数据分析师-数据科学专业问答社区-CDA答疑社区

热线电话：13121318867

登录

詹惠儿

python的缩进有什么用

块是所有这些语句的组合。块可以被视为特定目的的语句分组。大多数编程语言（如C，C ，Java）使用大括号{}来定义代码块。Python的一个显着特点是使用缩进来突出显示代码块。Whitespace用于Python中的缩进。与右边相同距离的所有语句都属于同一个代码块。如果一个块必须更深层嵌套，它只是向右缩进。通过查看以下代码行，您可以更好地理解它：# Python program showi

0.0000

0

4

0

关注作者

收藏

崔志远

寻找钱小菲老师的联系方式

谁有钱小菲老师的联系方式

75.0000

1

1

0

关注作者

收藏

PGC123

如何绘制ROC曲线？

如何绘制ROC曲线？使用训练好的模型得到的分析结果只能得到一组（FPR,TPR）,但是ROC曲线是由多个点构成的呀？这要怎么理解？答：实际上对于许多机器学习模型在判定二分类问题时是预测出一个对于真值的范围在[0.0, 1.0]之间的概率值，而判定是否为真值则看该概率值是否大于设定的阈值（Threshold）。例如如果阈值设定为0.5则所有概率值大于0.5的均为正例，其余为反例。因此对于不同

75.0000

1

0

0

关注作者

收藏

詹惠儿

如何使用Pandas中的标签进行索引

使用Pandas中的标签进行索引可以使用pandas.DataFrame.loc方法对标签进行索引，该方法允许使用标签而不是位置进行索引。例子：# prints first five rows including 5th index and every columns of df df.loc[0:5,:] # prints from 5th rows onwards and ent

300.0000

1

4

0

关注作者

收藏

詹惠儿

使用Pandas导入数据的步骤

第一步是读取数据。数据存储为逗号分隔值或csv文件，其中每行由新行分隔，每列由逗号（，）分隔。为了能够使用Python中的数据，需要将csv文件读入Pandas DataFrame。DataFrame是一种表示和使用表格数据的方法。表格数据有行和列，就像这个csv文件一样（点击下载）。# Import the pandas library, renamed as pd import pan

120.0000

1

1

0

关注作者

收藏

詹惠儿

使用Groupby函数聚合数据

Groupby方法（聚合）：groupby方法允许我们基于任何行或列将数据组合在一起，因此我们可以进一步应用聚合函数来分析我们的数据。使用mapper（dict或key函数，将给定函数应用于组，将结果作为系列返回）或通过一系列列的组系列。考虑这是由以下代码生成的DataFrame：import pandas as pd import numpy as np # create Dat

0.0000

0

2

0

关注作者

收藏

詹惠儿

pandas如何填充缺失值

填充缺失值：现在，使用数据的均值或模式替换任何NaN值fillna，可以根据需要替换特定列甚至整个DataFrame中的所有NaN值。import numpy as np import pandas as pd # Create a DataFrame dframe = pd.DataFrame({'Geeks': [23, 24, 22], 'For': [10, 12

120.0000

1

4

0

关注作者

收藏

詹惠儿

pandas如何处理丢失的数据

删除丢失的数据：考虑这是由以下代码生成的DataFrame：aimport pandas as pd # Create a DataFrame dframe = pd.DataFrame({'Geeks': [23, 24, 22], 'For': [10, 12, np.nan], 'geeks': [0, np.nan, np.nan]}, co

0.0000

0

2

0

关注作者

收藏

詹惠儿

如何以CSV格式存储DataFrame

Pandas提供to.csv('filename', index = "False|True")将DataFrame写入CSV文件的功能。以下filename是您要创建的CSV文件的名称，并index告知DataFrame的索引（如果为Default）应该被覆盖。如果我们设置那么索引不会被覆盖。默认值为index，然后索引被覆盖。 index = FalseTRUE示例：import pa

120.0000

1

5

0

关注作者

收藏

詹惠儿

python的_future_module函数

_future_module：这基本上不是两个版本之间的区别，但在这里提到有用的东西。__future__模块的想法是帮助迁移。我们可以使用Python 3.x 如果我们在2.x代码中规划Python 3.x支持，我们可以在我们的代码中输入_future_。例如，在Python 2.x代码下面，我们使用__future__模块使用Python 3.x的整数除法行为# In below

0.0000

0

4

0

关注作者

收藏

詹惠儿

python2和3对错误的处理

错误处理：两个版本的错误处理都有一个小的变化。在python 3.x中，'as'关键字是必需的。try: trying_to_check_error except NameError, err: print err, 'Error Caused' # Would not work in Python 3.x ''' Output in Python 2.x: name '

120.0000

1

1

0

关注作者

收藏

詹惠儿

python3中x范围怎么定义

x范围：Python 3.x中不存在Python 2.x的xrange（）。在Python 2.x中，range返回一个列表，即range（3）返回[0,1,2]，而xrange返回一个xrange对象，即xrange（3）返回iterator对象，它与Java迭代器类似，并在需要时生成数字。如果我们需要多次迭代相同的序列，我们更喜欢range（），因为range提供了一个静态列表。xran

0.0000

0

2

0

关注作者

收藏

詹惠儿

Python 2和Python 3中打印函数的区别

打印函数的区别这是最着名的变化。在这里，Python 2.x中的print函数被Python 3.x中的print（）函数替换，即，要在Python 3.x中打印，需要额外的一对括号。print 'Hello, Geeks' # Python 3.x doesn't support print('Hope You like these facts') ''' Output in P

0.0000

0

3

0

关注作者

收藏

詹惠儿

python将数据和时间分成单独的功能

python如何将数据和时间分成单独的功能？# Create date and time with dataframerng = pd.DataFrame()rng['date'] = pd.date_range('1/1/2011', periods = 72, freq ='H') # Print the dates in dd-mm-yy formatrng[:5] #

120.0000

1

2

0

关注作者

收藏

詹惠儿

python创建日期范围并显示基本功能

创建日期范围并显示基本功能# Create date and time with dataframedata = pd.date_range('1/1/2011', periods = 10, freq ='H') x = datetime.now()x.month, x.year输出：（9,2018）

0.0000

0

5

0

关注作者

收藏

詹惠儿

python如何创建日期数据框

创建日期数据框import pandas as pd # Create dates dataframe with frequency data = pd.date_range('1/1/2011', periods = 10, freq ='H') data输出：a

0.0000

0

3

0

关注作者

收藏

詹惠儿

python如何向散列添加属性

Perl中的属性存储为散列引用中的键值对。此外，向代码添加一些属性。package Area;sub new{my $class = shift;my $self ={length => 2, # storing lengthwidth => 3, # storing width};return bless $self, $class;}1;上面的代码（AreaCl

0.0000

0

2

0

关注作者

收藏

詹惠儿

如何通过父类提取子类中的父成员？

如何使用父类名称访问子类中的父成员？# Python example to show that base# class members can be accessed in# derived class using base class nameclass Base(object):# Constructordef __init__(self, x):self.x = xcl

75.0000

1

0

0

关注作者

收藏

詹惠儿

DataFrame中的转换函数

正如我们在输出中看到的那样，数据帧中的所有非缺失值都已映射为true。由于数据帧中没有缺失值，因此没有错误值。 DataFrame中的转换函数 # slice from the 1st row till end df_new = df[1:] # Let's print the new data frame df_new # Now let's print the dat

75.0000

1

4

0

关注作者

收藏

詹惠儿

python如何检测现有/未缺失的值

DataFrame.notna（）函数检测数据框中的现有/非缺失值。该函数返回一个布尔对象，其大小与应用它的对象的大小相同，表示每个单独的值是否为na值。所有非缺失值都映射为true，缺失值映射为false。代码：使用notna()函数查找数据帧中的所有非缺失值。# importing pandas as pd import pandas as pd # Creating the f

0.0000

0

1

0

关注作者

收藏

<1…120121122…340>

CDA考试动态

CDA报考指南