| | | | |

2019年12月29日

摘要： 1 import pandas as pd 2 import numpy as np 3 4 5 def build_data(): 6 """ 7 加载数据 8 :return: 9 """ 10 # 1、加载数据 11 data = pd.read_excel("./电影分类数据.xlsx") 阅读全文

posted @ 2019-12-29 19:57 可西可彻阅读(207) 评论(0) 推荐(1)

【机器学习】k-means——航空用户聚类分析案例

摘要： 1 import pandas as pd 2 import numpy as np 3 from sklearn.cluster import KMeans 4 import matplotlib.pyplot as plt 5 6 7 def stand_sca(data): 8 """ 9 标阅读全文

posted @ 2019-12-29 19:55 可西可彻阅读(1112) 评论(0) 推荐(1)

【机器学习】k-means算法原理自实现

摘要： 1 import pandas as pd 2 import numpy as np 3 import matplotlib.pyplot as plt 4 from sklearn.cluster import KMeans # 导入k-means 5 6 7 def build_data(): 阅读全文

posted @ 2019-12-29 19:51 可西可彻阅读(217) 评论(0) 推荐(1)

【数据分析&数据挖掘】非数值型数据的哑变量转化、连续型数据离散化——等宽分组&等频分组

摘要： 1 import pandas as pd 2 import numpy as np 3 4 # 加载数据 5 detail = pd.read_excel("../day05/meal_order_detail.xlsx") 6 # print("detail ：", detail) 7 prin 阅读全文

posted @ 2019-12-29 19:50 可西可彻阅读(927) 评论(0) 推荐(1)

【数据分析&数据挖掘】相同数据结构互相填充

摘要： 1 import pandas as pd 2 3 # 加载数据 4 data_1 = pd.read_excel("./填充数据.xlsx", sheetname=0) 5 data_2 = pd.read_excel("./填充数据.xlsx", sheetname=1) 6 7 print(" 阅读全文

posted @ 2019-12-29 19:48 可西可彻阅读(174) 评论(0) 推荐(1)

【数据分析&数据挖掘】相关性计算+数据分析流程

摘要： 1 import pandas as pd 2 3 detail = pd.read_excel("../day05/meal_order_detail.xlsx") 4 # print("detail: \n", detail) 5 print("detail的列名称: \n", detail.c 阅读全文

posted @ 2019-12-29 19:46 可西可彻阅读(698) 评论(0) 推荐(1)

【数据分析&数据挖掘】缺失值的检测与处理——删除法、填充法&插值法

摘要： 1 import pandas as pd 2 import numpy as np 3 4 # 加载数据 5 data = pd.read_excel("../day07/qs.xlsx") 6 # print("data: \n", data) 7 print("data的列索引: \n", d 阅读全文

posted @ 2019-12-29 19:44 可西可彻阅读(1620) 评论(0) 推荐(1)

【数据分析&数据挖掘】数据合并和拼接案例

摘要： 1 import pandas as pd 2 import numpy as np 3 4 # 加载数据——detail 5 detail_1 = pd.read_excel("./meal_order_detail.xlsx", sheetname=0) 6 detail_2 = pd.read 阅读全文

posted @ 2019-12-29 19:41 可西可彻阅读(570) 评论(0) 推荐(1)

【数据分析&数据挖掘】拉格朗日插值法

摘要： 1 from scipy.interpolate import lagrange 2 import pandas as pd 3 import numpy as np 4 5 # 加载数据 6 data = pd.read_excel("./qs.xlsx") 7 # print("data: \n 阅读全文

posted @ 2019-12-29 19:40 可西可彻阅读(772) 评论(0) 推荐(1)

【数据分析&数据挖掘】异常值的判断与去除——3σ & 箱线图分析

摘要： 1 import pandas as pd 2 3 # 异常值 ——远离正常值范围的错误值 4 # 异常值 ——删掉 5 6 # 异常值判断 ——3σ 箱线图分析 7 8 # 3σ 接住标准正态部分得到的规律——99.73%都在(μ-3α,μ+3α)之间，超过这个范围的数据认为是异常的 9 10 d 阅读全文

posted @ 2019-12-29 19:39 可西可彻阅读(4666) 评论(0) 推荐(1)

2019年12月29日

公告