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

wangjuju123

Bagging和Boosting的概念与区别

随机森林属于集成学习（Ensemble Learning）中的bagging算法。在集成学习中，主要分为bagging算法和boosting算法。我们先看看这两种方法的特点和区别。Bagging（套袋法）bagging的算法过程如下：从原始样本集中使用Bootstraping方法随机抽取n个训练样本，共进行k轮抽取，得到k个训练集。（k个训练集之间相互独立，元素可以有重复）对于k个训练

0.0000

0

1

0

关注作者

收藏

291294878

Python函数any()和all()的用法及区别介绍

用python判断一个string是否包含一个list里的元素。使用python的内置函数any()会非常的简洁fruits = ['apple', 'orange', 'peach']str = "I want some apples"if any(element in str for element in fruits):print "string contains some fru

285.3200

1

6

0

关注作者

收藏

wangjuju123

Matplotlib之柱状图

前面了解了折线图在python中的基础绘制之后，今天让我们一起感受一下柱状图的绘制过程。柱状图(bar chart)，是一种以长方形的长度为变量的表达图形的统计报告图，由一系列高度不等的纵向条纹表示数据分布的情况，用来比较两个或以上的价值（不同时间或者不同条件），只有一个变量，通常利用于较小的数据集分析。柱状图亦可横向排列，或用多维方式表达。主要用于数据的统计与分析，早期主要用于数学统计学科中

0.0000

0

3

0

关注作者

收藏

wangjuju123

Matplotlib之折线图绘制

（一）复习1. 导入作图的相关包 2.创建变量，进行绘图图例和颜色在上一贴都有介绍，这里就不做赘述。3.打印统计图以上是对前一章节内容一个简单的复习。（二）新知1. 创建基本统计图 2.输出统计图 3．对图布分组3.1第一种结果输出如下图： 3.2第二种结果输出如下图： 4.在图中加备注和箭头结

133.3072

1

3

0

关注作者

收藏

wangjuju123

python绘图中设置线条、颜色

设置不同线条：设置不同颜色：

0.0000

0

3

0

关注作者

收藏

wangjuju123

绘图包这么多该怎么选？

下面列举了部分在Python中可进行数据可视化操作的包。 Matplotlib Matplotlib算是Python中绘图最基本的包了，用起来也比较接地气，用Matplotlib做的最多的是2D的图像，并且使用Matplotlib做简单的数据可视化是非常容易便捷的 Pandas Pandas是基于Matplotlib实现绘图的，因为Pandas对Matp

0.0000

0

4

0

关注作者

收藏

wangjuju123

数据可视化的重要性？

不难发现，在每一份数据分析报告中，总有一部分内容是不可或缺的——图表，为什么我们在做数据分析时会觉得图表是极其重要的一部分内容，或者说为什么要做数据可视化呢？举个简单的例子，下面是一个餐厅就餐信息的统计（前五行）如果只看数据的话，我们能知道，顾客的每一单总金额是多少、给小费情况如何、性别、是否吸烟等，这就是从数据中可以直观获得的信息。但是，如果想获得更多的信息，貌似是比较困难的。那我们接

0.0000

0

7

0

关注作者

收藏

阿抽哥哥

Pandas中时间序列数据有哪些？

日期与时间数据主要包括三类：时间戳表示某个具体的时间点（例如2015年7月4日上午7点）时间间隔与周期表示开始时间与结束时间点之间的时间长度，例如2015年（指的是2015年1月1日至2015年12月31日这段时间间隔）。周期通常是指一种特殊形式的时间间隔，每个间隔长度相同，彼此不会重叠（例如，以24小时为周期构成每一天）。时间增量（time delta）或持续时间（duration）表示精

0.0000

0

0

0

关注作者

收藏

啊啊啊啊啊吖

使用rmarkdown

数据报告是作为数据分析师必不可少的工作之一，而目前大部分数据分析师所处环境可能是excel画图制表，然后制作成word或者email的方式。对于周期性的报告，每次重复操作其实蛮痛苦的。首先建立一个knitr文档，你可以File-New File-R Markdown ，也可以直接点File下面的然后创建。a接下来会提示你生成哪一种，我们这里直接选择Document好了，如果你想做PPT可以使

0.0000

0

3

0

关注作者

收藏

阿抽哥哥

Pandas有哪些时间序列的数据结构？

·针对时间戳数据，Pandas提供了Timestamp类型。它本质上是Python的原生datetime类型的替代品，但是在性能更好的numpy.datetime64类型的基础上创建。对应的索引数据结构是DatetimeIndex。·针对时间周期数据，Pandas提供了period类型。这是利用numpy.datetime64类型将固定频率的时间间隔进行编码。对应的索引数据结构是PeriodIn

0.0000

0

2

0

关注作者

收藏

啊啊啊啊啊吖

R访问accdb文件调式

最近尝试用RStudio访问accdb文件，碰到了以下问题以及解决办法：首先说明下最初的运行环境：R-3.3.2 64bit，win7 64bit。加载RODBC之后，运行脚本：conn

0.0000

0

4

0

关注作者

收藏

啊啊啊啊啊吖

用R实现wald检验

本人在学习分位数回归，不知道除了看P值和置信区间外还能通过什么办法来看出模型拟合优度和参数显著性？看见有些论文里采用WALD检验方法，但是不知道R是如何实现WALD检验的，找老师请教和自己找文档算是找到一种方法，给大家参考。用wald.test()就行，在aod包里。这个函数长成这个样子——wald.test(Sigma, b, Terms = NULL, L = NULL, H0 = N

0.0000

0

2

0

关注作者

收藏

啊啊啊啊啊吖

关于R代码运行错误的问题

实际工作中遇到的：RUS1mRUS1m[i,j]} else if(io1m.m[i,j]-io1m.m$US

0.0000

0

1

0

关注作者

收藏

啊啊啊啊啊吖

txt中标题的问题

小师妹急匆匆的跑过来问我：txt中标题行有空值导致的标题与数据不对等，这种情况下怎么R读取呀？😅实际上，标题行一般是不允许有空值的，因为第一行是变量行的话，就代表的一列数据的变量名，如果缺失的话，可以自己手工补上，如果不想补上，就在read.table时，设置header=FALSE,再把第一行给去掉，就ok了😁，在学习R里的你get到了吗。

0.0000

0

2

0

关注作者

收藏

啊啊啊啊啊吖

向量误差修正模型案例分析

> ############################> #1.生成数据> set.seed(12345)> u1 u2 u3 y1 y2

0.0000

0

1

0

关注作者

收藏

啊啊啊啊啊吖

tinytex编译中文的问题

在用latex做PPT的时候遇到一个奇葩的问题，section与subsection中不能写中文。第一种解决问题参考：第一，就是模板并不支持中文显示，需要CJK 或者xetex xeCJK等等来对中文支持做一些额外工作。以CJK为例：必须先引入一个 CJK 环境：\begin{CJK*}{GBK}{song}中文\end{CJK*}第二，就是中文字体配置是否正确，比如CJK所指定的编

0.0000

0

2

0

关注作者

收藏

啊啊啊啊啊吖

R来实现业务指标地图

作为任何有多地区业务的公司，如果能在地图上展示业绩，是一件多么酷的事情，下面上图片。a这张图展现的是江苏某行的存款规模，越红说明越高，苏州是第一梯队，南京，无锡市第二梯队，徐州、南通、常州是第三梯队，其他惨白的都是苏北地区，是第四梯队。当然数据方面我进行了加工，与真实数据还是有出入的，只是做个范例。R语言制作图表的步骤很简单，一般无非是以下流程，很多人想不明白为什么必须要用R语言来画图，有

0.0000

0

2

0

关注作者

收藏

啊啊啊啊啊吖

R里par和ggplot的问题

有学妹问我，想把ggplot画的条形图4个分2*2显示先par(mfrow=c(2,2))然后ggplot(q,x,y) geom_bar(stat = "identity");ggplot;g;g;为什么只显示最后一个图，而且只有一个，而不是四个？这是因为：ggplot不能用par分图，可以先用ggplot包做出几张图，然后使用gridExtra包将几张图合并在一起。

0.0000

0

2

0

关注作者

收藏

啊啊啊啊啊吖

R里插入时间的问题

（1）已知时间尺度为小时的一系列数据，现在想让小时尺度转化为半小时尺度，即已知t1,t2。现在想变为t1,t1.5,t2，并且是t1.5的值等于t1和t2的二分之一，该怎么处理?require('tidyr')full_seq(c(1, 2, 3, 4, 5), 0.5)（2）已知时间尺度为10 分钟尺度的一系列数据，现在想让10分钟尺度转化为半小时尺度，即在t0.1,t0.2,t0.

0.0000

0

2

0

关注作者

收藏

阿抽哥哥

为什么Pandas导入数据失败啊？

失败报错： Pandas在读取csv文件时，如果文件路径或csv文件名包含中文的话则会报错，在读取文件时确保使用英文路径与英文文件名。也可以在read_csv中使用open方法读取。

0.0000

0

2

0

关注作者

收藏

<1…307308309…340>

CDA考试动态

CDA报考指南