DataJam

摘要：1、离散化方法——等宽法 将数据的值域分成具有相同宽度的区间，区间的个数由数据本身的特点决定或者用户指定，与制作频率分布表类似。 pandas 提供了 cut 函数，可以进行连续型数据的等宽离散化，其基础语法格式如下。 pandas.cut(x,bins,right=True,labels=None 阅读全文

摘要：（一）哑变量处理类别数据 1、哑变量处理 数据分析模型中有相当一部分的算法模型都要求输入的特征为数值型，但实际数据中特征的类型不一定只有数值型，还会存在相当一部分的类别型，这部分的特征需要经过哑变量处理才可以放入模型之中 2、可以使用 get_dummies 函数进行数据的哑变量转化Python 中 阅读全文

摘要：（一）离差标准化数据 离差表转化是对原始数据的一种线性变换，结果是将原始的数据映射到[0,1]区间之间，转换公式为： 其中 max 为样本数据的最大值，min 为样本数据的最小值，max-min 为极差。利差标准化保留了原始数据值之间的联系，是消除量纲和数据取值范围影响最简单的方法。离差标准化的特点 阅读全文

摘要：异常值是指数据中个别值的数值明显偏离其余的数值，有时也称为离群点，检测异常值 就是检验数据中是否有录入错误以及是否含有不合理的数据。 异常值的存在对数据分析十分危险，如果计算分析过程的数据有异常值，那么会对结果 会产生不良影响，从而导致分析结果产生偏差乃至错误。 比如在分析银行欺诈案例时，核心就是要 阅读全文

摘要：检测缺失值： 1 # 检测缺失值 2 # isnull --判定，如果是缺失值， True 如果不是， False --和sum连用 --统计各列的缺失值个数 3 # notnull --判定，如果有值，True，如果缺失，--False，和sum连用 --count类似--统计非空数据的数目 4 阅读全文

摘要：编辑器中 Tab/Shift+Tab:代码缩进/撤销代码缩进Ctrl+1:注释/撤销注释Ctrl+4/5:块注释/撤销块注释Ctrl+L:跳转到行号F5: 运行脚本F9: 运行选中部分代码Ctrl+Enter: 运行单元F11:全屏Ctrl+Alt+up/down: 向上/下复制选中代码Ctrl+R 阅读全文

摘要：图标：https://fa5.dashgame.com/#/%E5%9B%BE%E6%A0%87 学习案例：https://zhuanlan.zhihu.com/p/138356932 pyecharts示例图：https://gallery.pyecharts.org/#/WordCloud/wo 阅读全文

摘要：待更新 阅读全文

摘要：一、单系列柱状图 配置参数：https://pyecharts.org/#/zh-cn/global_options 图例示范：https://gallery.pyecharts.org/#/Bar/bar_rotate_xaxis_label 图标颜色：http://blog.jijiechen. 阅读全文

摘要：1 import matplotlib.pyplot as plt 2 plt.rcParams['font.sans-serif']=['SimHei'] #用来正常显示中文标签 3 plt.rcParams['axes.unicode_minus']=False #用来正常显示负号 方案2 1 阅读全文

摘要：1.重命名列或索引名称 1 df =df.rename(columns={'校区': '所属校区', 'All': '总计'}) 1 states = ['c1', 'b2', 'c3'] 2 frame.reindex(columns=states) 2.调整列顺序 1 df = df[['use 阅读全文

摘要：1.时间字符串转为datetime格式 datetime.strptime可以将字符串转换成日期，strptime的第二个参数是时间日期的格式： 1 import datetime 2 a = '20200913' 3 print （a） 4 b = datetime.datetime.strpti 阅读全文

摘要：一、更改Pandas Dataframe中一列或多列的数据类型 更改一列： import pandas as pd data_frame = pd.DataFrame({'No': [1, 2, 3], 'Name': ['Nhooo', 'Mohit', 'Sharma'], 'Age': [25 阅读全文