热线电话：13121318867

登录
热搜话题:
ai长文生成
Scikit-learn
Python
大数据
数据分析师
统计学
微积分
线性代数
Excel
Power BI
R语言
SPSS
Mysql
快速发帖
我要提问
最新
热门
关注
推荐
问答
CDA117513
python 办公自动化--如何将1000张Excel合并成1张表？
附件文件：products_data.zip案例一：如何将 products_data.zip中的一千张表合并为一张表？代码演>>>## 导入工具包import pandas as pdimport os## 新建空的列表，来装所有的列表df_list = []## 循环读取Excelfor i in os.listdir('./products_data'): # 注意，这里的'./produc
181.5418
0
0
关注作者
收藏
CDA117513
python 办公自动化--如何将1张Excel表拆成1000张表？
附件文件：产品销售情况数据.xlsxsample_data.xlsx案例一（产品销售情况数据.xlsx）：如何将“产品销售情况数据表”中每个产品的信息提取出来，成为一张单独的表？在Python中进行代码演练>>>导出一千张表（一千个产品）在同个目录文件夹下（操作的时候注意自己新建一个指定文件夹，以防文件数量过多，不好删除）## 导入工具包import pandas as pd## 读取 Excel
181.5418
0
0
关注作者
收藏
CDA117513
Python基础精华笔记（价值10W的快速复习资料！！！）
Python基础(精华笔记).pdf
164.4539
0
0
关注作者
收藏
CDA持证人阿涛哥
关于时间序列LSTM 参数一
1, ts_predictions = model.predict(X_test) 把符合要求的数据X_test输入给预测模型, 输出值为预测值2, reality=scaler.inverse_transform(ts_predictions) 将LSTM 预测出的预测值输入转换为实际数据值
123.8787
0
0
关注作者
收藏
CDA117513
python统计学部分理论知识：【参数估计+假设检验】笔记+公式（徐杨老师）
CDA发文python统计学部分理论知识：笔记+公式（徐杨老师）.pdf
339.3840
0
0
关注作者
收藏
estherAI
pandas常用方法
一、数据读取 1. pd.read_csv()/df.to_csv()2. pd.read_excel()/df.to_excel()：可以写到具体的sheet 3. pd.read_json()/()df.to_json() 4. pd.read_html()：返回列表形式，列表中数据为数据帧 5. pd.read_clipboard() 6. 数据库读取： import pymysql fro
104.0510
0
0
关注作者
收藏
estherAI
python写圣诞树
# -*- coding: utf-8 -*-# @Time : 18-12-26 上午9:32# @Author : Felix Wangimport turtle# 定义圣诞树的绿叶函数def tree(d, s): if d
582.6011
0
0
关注作者
收藏
CDA117513
Python统计：假设检验（课堂代码&笔记）
假设检验import numpy as npimport pandas as pd调试代码的数据集：dir(datasets)# 加载数据（鸢尾花）from sklearn import datasetsdir(datasets)iris_raw=datasets.load_iris()iris_rawiris_raw.target # target是分类,调出iris_raw.data# arr
348.8459
0
0
关注作者
收藏
estherAI
python内置函数
pythonneizhihanshu
331.0855
0
0
关注作者
收藏
CDA117513
python数据清洗案例代码（速查 helpfull!!!）<拉钩网数据探索2>
读取查看文件df = pd.read_csv("lagou-clean.csv") #清洗后的数据df.head(3)df=df.drop(['Unnamed: 0'],axis=1)df.head(3)对薪资这一个特征做一个简单的分析新增列 平均薪资，放在薪资的后面平均薪资为最高薪资和最低薪资的平均值, 比如10k-20k, 平均薪资是 15000df['薪资']=df['薪资'].str.l
255.8567
0
0
关注作者
收藏
CDA117513
python数据清洗案例代码（速查 helpfull!!!）<拉钩网数据分析1>
导入查看数据df=pd.read_csv('lagou1.csv')df.head(3)查看数据df.shapedf.info()缺失值处理提取出公司名称缺失的行，并删除该行df[df['公司名称'].isnull()]df.dropna(subset=['公司名称'],axis=0,inplace=True)提取出公司地点有缺失的行, 并且删除这些行df[df['公司地点'].isnull()]
172.3530
0
0
关注作者
收藏
CDA117513
python数据清洗案例代码（速查 helpfull!!!）
读取数据以及数据整理[25]:with open( 'QQ.txt',mode='r',encoding='utf-8') as file: txt=file.read()txt分别提取时间,用户名,聊天内容[27]:#正则表达式提取#提取信息import rere_pat='20[\d-]{8}\s[\d:]{7,8}\s.*[\)>]'#正则表达式,'.*'代表任意组合log_title
48.1037
0
0
关注作者
收藏
CDA117845
Python连接MySQL_笔记
0.7.Python连mysql数据库.pdf
46.3778
0
0
关注作者
收藏
CDA117513
python数据清洗案例代码（速查 helpfull!!!）<谷歌论文数据清洗>
读取数据df=pd.read_cvs('.csv',index_col=0)df.head()df.info()df.shape数据清洗删除重复数据df.dulpicated().sum()df['标题'].unique()标题处理df['标题']=df['标题'].str.strip('[PDF] ')提取引用次数df['引用次数']=df['引用次数'].str.findall('\d+').
201.2724
0
0
关注作者
收藏
CDA117513
python数据清洗案例代码（速查 helpfull!!!）<餐厅订单详情表分析>
导入数据df1=pd.read_excel('.xlxs',sheetname='')df2=...df=pd.concat([df1,df2,df3],axis=0) #axis=0>>>detail_iddf.reset_index(drop=True,inplace=True)df.shapedf,info()清洗数据检查是否存在重复值df.duplicated().sum()删除缺失的字段
206.9696
0
0
关注作者
收藏
CDA117513
python数据清洗案例代码（速查 helpfull!!!）<淘宝电商案例>
读取并探索数据df=pd.read_csv('.csv')df.shapedf.info()查看数值型字段的描述性统计信息df.describe(include='all')#If include='all' is provided as an option, the result will include a union of attributes of each type. The inclu
75.5484
0
0
关注作者
收藏
CDA117513
python数据清洗案例代码（速查 helpfull!!!）《Stockholm气温的数据分析》
数据清洗outdoor数据df1=pd.read_csv('.csv',index_col=0) #没有索引，设置/增加df1.columns=['A','B'] #有列名，修改df1.shapedf1.info()df1['']=pd.to_datetime(df1[''],unit='s')indoor 数据df2=pd.read_csv('.tsv',sep='\t',names=['A'.
75.5484
0
0
关注作者
收藏
CDA117513
Pandas中快速转换数据类型的10个技巧（推荐！！！）
目录：将字符串/int转换为int/float将浮点数转换为int转换混合数据类型的列处理缺失值将货币列转换为浮点数将布尔值转换为0/1一次性转换多个数据列读取CSV文件时定义数据类型创建一个自定义函数来转换数据类型astype()与to_numeric()的比较(本文翻译自：https://towardsdatascience.com/converting-data-to-a-numeric-t
75.5484
0
0
关注作者
收藏
CDA117513
python数据清洗案例代码（速查 helpfull!!!）<欧洲城市人口普查>
1. 导入数据 df=pd.read_csv('.csv')df.head()2. 初步探索数据2.1. 查看数据类型df.info()2.2. 查看Shapedf.shape2.3. 是否有缺失值3. 对数据进行清洗3.1. 城市 df[''].unique()df['']=df[''].str.strip('[2107]')3.2. 国家df['']=df[''].str.strip()3.3
75.5484
0
0
关注作者
收藏
CDA117513
Pandas 文件读取规范
5 - Pandas - Reading CSV and Basic Plotting.pdf
44.5165
0
0
关注作者
收藏
<123…61>
CDA考试动态
考试介绍
考试大纲
考试内容
考试地点
CDA报考指南
报考流程
考试时间
报名费用
联系我们
热门栏目
考试动态
报考指南
复习备考
职业发展
直播公开课
经验分享
Copyright © 2015-2020, www.pinggu.com All Rights Reserved. CDA数据分析师(北京国富如荷网络科技有限公司) 版权所有 京ICP备18052299号-1