07 2018 档案
摘要：2.1 用图表表示定性数据 1、频数分布表 对数据进行分类，列出所有的类别，然后统计每一类别的频数。 频数：频数分布表中落在某一特定类别的数据个数叫做频数。 有两个变量交叉分类的频数分布表称为列联表，也称交叉表。 定性数据，除了用频数分布表，还可以使用比例、百分比、比率等统计量进行描述。 比例：一个
阅读全文
摘要：1、戴夫.麦克卢尔 的海盗指标说 麦克卢尔将创业公司最需要关注的指标分为五大类： 1）获取用户Acquisition 2）提高活跃度 Activation 3）提高留存率 Retention 4）获取营收 Revenue 5）自传播 Referral 这一模型，描述了用户/客户/访客须经历的五个环节
阅读全文
摘要：3.2 数据特征分析 3.2.1 分布分析 分布分析能解释数据的分布特征和分布类型。 定量数据，欲了解其分布形式是对称还是非对称的，发现某些特大或特小的可疑值，通过绘制频率分布表、绘制频率分布直方图、茎叶图进行直观分析； 定性数据，用饼图和条形直方图直观地显示分布情况。 3.2.2 对比分析 对比分
阅读全文
摘要：《Python数据分析与数据挖掘实战》 第3章节目录 3.1 数据质量分析 3.1.1 缺失值分析 3.1.2 异常值分析 3.1.3 一致性分析 3.2数据特征分析 3.2.1 分布分析 3.2.2 对比分析 3.2.3 统计量分析 3.2.4 周期性分析 3.2.5 贡献度分析 3.2.6 相关
阅读全文
摘要：笔记--第1章 1、最小可行化产品 指足以向市场传达你所主张的价值的最小化产品。但定义中并未对产品的真实程度做出要求。 2、专人接待式最小可行化产品 如，正在考虑创建一种拼车服务，则可以试着用人工牵线搭桥这种原始方式将司机和乘客联系在一起，而并不是考虑是否能开发出一款配对司机与乘客的应用软件。 这是
阅读全文
摘要：透视表（pivot table）数据汇总分析工具。 根据一个或多个键对数据进行聚合，并根据行和列上的分组键将数据分配到各个矩形区域中。 1、在Python和pandas中，通过groupby功能以及重塑运算制作透视表 2、DataFrame有一个pivot_table 方法 3、顶级的pandas.
阅读全文
摘要：在Python3环境下 《利用Python进行数据分析》书中，在第9章节中，读取消费数据集，出现错误 发现是因为文件路径中有中文的存在，可以将文件路径修改为英文： 或者 两种改法都可以正常运行数据。
阅读全文
摘要：分组键可以有很多形式，且类型不必相同： 1、列表或数组，其长度与待分组的轴一样 2、表示DataFrame某个列名的值 3、字典或Series，给出待分组轴上的值与分组名之间的对应关系 4、函数，用于处理轴索引或索引中的各个标签 1、分组键为Series 1 df=DataFrame({'key1'
阅读全文
摘要：DataFrame中会出现重复行： 1、DataFrame的duplicated方法返回一个布尔型Series，表示各行是否是重复行 2、drop_duplicates方法，用于返回一个移除了重复行的DataFrame data=DataFrame({'k1':['one']*3+['two']*4
阅读全文
摘要：替换值 replace函数 1 data=Series([1,-999,2,-999,-1000,3]) 2 3 data 4 Out[34]: 5 0 1 6 1 -999 7 2 2 8 3 -999 9 4 -1000 10 5 3 11 dtype: int64 假设-999这个值可能表示缺
阅读全文
摘要：层次化索引是pandas的一项重要功能，它使你能在一个轴上拥有多个（两个以上）索引级别。 创建一个Series，并用一个由列表或数组组成的列表作为索引。 1 data=Series(np.random.randn(10), 2 index=[['a','a','a','b','b','b','c',
阅读全文
摘要：之前的所有范例都有着唯一的轴标签（索引值）。 下面就看看带有重复索引值的Series： 1 obj=Series(range(5),index=['a','a','b','b','c']) 2 3 obj 4 Out[33]: 5 a 0 6 a 1 7 b 2 8 b 3 9 c 4 10 dty
阅读全文
摘要：排序 要对行或列索引进行排序，可使用sort_index方法，它将返回一个已排序的新对象： Series 1、对Series索引排序 1 obj=Series(range(4),index=['d','a','b','c']) 2 3 obj.sort_index() 4 Out[18]: 5 a
阅读全文
摘要：数组转置和轴对换 转置是重塑的一种特殊形式，返回的是源数据的视图（不会进行任何复制操作）。数组不仅有transpose方法，还有一个特殊的T属性： 进行矩阵计算时，经常需要用到该操作，比如利用np.dot计算矩阵内积： 对于高维数组，transpose需要得到一个由轴编号组成的元组才能对这些轴进行转
阅读全文
摘要：一维数组的切片： 将一个标量值赋给一个切片时，该值会自动传播到整个选区。 跟列表最重要的区别在于，数组的切片是原始数组的视图。这意味着数据不会被复制，视图上的任何修改都会直接反映到源数组上。 arr_slice=arr[5:8] arr_slice Out[35]: array([12, 12, 1
阅读全文
摘要：数组很重要，不用编写循环就可对数据进行批量运算，这叫矢量化。 大小相等的数组之间的任何算术运算都会讲运算应用到元素级： arr=np.array([[1.,2.,3.],[4.,5.,6.]]) arr Out[23]: array([[1., 2., 3.], [4., 5., 6.]]) arr
阅读全文
摘要：dtype(数据类型)是一个特殊的对象，它含有ndarray将一块内存解释为特定数据类型所需的信息： import numpy as np arr1=np.array([1,2,3],dtype=np.float64) arr2=np.array([1,2,3],dtype=np.int32) ar
阅读全文
摘要：创建ndarray （1）使用array函数 接受一切序列型的对象（包括其他数组），然后产生一个新的含有传入数据的numpy数组。 import numpy as np #将一个由数值组成列表作为参数调用'array' data=[6,7.5,8,0,1] arr=np.array(data) ar
阅读全文
摘要：pandas最重要的一个功能是，它可以对不同索引的对象进行算数运算。在对象相加时，如果存在不同的索引对，则结果的索引就是该索引对的并集。 Series 它们相加就会产生： 自动的数据对齐操作在不重叠的索引处引入了NA值。 DataFrame 对齐操作会同时发生在行和列上： 把它们相加后会返回一个新的
阅读全文
摘要：Series索引的工作方式类似于NumPy数组的索引，不过Series的索引值不只是整数，如： obj[obj<2]Out[17]: a 0b 1dtype: int32 DataFrame 进行索引其实就是获取一个或者多个列： 获取列：指定列名称即可 data=DataFrame(np.arang
阅读全文
摘要：重新索引 pandas对象的一个重要方法是 reindex ,其作用是创建一个适应新索引的新对象。 #reindex函数的参数 reindex(index,method,fill_value,limit,level,copy) #index:用作索引的新序列 #method:插值（填充）方式 #fi
阅读全文
摘要：pandas数据结构介绍 主要两种数据结构：Series和DataFrame. Series Series是一种类似于一维数组的对象，由一组数据（各种NumPy数据类型）+数据标签（即索引）组成。 #直接传入一组数据 from pandas import Series,DataFrame obj=S
阅读全文
浙公网安备 33010602011771号