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

啊啊啊啊啊吖

pd.DataFrame.from_dict没有给出预期

我想得到这个维基百科数据集（people_wiki.csv）中每个单词的单词计数。我能够得到每个单词并将其作为字典出现，但我无法将字典键值对拆分为单独的列。我已经尝试了几种方法（from_dict，from_records，to_frame，pivot_table等）这在python中是可行的。我将不胜感激任何帮助。Samle数据集：URI

0.0000

0

0

0

关注作者

收藏

啊啊啊啊啊吖

在python中使用 com，有没有办法解决编码问题

我环顾四周，还没找到任何东西。我正在浏览收件箱中的电子邮件并检查特定的单词集。它适用于大多数电子邮件，但其中一些不解析。我查看了破碎的电子邮件。print (msg.Body.encode('utf8'))我的问题消息都以b'开头。像这样b'\xe6\xa0\xbc\xe6\xb5\xb4\xe3\xb9\xac\xe6\xa0\xbc\xe6\x85\xa5\xe3\xb9\xa4\x

0.0000

0

3

0

关注作者

收藏

詹惠儿

如何用特征工程提取信息

以下是使用的常用功能工程方法列表：1. n-gram ：在文档语料库中，1个单词（如婴儿，游戏，饮料）被称为1克。同样地，我们可以有2克（婴儿玩具，游戏台，钻石戒指），3克等。这种技术背后的想法是探索当一个或两个或多个单词一起出现时给模型提供更多信息的机会。。2. TF - IDF ：它也称为术语频率 - 反向文档频率。该技术认为，从文档语料库中，学习算法从很少出现的术语获得比经常出现的

178.9360

1

1

0

关注作者

收藏

詹惠儿

文本处理主要有哪几步？

语料库创建 - 它涉及创建包含文档和术语（或标记）的矩阵。文档可以被理解为每行具有产品描述并且每列具有术语。术语是指说明中的每个单词。通常，语料库中的文档数等于给定数据中的行数。文本清理 - 它涉及以下列方式清理文本：删除单词 - 如果使用Web抓取提取数据，您可能需要删除html标记。删除停用词 - 停用词是一组有助于句子构造并且没有任何真实信息的词。诸如a，an，the，they

178.9360

1

3

0

关注作者

收藏

詹惠儿

如何用python进行Q-Test

Dixon的Q-Test用于帮助确定是否有证据表明某个点是一维数据集的异常值。假设数据集是正态分布的。由于我们有非常有力的证据表明我们的数据集在所有正态检验都是正态分布，因此我们可以在此处使用Q-Test。与正太检验一样，我们假设显着性水平为0.05美元，为简单起见，我们只考虑集合中的最小基准点。a对于我们的示例，Q统计量是集合中最小和最接近数字之间的绝对距离与数据集范围的比率

0.0000

0

1

0

关注作者

收藏

dreamhappy2012

正则表达式中的点（dot）怎么使用？

正则表达式中的点（dot） "."这个符号不是很明显（本文一律用英文dot代替）但是用法很有讲究：在正则表达式中dot几乎匹配任意一个字符，但是不匹配换行符\n。例子：谨慎使用dotdot是一个很强大的正则表达式“元符号”，一不小心就会用错。例如当需要匹配日期格式如：mm/dd/yy，其中分隔符/不局限于此，用户可以选择其他的符号。我们可以快速写出一个正则表达式去匹配：/d/d./d/d

0.0000

0

2

0

关注作者

收藏

PGC123

网址中的%是啥意思？

网址中的%是啥意思？答：网址中的%其实是一种编码格式，说明url中含有正文。这里由%和数字字母组成的有规律性的“乱码”它们并不真是乱码，它们是一种特殊的编码，计算机它是不认得中文汉字的，要让计算机认识这些编码必须要转换成一些字母和数字等组成的代码。事实上，我们在浏览器地址栏中看到的由%号和字母数字组成的乱码它们有一些规律，即都是三个字符一组，排在最前面的肯定是百分号%。它们

0.0000

0

3

0

关注作者

收藏

zxq997

面向对象中__new__和__init__区别是什么？

__init__是初始化方法，创建对象后，就立刻被默认调用了，可接收参数，如图1、__new__至少要有一个参数cls，代表当前类，此参数在实例化时由Python解释器自动识别2、__new__必须要有返回值，返回实例化出来的实例，这点在自己实现__new__时要特别注意，可以return父类（通过super(当前类名, cls)）__new__出来的实例，或者直接是object的__ne

0.0000

0

1

0

关注作者

收藏

zxq997

range()和xrange()函数的差异？

range()生成的是list，而xrange（）生成的是迭代器（iterator）。例如：range(5) # [0, 1, 2, 3, 4]xrange(5)list(xrange(1,5)) # [1, 2, 3, 4]

0.0000

0

3

0

关注作者

收藏

zxq997

pandas中的索引属性有哪些？

可以通过index访问行索引，columns访问列索引，values访问数据，其中index与columns也可以进行设置（修改）。可以为DataFrame的index与columns属性指定name属性值。DataFrame的数据不能超过二维。w_index = pd.Index(["a", "b"], name="行索引") col_index = pd.Index(["e", "f"

0.0000

0

1

0

关注作者

收藏

啊啊啊啊啊吖

Pandas：使用loc然后iloc在数据框上设置一个值

我有以下数据框：df = pd.DataFrame(np.zeros((3, 5)), columns=["feature_a", "feature_b", "feature_c", "feature_d", "e"]) feature_a feature_b feature_c feature_d e0 0.0 0.0 0

0.0000

0

4

0

关注作者

收藏

啊啊啊啊啊吖

有没有办法在多个值上运行np.where而不是一个？

我想知道我是否有一个numpy数组中的图像，比如250x250x3（3个通道），是否可以使用np.where来快速找出大小为3的250x250数组是否等于[143,255， 0]或rgb代表的另一种颜色得到一个250x250的bool阵列？当我在4x4x3的代码中尝试时，我得到了一个3x3阵列，我不能完全确定它的形状来自哪里。import numpy as nptest = np.

6.0509

1

2

0

关注作者

收藏

啊啊啊啊啊吖

如何在日期中添加/之间的空格

我如何获取一个字符串，将它返回到列表中，并在它们之间加上“/”，如日期。例如以5,11,2013为例，输出为5/11/2013################################用str.replace()吗？date = '11,12,2019'print(date.replace(',', '-'))>> 11-12-2019

0.0000

0

2

0

关注作者

收藏

dreamhappy2012

什么是正则表达式？

◼正则表达式，简称为regex，是文本模式的描述方法✓例：\d是一个正则表达式，表示一位数字字符，即任何一位0到9的数字✓\d\d\d-\d\d\d-\d\d\d\d,匹配前面isPhoneNumber()函数匹配的同样文本：3 个数字、一个短横线、3 个数字、一个短横线、4 个数字

0.0000

0

1

0

关注作者

收藏

啊啊啊啊啊吖

python - “=”和“==”之间有什么区别？[重复]

我想知道a = 1和之间的区别是a == a什么？我有两个例子如下：a = 2def test(): print ("a=", a) a == 3test()结果：a = 2另一个例子：a = 2def test(): print ("a=", a) a = 3test()事实证明：Unboun

0.0000

0

1

0

关注作者

收藏

dreamhappy2012

cookies是什么？主要功能有哪些？

cookies在浏览器端，在访问动态网页时候浏览器会自动附带上它发送给服务器，服务器通过识别cookies并鉴定其是哪个用户，判断其是否登录状态，然后返回对应的响应。功能特点：在同一个页面中设置 Cookie，实际上是按从后往前的顺序进行的。如果要先删除一个 Cookie，再写入一个 Cookie，则必须先写写入语句，再写删除语句，否则会出现错误。 Coo

0.0000

0

1

0

关注作者

收藏

啊啊啊啊啊吖

panda DataFrame切片有一个KeyError

import pandas as pdd = {'b' : 1, 'a' : 0, 'c' : 2}c = {'one':[1,2,3], 'two':[4,5,6]}p = pd.Series(d)pc = pd.DataFrame(c)print(p[-1]) # This line worksprint(pc['two'][-1]) # This line does not wo

0.0000

0

0

0

关注作者

收藏

啊啊啊啊啊吖

requests但仍然无法获得curl -v 输出

我一直在尝试使用不同的Python模块pycurl，requests但仍然无法获得curl -v 输出，如下所示。期望的输出（在Python代码中）C:\>curl -v http://example.com/* Trying 93.184.216.34...* TCP_NODELAY set* Connected to example.com (93.184.216.

0.0000

0

1

0

关注作者

收藏

啊啊啊啊啊吖

使用另一个列表对列表进行排序[重复]

我现在正在处理Processing 3的python模块，但这是一个更普遍的python问题，因为我所看到的所有文档都是如何从列表中的某些内容排序列表而不是外部列表。listKey = [0,2,9,1,3]listToSort = [11,12,15,2,8]预期成绩[11,2,12,8,15]

0.0000

0

3

0

关注作者

收藏

啊啊啊啊啊吖

Pandas从部分字符串匹配填充列

我有一个数据帧像下面，我需要创建一个新列Block与任一值1或2基于列的部分字符串匹配在它Program Number那里说_block_1或_block_2。我一直在尝试if语句，.str.contains但无法让它工作。怎么做？148 0209-3SP_block_1 ['g76p010060q00250r.0005' 'JEBD0507160 REV A' CHNCIII14

0.0000

0

2

0

关注作者

收藏

<1…342343344…404>

CDA考试动态

CDA报考指南