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

kejiayuan0806

Python程序中文输出问题

在Python3中，对中文进行了全面的支持，但在Python2.x中需要进行相关的设置才能使用中文。否则会出现乱码。Python默认采取的ASCII编码，字母、标点和其他字符只使用一个字节来表示，但对于中文字符来说，一个字节满足不了需求。为了能在计算机中表示所有的中文字符，中文编码采用两个字节表示。如果中文编码和ASCII混合使用的话，就会导致解码错误，从而才生乱码。解决办法:交互式命令中

20.7979

1

1

0

关注作者

收藏

PGC123

numpy 数组属性

每个数组有 nidm（数组的维度）、shape（数组每个维度的大小）和 size（数组的总大小）属性：另外一个有用的属性是 dtype，它是数组的数据类型其他的属性包括表示每个数组元素字节大小的 itemsize，以及表示数组总字节大小的属性 nbytes：一般来说，可以认为 nbytes 跟 itemsize 和 size 的乘积大小相等。

20.7979

1

1

0

关注作者

收藏

kejiayuan0806

KNN算法基本步骤

k-近邻算法步骤：1，计算已知类别数据集中的点与当前点之间的距离；2，按照距离递增次序排序；3，选取与当前点距离最小的k个点；4，确定前k个点所在类别的出现频率；5，返回前k个点所出现频率最高的类别作为当前点的预测分类

20.7979

1

3

0

关注作者

收藏

PGC123

numpy 数组常见操作有哪些？

数组的属性　　确定数组的大小、形状、存储大小、数据类型。数组的索引　　获取和设置数组各个元素的值。数组的切分　　在大的数组中获取或设置更小的子数组。数组的变形　　改变给定数组的形状。数组的拼接和分裂　　将多个数组合并为一个，以及将一个数组分裂成多个。

38.6135

2

2

0

关注作者

收藏

kejiayuan0806

字典去重计数

python的数据结构-字典，有一个特性。可以在计数的时候，去重，这比使用列表来计数容易得多字典能够检索内部的键，如果有，就将值 1；如果没有，就新添加一个键，并且值 1.如下：x='abcdaacdefg'y = {}for i in range(len(x)): if x.count(x[i]) >=1: y[x[i]] = x.count(x[i])pr

0.0000

0

2

0

关注作者

收藏

PGC123

numpy 标准数据类型

numpy的标准数据类型有哪些？

20.7979

1

2

0

关注作者

收藏

kejiayuan0806

如何建立稀疏矩阵

20.7979

1

2

0

关注作者

收藏

kejiayuan0806

python常用的异常机制

Python垃圾回收机制Python GC主要使用引用计数（reference counting）来跟踪和回收垃圾。在引用计数的基础上，通过“标记-清除”（mark and sweep）解决容器对象可能产生的循环引用问题，通过“分代回收”（generation collection）以空间换时间的方法提高垃圾回收效率。1 引用计数PyObject是每个对象必有的内容，其中obrefcnt

20.7979

1

3

0

关注作者

收藏

kejiayuan0806

Python中如何捕获异常

如果我们没有对异常进行任何预防，那么在程序执行的过程中发生异常，就会中断程序，调用python默认的异常处理器，并在终端输出异常信息。try...except...finally语句:当try语句执行时发生异常，回到try语句层，寻找后面是否有except语句。找到except语句后，会调用这个自定义的异常处理器。except将异常处理完毕后，程序继续往下执行。finally语句表示，无论异

0.0000

0

4

0

关注作者

收藏

kejiayuan0806

构成时间数列的因素

1、长期趋势（Secular Trends）由于某种根本原因的影响，客观现象在一个相当长的时间内所呈现出来的持续增加或持续减少的一种趋势和状态。例如：随着经济条件、医疗条件的发展，人口出生率有高于死亡率的趋势；随着劳动条件和手段的改善，劳动生产率有上升趋势等。2、季节趋势（Seasonal fluctuation）由于季节的转变而使时间数列发生周期性变化。这种周期性变化是以年为周期的可以预见

20.7979

1

5

0

关注作者

收藏

kejiayuan0806

a定义：卡方统计量的抽样分布称为卡方分布，如果大小为n的所有可能的样本取自方差为σ2的正态分布总体，且对每一样本计算卡方统计量的特定值，则这些特定值将有一个称作卡方分布的连续概率分布（抽样分布）。卡方分布由一个特定的唯一的概率密度函数所定义，函数为：a概率密度函数曲线如下，随着自由度的增加，曲线变成单峰的，且越来越对称。a

0.0000

0

3

0

关注作者

收藏

PGC123

如何指定numpy的数据类型？

如何指定numpy的数据类型？答：当构建一个数组时，你可以用一个字符串参数来指定数据类型：np.zeros(10, dtype='int16')或者用相关的 NumPy 对象来指定：np.zeros(10, dtype=np.int16)

0.0000

0

3

0

关注作者

收藏

kejiayuan0806

jupyter notebook修改行间距

首先，安装jupyterthemes，如下：a然后，输入jt -t grade3 -lineh 300（默认为170，我这修改为300）a最后对比一下：上下图（红框内）对比行间距明显。a

0.0000

0

1

0

关注作者

收藏

kejiayuan0806

python中的常用快捷键的使用

在使用jupyter notebook的时候，使用各种快捷键使得编程更加方便。合并单元格：shift M分割单元格：ctrl shift -列出行数：shift L补全库或者函数名称：tab查看函数的帮助：tab shift切换成code模式：Y切换成markdown形式：M新增上一个单元格：A新增下一个单元格：B

0.0000

0

2

0

关注作者

收藏

PGC123

用%memit和%mprun进行内存分析

分析一个操作所用的内存量，这可以通过 IPython 的另一个扩展来评估，即 memory_profiler。和 line_profiler 一样，首先用 pip 安装这个扩展：pip install memory_profiler然后用 IPython 导入该扩展： %load_ext memory_profiler内存分析扩展包括两个有用的魔法函数：%memit 魔法函数（它提

20.7979

1

2

0

关注作者

收藏

PGC123

用%lprun进行逐行分析

用 %prun 对代码中的每个函数进行分析非常有用，但有时逐行代码分析报告更方便。该功能并没有内置于Python或IPython，但是可以通过安装line_profiler包来实现。首先利用Python的包管理工具 pip 安装 line_profiler 包：pip install line_profiler接下来可以用 IPython 导入 line_profiler 包提供的 IPyt

17.8156

1

0

0

关注作者

收藏

kejiayuan0806

excel中千分号‰和万分号‱的使用

单击【插入】-【符号】在打开的对话框中，【字体】选择Lucida Sans Unicode，【子集】选择广义标点，如下图所示：aa但是，这样插入的符号是不能用于计算的。如果需要参与计算，我们可以用Substitute函数来协助完成。Substitute函数用于将字符串中部分字符串以新字符串替换，语法如下：SUBSTITUTE(text, old_text, new_text, [

20.7979

1

2

0

关注作者

收藏

PGC123

ipython 如何分析 python脚本

一个程序是由很多单个语句组成的，有时候对整个脚本计时比对单个语句计时更重要。 Python 包含一个内置的代码分析器（你可以在 Python 文档中了解更多相关信息），但是 IPython 提供了一种更方便的方式来使用这个分析器，即通过魔法函数 %prun 实现。使用方法如下： %prun 语句结果是一个表格，该表格按照每个函数调用的总时间，显示了哪里的执行时间最长。

0.0000

0

2

0

关注作者

收藏

kejiayuan0806

回归分析的目标是研究因变量与引起其变化的自变量之间的函数关系。从理论上来说，每组变量（一个因变量和多个自变量）在按照算法实施计算后，都能产生一个或多个函数式（回归方程）。在系统生成回归方程后，必须考察回归方程的有效性。只有有效的回归方程，才有价值。利用有效的回归方程，人们可以基于自变量计算出因变量的值，从而可以实现预测、分析、探索等下一步活动。在回归分析中，评价回归方程的质量非常重要，借助高质量的

0.0000

0

3

0

关注作者

收藏

PGC123

python代码段计时工具%timeit 和 %time

%timeit 是行魔法 %%timeit是段魔法，可以分别用来测试一行和一段代码的运行时长的。用 %time 计时也比用 %timeit 计时花费的时间要长。这是由于 %timeit 在底层做了一些很聪明的事情来阻止系统调用对计时过程的干扰。例如，%timeit 会阻止清理未利用的 Python 对象（即垃圾回收），该过程可能影响计时。因此，%timeit 通常比 %time 更快得

0.0000

0

0

0

关注作者

收藏

<1…132133134…340>

CDA考试动态

CDA报考指南