grp2 dist_km0 M001 M002 AAA AAA 1121 M001 M003 AAA IHH 2752 M002 M005 AAA XXY 1503 M002 M004 AAA AAA

0.0000

0

2

0

关注作者

收藏

zxq997

列表如何去重？

代码如下：lst = [1,2,3,4,5,1,2,3,3]lst=set(lst) #将列表转化成元祖lst = [x for x in lst] #再转化成列表lst结果如下：

0.0000

0

5

0

关注作者

收藏

lluotuo

安装Python以匹配OS X 10.5中的目录布局

OS X 10.5上的默认Python安装是2.5.1，带有FAT 32位（Intel和PPC）客户端。我想设置apache和mysql来运行django。在过去，我运行Apache和MySQL以匹配32位模式的安装（甚至从Apache中删除64位的东西以使其工作）。我想将Python升级到64位。我完全可以通过一个警告从源代码编译它。如何匹配默认安装的布局方式？特别是，/Library/Pyt

0.0000

0

0

0

关注作者

收藏

dreamhappy2012

距离度量——汉明距离定义与公式

定义：两个等长字符串s1与s2的汉明距离为：将其中一个变为另外一个所需要作的最小字符替换次数。例如: The Hamming distance between "1011101" and "1001001" is 2. The Hamming distance between "2143896" and "2233796" is 3. The Hamming d

0.0000

0

4

0

关注作者

收藏

詹惠儿

python如何修改外循环索引

# Python program for# iterating array values# using f_index import numpy as geek # creating an array using arrange # methoda = geek.arange(6) # shape array with 2 rows and # 3 columns a =

0.0000

0

3

0

关注作者

收藏

啊啊啊啊啊吖

使用前一行的diff在DataFrame中插新的行

我有一个带有数据集的Pandas DataFrame，它看起来像这样： floor_temperature power_consumption outside_temperaturetimestamp2019-01-23 00:00:00 00:00 8.300000 0.022000

46.1538

1

3

0

关注作者

收藏

啊啊啊啊啊吖

从列中的字符串中提取一组n个数字

我在pandas数据框中有一列字符串，其中包含以下内容："AU/4347001"但另外还有其他字符串组织较少，如"Who would have thought this would be so 4347009 difficult"因此，最终，这些数字系列在字符串中的位置和方式没有连贯的模式。它们可能位于开头，中间或末尾，并且无法准确知道数字周围有多少其他字符。理想情况下，我想返回另一个长度

0.0000

0

1

0

关注作者

收藏

啊啊啊啊啊吖

Pandas describe（）函数不会在PyCharm

我正在尝试运行这段代码：import pandas as pdcity_names = pd.Series(['San Francisco', 'San Jose', 'Sacramento'])population = pd.Series([852469, 1015785, 485199])cities = pd.DataFrame({ 'City name': city_names

0.0000

0

4

0

关注作者

收藏

啊啊啊啊啊吖

如何查找列A中同样位于B列中的每个值的所有实例

使用Pandas，我试图找到A列中某些值的最近重叠出现，这也恰好出现在B列中（但不一定发生在同一行）; 对A列中的所有行都要这样做。我已经用n ^ 2解决方案完成了一些事情（通过创建每个列的列表并使用嵌套的for循环迭代），但我想尽可能使用更快的东西; 因为这需要在包含数万个条目的表中实现。（因此，Vectorized解决方案将是理想的，但我更希望采用“正确”的方式来实现这一目标。）df['

46.1538

1

3

0

关注作者

收藏

詹惠儿

python如何实现广播迭代

广播迭代：如果两个数组是可广播的，则组合的nditer对象能够同时迭代它们。假设数组a的维度为3X4，并且存在另一个维度为1X4的数组b，则使用以下类型的迭代器（数组b广播为a的大小）。# Python program for# iterating array import numpy as geek # creating an array using arrange # me

46.1538

1

2

0

关注作者

收藏

詹惠儿

python如何实现外循环

在nditer类的构造函数有一个flags参数，可以采取以下值参数描述external_loop导致给定的值是具有多个值而不是零维数组的一维数组c_index可以跟踪C_order索引F_索引追踪Fortran_order索引多指标可以跟踪每次迭代一次的索引类型代码＃1：# Python program for# iterating array values# using exter

0.0000

0

0

0

关注作者

收藏

<1…339340341…404>

CDA考试动态

CDA报考指南