- 算术运算法则 算术运算根据行列索引，补齐后运算， 运算默认产生浮点数 补齐时缺项填充NaN(空值) 二维和一维、一维和零维间为广播运算 采用+ ‐* /符号进行的二元运算产生新的对象 方法形式的运算 方法说明.add(d, **argws)类型间加法运算，可选参数.sub(d, **argws)类型间减法运算，可选参数.mul(d, **argws)类型间... 算术运算法则 算术运算根据行列索引，补齐后运算， 运算默认产生浮点数 补齐时缺项填充NaN(空值) 二维和一维、一维和零维间为广播运算 采用+ ‐* /符号进行的二元运算产生新的对象 方法形式的运算 方法说明.add(d, **argws)类型间加法运算，可选参数.sub(d, **argws)类型间减法运算，可选参数.mul(d, **argws)类型间...
- numpy 科学计算基础库 官方文档：https://docs.scipy.org/doc/numpy/user/quickstart.html 列表和数组区别 列表：数据类型可以不同 数组：数据类型相同 12 N维数组对象 ndarray dimension 维度： 一组数据的组织形式 轴axis 数据维度 秩rank 轴的数量 ndarray数组一般要求所... numpy 科学计算基础库 官方文档：https://docs.scipy.org/doc/numpy/user/quickstart.html 列表和数组区别 列表：数据类型可以不同 数组：数据类型相同 12 N维数组对象 ndarray dimension 维度： 一组数据的组织形式 轴axis 数据维度 秩rank 轴的数量 ndarray数组一般要求所...
- DataFrame对象操作 重新索引 .reindex()能够改变或重排Series和DataFrame索引 .reindex(index=None, columns=None,…)的参数 参数说明index, columns新的行列自定义索引fill_value重新索引中，用于填充缺失位置的值method填充方法, ffill当前值向前填充，bfill向后填充... DataFrame对象操作 重新索引 .reindex()能够改变或重排Series和DataFrame索引 .reindex(index=None, columns=None,…)的参数 参数说明index, columns新的行列自定义索引fill_value重新索引中，用于填充缺失位置的值method填充方法, ffill当前值向前填充，bfill向后填充...
- argsort函数 返回的是数组值的索引值 import numpy as np x = np.array([3, 1, 4, 2, 5]) # 从小到大 np.argsort(x) Out[4]: array([1, 3, 0, 2, 4]) # 从大到小 np.argsort(-x) Out[5]: array([4, 2, 0, 3, 1])123456... argsort函数 返回的是数组值的索引值 import numpy as np x = np.array([3, 1, 4, 2, 5]) # 从小到大 np.argsort(x) Out[4]: array([1, 3, 0, 2, 4]) # 从大到小 np.argsort(-x) Out[5]: array([4, 2, 0, 3, 1])123456...
- DataFrame类型 DataFrame类型由共用相同索引的一组列组成 DataFrame是一个表格型的数据类型，每列值类型可以不同 DataFrame既有行索引、也有列索引 index axis=0 axis=1 column DataFrame常用于表达二维数据，但可以表达多维数据 DataFrame类型可以由如下类型创建： 二维ndarray对象... DataFrame类型 DataFrame类型由共用相同索引的一组列组成 DataFrame是一个表格型的数据类型，每列值类型可以不同 DataFrame既有行索引、也有列索引 index axis=0 axis=1 column DataFrame常用于表达二维数据，但可以表达多维数据 DataFrame类型可以由如下类型创建： 二维ndarray对象...
- numpy.random随机函数 rand(d0, d1,...dn) 随机数组, 浮点数，[0, 1)均匀分布 randn(d0, d1,...dn) 随机数组，正态分布 randint(low, high, shape) 指定随机范围 seed(s) 随机种子 shuffle(a) 随机排列第一轴， 改变数组a permutation(a) 根据第一轴返回乱序数组... numpy.random随机函数 rand(d0, d1,...dn) 随机数组, 浮点数，[0, 1)均匀分布 randn(d0, d1,...dn) 随机数组，正态分布 randint(low, high, shape) 指定随机范围 seed(s) 随机种子 shuffle(a) 随机排列第一轴， 改变数组a permutation(a) 根据第一轴返回乱序数组...
- Key and Imports In this cheat sheet, we use the following shorthand: df | Any pandas DataFrame object s | Any pandas Series object You’ll also need to perform the following imports t... Key and Imports In this cheat sheet, we use the following shorthand: df | Any pandas DataFrame object s | Any pandas Series object You’ll also need to perform the following imports t...
- Key and Imports In this cheat sheet, we use the following shorthand: arr | A NumPy Array object You’ll also need to import numpy to get started: import numpy as np Importing/exporti... Key and Imports In this cheat sheet, we use the following shorthand: arr | A NumPy Array object You’ll also need to import numpy to get started: import numpy as np Importing/exporti...
- 时序数据的异常点是指序列中存在模式不一致的点（如时序数据超出正常范围的上/下界，突然的上升或下降，趋势改变）。时序数据的异常检测旨在快速准确的找到这些异常点。代码块导入在NAIE训练平台的JupyterLab界面操作，不需要手动添加这一部分，因为在新创建的特征工程下已经包含了导入代码。import os os.chdir("/home/ma-user/work/test_ano... 时序数据的异常点是指序列中存在模式不一致的点（如时序数据超出正常范围的上/下界，突然的上升或下降，趋势改变）。时序数据的异常检测旨在快速准确的找到这些异常点。代码块导入在NAIE训练平台的JupyterLab界面操作，不需要手动添加这一部分，因为在新创建的特征工程下已经包含了导入代码。import os os.chdir("/home/ma-user/work/test_ano...
- 时间序列分析，即输入特征都是与时间相关的数据，同时需要考虑周期、趋势、节假日、突变等因素，通过一些手段来分析时间序列的特点，发现其中的变化规律，并用于预测未来时序数据的统计技术。分析时间序列，进行合理预测，做到提前掌握未来的发展趋势，为业务决策提供依据，这也是决策科学化的前提。代码块导入在NAIE训练平台的JupyterLab界面操作时，不需要手动添加这一部分，因为在新创建的特... 时间序列分析，即输入特征都是与时间相关的数据，同时需要考虑周期、趋势、节假日、突变等因素，通过一些手段来分析时间序列的特点，发现其中的变化规律，并用于预测未来时序数据的统计技术。分析时间序列，进行合理预测，做到提前掌握未来的发展趋势，为业务决策提供依据，这也是决策科学化的前提。代码块导入在NAIE训练平台的JupyterLab界面操作时，不需要手动添加这一部分，因为在新创建的特...
- 上一节Python操作Excel表格使用的是openpyxl包，这个包虽然能处理简单日常工作中Excel表格数据处理，但面对机器学习庞大的数据，还是显得力不从心，所以openpyxl大多数应用于简单的Excel表格操作，以及机器学习分析后表格的样式优化，但针对于数据的操作运算，我们还是要借助与pandas。 1.安装Pandas包 对于直接下载python安装程序的用户来... 上一节Python操作Excel表格使用的是openpyxl包，这个包虽然能处理简单日常工作中Excel表格数据处理，但面对机器学习庞大的数据，还是显得力不从心，所以openpyxl大多数应用于简单的Excel表格操作，以及机器学习分析后表格的样式优化，但针对于数据的操作运算，我们还是要借助与pandas。 1.安装Pandas包 对于直接下载python安装程序的用户来...
- import numpy as np import pandas as pd import matplotlib.pyplot as plt %matplotlib inline 1234 使用pandas的内建函数DataReader从雅虎财经网站读取股价数据 import tushare as ts 1 pingan = ts.get_k_data('6013... import numpy as np import pandas as pd import matplotlib.pyplot as plt %matplotlib inline 1234 使用pandas的内建函数DataReader从雅虎财经网站读取股价数据 import tushare as ts 1 pingan = ts.get_k_data('6013...
- 代码和数据： 链接：https://pan.baidu.com/s/1TBrUAh7JqfA-_7Z0_mwVmw 提取码：6uez 复制这段内容后打开百度网盘手机App，操作更方便哦 贷款风险预测 贷款数据表。通过查看数据表中的内容可以发现，这个数据表中包含了贷款用户的信息以及还款状态信息 其中，除了贷款状态(loan_status)列以外，其他的列都是贷款的... 代码和数据： 链接：https://pan.baidu.com/s/1TBrUAh7JqfA-_7Z0_mwVmw 提取码：6uez 复制这段内容后打开百度网盘手机App，操作更方便哦 贷款风险预测 贷款数据表。通过查看数据表中的内容可以发现，这个数据表中包含了贷款用户的信息以及还款状态信息 其中，除了贷款状态(loan_status)列以外，其他的列都是贷款的...
- @Author：By Runsen @Date：2019-06-09 这是数据分析专栏的第一篇 作者润森闲谈数据分析（一） 在学习数据分析前，需要了解什么是数据分析 文章目录 1、数据分析的四大重要组成部分 1.1 数据采集： 1.2 数据质量的准则 1.3 数据清理： 1.4 数据挖掘： 1.5 数据可视化： ... @Author：By Runsen @Date：2019-06-09 这是数据分析专栏的第一篇 作者润森闲谈数据分析（一） 在学习数据分析前，需要了解什么是数据分析 文章目录 1、数据分析的四大重要组成部分 1.1 数据采集： 1.2 数据质量的准则 1.3 数据清理： 1.4 数据挖掘： 1.5 数据可视化： ...
- Seaborn是基于matplotlib的图形可视化python包。它提供了一种高度交互式界面，便于用户能够做出各种有吸引力的统计图表。 安装 Seaborn 要安装最新版本的seaborn，您可以使用pip： pip install seaborn 也可以使用conda以下方法安装发布的版本： conda install seaborn 绘制散点图 最... Seaborn是基于matplotlib的图形可视化python包。它提供了一种高度交互式界面，便于用户能够做出各种有吸引力的统计图表。 安装 Seaborn 要安装最新版本的seaborn，您可以使用pip： pip install seaborn 也可以使用conda以下方法安装发布的版本： conda install seaborn 绘制散点图 最...
上滑加载中
推荐直播
-
HDC深度解读系列 - Serverless与MCP融合创新，构建AI应用全新智能中枢2025/08/20 周三 16:30-18:00
张昆鹏 HCDG北京核心组代表
HDC2025期间，华为云展示了Serverless与MCP融合创新的解决方案，本期访谈直播，由华为云开发者专家(HCDE)兼华为云开发者社区组织HCDG北京核心组代表张鹏先生主持，华为云PaaS服务产品部 Serverless总监Ewen为大家深度解读华为云Serverless与MCP如何融合构建AI应用全新智能中枢
回顾中 -
关于RISC-V生态发展的思考2025/09/02 周二 17:00-18:00
中国科学院计算技术研究所副所长包云岗教授
中科院包云岗老师将在本次直播中，探讨处理器生态的关键要素及其联系，分享过去几年推动RISC-V生态建设实践过程中的经验与教训。
回顾中 -
一键搞定华为云万级资源，3步轻松管理企业成本2025/09/09 周二 15:00-16:00
阿言 华为云交易产品经理
本直播重点介绍如何一键续费万级资源，3步轻松管理成本，帮助提升日常管理效率！
回顾中
热门标签