banlucainiao - 博客园

摘要：聚类分析：对样品或指标进行分类的一种分析方法，依据样本和指标已知特性进行分类。本节主要介绍R语言层次聚类分析，一共包括3个部分，每个部分包括一个具体实战例子。 1、常规聚类过程：一、首先用dist()函数计算变量间距离 dist.r = dis... 阅读全文

posted @ 2017-12-22 11:38 banlucainiao 阅读(253) 评论(0) 推荐(0)

摘要：写在前面在此总结一些在数据分析/挖掘中可能用到的功能，方便大家索引或者从一种语言迁移到另一种。当然，这篇博客还会随时更新（不会另起一篇，为了方便大家索引），请大家如果有需要收藏到书签中。如果大家还知道哪些常用的命令，也可以在评论中回复我。... 阅读全文

posted @ 2017-12-22 11:21 banlucainiao 阅读(41) 评论(0) 推荐(0)

摘要：使用numpy包： import numpy as npa=np.array(([1,2,3,4]))np.median(a)#中位数np.percentile(a,95)#95%分位数参考： https://docs.scipy.org/doc/num... 阅读全文

posted @ 2017-12-22 11:02 banlucainiao 阅读(79) 评论(0) 推荐(0)

摘要：在R语言中，经常会遇到变量名称和字符串相互转换的问题。比如说，进行1000次循环运算，并将运算结果存储在1000个变量中，如x_1, x_2, ... , x_1000。这时候可以使用assign()函数，示例如下： > a 错误: 找不到对象'a' > a... 阅读全文

posted @ 2017-12-22 10:34 banlucainiao 阅读(322) 评论(0) 推荐(0)

摘要：一、数据的概括性度量 1、统计学概括：统计学是应用数学的一个分支，主要通过利用概率论建立数学模型，收集所观察系统的数据，进行量化的分析、总结，并进而进行推断和预测，为相关决策提供依据和参考。统计学主要又分为描述统计学和推断统计学。... 阅读全文

posted @ 2017-12-22 10:03 banlucainiao 阅读(207) 评论(0) 推荐(0)

摘要：因为在写论文的时候用到，所以和大家分享。原地址为 http://rstudio-pubs-static.s3.amazonaws.com/1876_df0bf890dd54461f98719b461d987c3d.html 考虑到原地址可能失效，这里... 阅读全文

posted @ 2017-12-21 16:25 banlucainiao 阅读(660) 评论(0) 推荐(0)

摘要： 1. 在使用python时，常常会出现Memory Error，主要是由于python不会自动回收内存，造成内存一直占用，可以采取手动释放内存的方法，详见http://blog.csdn.net/nirendao/article/details/4442620... 阅读全文

posted @ 2017-12-15 12:11 banlucainiao 阅读(34) 评论(0) 推荐(0)

摘要：在上篇博客中，提到了对一个脚本进行的多次优化。当时以为已经优化得差不多了，但是当测试人员测试时，我才发现，踩到了Python的一个大坑。在上文的优化中，对每500个用户，会进行一些计算并记录结果在磁盘文件中。原本以为这么做，这些结果就在磁盘文件中了，而... 阅读全文

posted @ 2017-12-15 12:01 banlucainiao 阅读(117) 评论(0) 推荐(0)

摘要： loc——通过行标签索引行数据 iloc——通过行号索引行数据 ix——通过行标签或者行号索引行数据（基于loc和iloc 的混合）同理，索引列数据也是如此！举例说明： 1、分别使用loc、iloc、ix 索引第一行的数据: （1）loc... 阅读全文

posted @ 2017-12-14 17:33 banlucainiao 阅读(43) 评论(0) 推荐(0)

摘要：在用Anaconda的Spyder读取包含中文的文件时，会出现中文乱码现象，也会报错如下：报错： 'utf8' codec can't decode byte 0xbb in position 2: invalid start byte 报错的意... 阅读全文

posted @ 2017-12-13 12:07 banlucainiao 阅读(165) 评论(0) 推荐(0)