- 博客(6)
- 收藏
- 关注
RSS订阅原创 双端队列python
from collections import dequeq = deque(range(5))# deque([0, 1, 2, 3, 4])# 入列q.append(5)q.appendleft(6)# deque([6, 0, 1, 2, 3, 5]# extend的入列k = deque()k.append(1)k.extend([2,3,4])# deque([1,2,3,4])# 左边加入extendk1 = deque()k1.append(1)k1.ex.
2021-09-09 16:03:23
115
原创 Datawhale 动手学数据分析Task1 数据载入及初步观察
复习:这门课程得主要目的是通过真实的数据，以实战的方式了解数据分析的流程和熟悉数据分析python的基本操作。知道了课程的目的之后，我们接下来我们要正式的开始数据分析的实战教学，完成kaggle上泰坦尼克的任务，实战数据分析全流程。这里有两份资料：教材《Python for Data Analysis》和 baidu.com &google.com（善用搜索引擎）1 第一章：数据载入及初步观察1.1 载入数据数据集下载 https://www.kaggle.com/c/titanic/o
2021-07-22 01:30:36
157
原创 Datawhale 动手学数据分析Task5 模型搭建和评估
第三章 模型搭建和评估–建模经过前面的两章的知识点的学习，我可以对数数据的本身进行处理，比如数据本身的增删查补，还可以做必要的清洗工作。那么下面我们就要开始使用我们前面处理好的数据了。这一章我们要做的就是使用数据，我们做数据分析的目的也就是，运用我们的数据以及结合我的业务来得到某些我们需要知道的结果。那么分析的第一步就是建模，搭建一个预测模型或者其他模型；我们从这个模型的到结果之后，我们要分析我的模型是不是足够的可靠，那我就需要评估这个模型。今天我们学习建模，下一节我们学习评估。我们拥有的泰坦尼克号的数
2021-07-21 23:29:04
300
原创 Datawhale 动手学数据分析Task4 数据可视化
**复习：**回顾学习完第一章，我们对泰坦尼克号数据有了基本的了解，也学到了一些基本的统计方法，第二章中我们学习了数据的清理和重构，使得数据更加的易于理解；今天我们要学习的是第二章第三节：数据可视化，主要给大家介绍一下Python数据可视化库Matplotlib，在本章学习中，你也许会觉得数据很有趣。在打比赛的过程中，数据可视化可以让我们更好的看到每一个关键步骤的结果如何，可以用来优化方案，是一个很有用的技巧。2 第二章：数据可视化开始之前，导入numpy、pandas以及matplotlib包和数据
2021-07-20 00:03:39
151
1
原创 Datawhale 动手学数据分析Task3 数据重构
复习：在前面我们已经学习了Pandas基础，第二章我们开始进入数据分析的业务部分，在第二章第一节的内容中，我们学习了数据的清洗，这一部分十分重要，只有数据变得相对干净，我们之后对数据的分析才可以更有力。而这一节，我们要做的是数据重构，数据重构依旧属于数据理解（准备）的范围。开始之前，导入numpy、pandas包和数据# 导入基本库import numpy as npimport pandas as pd# 载入data文件中的:train-left-up.csvdf = pd.read_cs
2021-07-17 16:13:58
113
原创 Datawhale 动手学数据分析Task2 数据清洗及特征处理
【回顾&引言】前面一章的内容大家可以感觉到我们主要是对基础知识做一个梳理，让大家了解数据分析的一些操作，主要做了数据的各个角度的观察。那么在这里，我们主要是做数据分析的流程性学习，主要是包括了数据清洗以及数据的特征处理，数据重构以及数据可视化。这些内容是为数据分析最后的建模和模型评价做一个铺垫。第二章：第一节数据清洗及特征处理开始之前，导入numpy、pandas包和数据#加载所需的库import numpy as npimport pandas as pd#加载数据train.csv
2021-07-15 19:26:01
105
空空如也
空空如也
TA创建的收藏夹 TA关注的收藏夹
TA关注的人