python-数据科学专业问答社区-CDA答疑社区

热线电话：13121318867

登录

开花结果02

python：unique和nunique的区别

问题：unique和nunique的区别解答：两个都是返回数据中的唯一值， unique 返回的是唯一值的数值， nunique 返回的所有唯一值的个数。举个例子：

42.5957

2

4

0

关注作者

收藏

开花结果02

python：如何更新numpy和pandas的版本

问题：如何更新numpy和pandas的版本解答：用管理员权限打开终端，执行下面的代码依次执行这三行代码：pip install --upgrade pandas==0.25.1 -i https://pypi.tuna.tsinghua.edu.cn/simple pip install --upgrade pandas==1.17.2 -i https://pypi.tuna.tsinghua

42.6411

3

2

0

关注作者

收藏

cxm272965

Python可视化库——Matplotlib和Seaborn库

数据可视化库——Matplotlibimport matplotlib.pyplot as plt1默认可视化操作plt.plot()：画图plt.show()：显示设置参数plt.xticks(rotation)：变量名倾斜plt.xlable(‘变量名’)：x轴名称plt.ylabel(‘变量名’)：y轴名称plt.title()：标题名称子图fig=plt.figure()：指定默认画图空间

27.5907

2

1

0

关注作者

收藏

cxm272965

深入浅出之dtype( )和astype( )函数

NumPy最重要的一个特点就是其N维数组对象（即ndarray），该对象是一个快速而灵活的大数据集容器。你可以利用这种数组对整块数据执行一些数学运算，ndarray是一个通用的同构数据多维容器，也就是说，其中的所有元素必须是相同类型的。1. 属性dtype用于说明数组中的数据类型的对象2. 函数dtype( )作用：结构化数组类型并加以使用语法：numpy.dtype(object, alig

27.5907

2

4

0

关注作者

收藏

cxm272965

pandas删除某一列的方法

删除sub_grade_列，输入del df['sub_grade_x'] 方法二：采用drop方法，有下面三种等价的表达式：1. df= df.drop('column_name', 1)输入:df,drop('num',axix=1),不改变内存，及输入df的时候，它还是显示原数据 2. df.drop('column_name',axis=1, inplace=True)输入:df.dr

27.4900

1

1

0

关注作者

收藏

cxm272965

matplotlib画图和 seaborn画图的对比

#__author__ = 'Administrator'#coding:utf-8import pandas as pdimport matplotlib.pyplot as pltimport seaborn as snsdata=pd.read_csv("./dataset/test.csv")#在matplotlib中的画直方图plt.figure()plt.hist(data["Age"

27.5907

2

1

0

关注作者

收藏

cxm272965

关于数据清洗工作的理解

数据清洗是做什么的，为什么要进行数据清洗工作，什么样的数据叫脏数据，脏数据如何进行数据的处理数据清洗(Data cleaning)– 对数据进行重新审查和校验的过程，目的在于删除重复信息、纠正存在的错误，并提供数据一致性。数据清洗从名字上也看的出就是把"脏"的"洗掉"，指发现并纠正数据文件中可识别的错误的最后一道程序，包括检查数据一致性，处理无效值和缺失值等。因为数据仓库中的数据是面向某一主题的数

0.1006

1

2

0

关注作者

收藏

开花结果02

python:数据预处理中如何将series转换成一个dataframe

问题：数据预处理中如何将series转换成一个dataframe解答：原始处理对象NA是一个Series,我们想对其进行列名的添加修改不能直接操作，需要将其转换成dateframe,那么怎么转换呢？需用用到.reset_index()函数，将其index提取出来组成一个dataframe，然后我们在重命名columns最后我们在修改列名,这样就完成啦

42.7682

4

6

0

关注作者

收藏

haoyumeng

全0阵np.zeros((3, 5), dtype=int) （形状，数据类型）全1阵np.ones((3, 3, 3), dtype="int32") （形状，数据类型）单位阵np.eye(3, dtype=int) （行列数，数据类型）对角阵np.diag([1, 5, 300, 444, 44, 666, 77]) 对角的数值设置具体的值阵np.

27.6626

3

2

0

关注作者

收藏

开花结果02

python:如果一个特征是连续性变量，那对变量进行空缺值填补和编码操作是在切分数据集之前还是之后

问题：如果一个特征是连续性变量，那对变量进行空缺值填补和编码操作是在切分数据集之前还是之后解答：最严格的方法应该是在切分之后做。如果先填充空缺值，然后做编码，全部做好之后再切分的，这个方法是不严谨的方法。最严谨的方法是要先切分再做空缺值的填充与编码。我们直接使用sklearn的包来帮助我们很简便的实现，先切分数据集，再做处理的代码。

40.1195

3

5

0

关注作者

收藏

开花结果02

python:.describe和.info有什么区别

问题：.describe和.info有什么区别解答：.info给出样本数据的相关信息概览：行数，列数，列索引，列非空值个数，列类型，内存占用 .describe给出样本数据的一些基本的统计量，包括均值，标准差，最大值，最小值，分位数等。举个小例子：数据集：.info返回的结果：.describe返回的结果：

40.1195

3

2

0

关注作者

收藏

姚慧扬

面向对象的课上笔记

所有实例化出来的对象,同时获得类属性面向三大特性:封装,继承,多态类的两个东西类属性(变量,数据)类方法(函数,动作)访问类属性的时候不需要括号;访问类方法的时候就需要括号

27.5542

2

3

0

关注作者

收藏

开花结果02

python:使用print输出和直接使用变量名输出有什么区别

问题：使用print输出和直接使用变量名输出有什么区别解答：如果只是看下变量的取值是什么，这两个方法都可以，查看数据类型的话，print打印的变量是NoneType类型，直接用变量名输出的，变量是什么数据类型就是什么数据类型。查看变量取值的话，哪种方法都可以，有时候在程序编写的过程中，有些结果直接看不了需要用print 打印出来才能看。

27.8808

4

5

0

关注作者

收藏

开花结果02

python:如何快速查看每个特征下缺失值的占比

问题：如何快速查看每个特征下缺失值的占比解答：df是原始的数据集，这样每一列在每个特征下的缺失值的占比就可以计算出来了然后再将缺失值大于0的特征列提取出来进行填补或者删除就可以了

27.8167

2

4

0

关注作者

收藏

anranhui

Python关于%matplotlib inline

%matplotlib作用是在使用jupyter notebook 或者 jupyter qtconsole的时候，才会经常用到%matplotlib，使用%matplotlib命令可以将matplotlib的图表直接嵌入到Notebook之中，或者使用指定的界面库显示图表，它有一个参数指定matplotlib图表的显示方式。inline表示将图表嵌入到Notebook中。具体作用是当你调用mat

104.1463

2

3

0

关注作者

收藏

开花结果02

python:如何将标签快速的加到数据集的最后一列

问题：在数据集中，我们往往将标签放在最后一列，那如何快速的取出标签那一列然后放到数据集的后面呢？解答：原数据：可以用.pop的方法，返回要删除的那一列，然后在加到原始数据集中，这样标签就到最后一列了

104.1463

2

3

0

关注作者

收藏

开花结果02

python：决策树中样本不均衡的问题怎么解决

问题：决策树中样本不均衡的问题怎么解决？解答：用到class_weight这个参数当class_weight=“balanced”的时候，计算机会自己计算出样本之间的一个平衡点，不会做自己在去手动计算样本之间的比例但是细心的同学发现为什么调整样本比例之后，模型的评分竟然变低了？这是因为我们增加了小数量样本的权重，在学习的过程中，模型会更加小心的对待这样小数量样本，所以会误伤更多的大数量样本，所以才

40.8115

3

1

0

关注作者

收藏

开花结果02

python:为什么代码一致，生成的树模型不同？

问题：为什么代码一致，生成的树模型不同？解答：sklearn的决策树，在树生长的过程当中，为了防止局部最优，引入了随机性为什么呢？因为可能会由于噪音的问题，切分数据集的问题，有可能会导致某一个不重要的特征恰好在计算的过程当中变成了最重要的特征导致训练出来的树，是局部最优的，有偏。而且每一次训练出来的树都是一样sklearn引入了随机性，在特征选取的过程当中，通过gini计算，信息增益，选出最好的n

40.7117

2

1

0

关注作者

收藏

开花结果02

python:决策树模型特征选取方法中选择不同的不纯度计算方法分别代表使用什么算法？

问题;决策树模型特征选取方法中选择不同的不纯度计算方法分别代表使用什么算法？解答：通常选择gini，即CART算法，如果选择entropy，则代表ID3和C4,.5算法那么平时怎么选取这个参数呢？通常就使用基尼系数就可以了如果数据维度很大，噪声很大时使用基尼系数如果维度低，数据比较清晰的时候，信息熵和基尼系数没区别当决策树的拟合程度不够的时候，使用信息熵两个可以都试试，不好就换另外一个

40.7117

2

1

0

关注作者

收藏

开花结果02

python:树模型中是否需要去量纲的操作

问题：树模型中是否需要去量纲的操作解答：不需要。树模型是不受量纲的影响的，因为它不是基于距离计算的模型，没有必要算样本之间距离，所以没有必要做去量纲的操作，另外树模型对异常值也是不敏感的。

40.7117

2

5

0

关注作者

收藏

<1…789…14>

CDA考试动态

CDA报考指南