- [toc] 在 DataFrame 中使用时间序列 执行结果: 在最开始的 911 数据的案例中, 我们可以使用 pandas 提供的方法把时间字符串转换为时间序列. format 参数大部分情况下可以不用写, 但是对于 pandas 无法格式化的时间字符串, 我们可以使用该参数, 比如包含中文. ... [toc] 在 DataFrame 中使用时间序列 执行结果: 在最开始的 911 数据的案例中, 我们可以使用 pandas 提供的方法把时间字符串转换为时间序列. format 参数大部分情况下可以不用写, 但是对于 pandas 无法格式化的时间字符串, 我们可以使用该参数, 比如包含中文. ...
- [toc] 数据分析 简介 为什么要学习数据分析 1. 有岗位需求 2. 是 Python 数据科学的基础 3. 是机器学习课程的基础 什么是数据分析 数据分析是用适当的方法对收集来的大量数据进行分析, 帮助人们做出判断, 以便采取适当行动. 数据分析的流程 ... [toc] 数据分析 简介 为什么要学习数据分析 1. 有岗位需求 2. 是 Python 数据科学的基础 3. 是机器学习课程的基础 什么是数据分析 数据分析是用适当的方法对收集来的大量数据进行分析, 帮助人们做出判断, 以便采取适当行动. 数据分析的流程 ...
- 非监督学习 概述 概述 从本书开始, 将正式进入到监督学习 (Unsupervised Learning) 部分. 无监督学习, 顾名思义, 就是不受监督学习, 一种自由的学习方式. 该学... 非监督学习 概述 概述 从本书开始, 将正式进入到监督学习 (Unsupervised Learning) 部分. 无监督学习, 顾名思义, 就是不受监督学习, 一种自由的学习方式. 该学...
- [toc] 练习三 假设现在我们有一组从 2006 年到 2016 年 1000 部最流行的电影数据, 我们想知道这些电影中评分的平均分, 导演的人数等信息, 我们应该怎么获取? 执行结果: [toc] 练习三 假设现在我们有一组从 2006 年到 2016 年 1000 部最流行的电影数据, 我们想知道这些电影中评分的平均分, 导演的人数等信息, 我们应该怎么获取? 执行结果:
- [toc] Numpy 中的 nan 和 inf nan ( NAN, Nan ): not a number 表示不是一个数字 inf ( -inf, inf ): infinity, inf 表示正无穷, -inf 表示浮无穷 什么时候 numpy 中会出现 nan 当我们读取本地的文件为 float 的时候, 如果有缺失... [toc] Numpy 中的 nan 和 inf nan ( NAN, Nan ): not a number 表示不是一个数字 inf ( -inf, inf ): infinity, inf 表示正无穷, -inf 表示浮无穷 什么时候 numpy 中会出现 nan 当我们读取本地的文件为 float 的时候, 如果有缺失...
- [toc] Pandas 重采样 重采样: 指的是将时间序列从一个频率转化为另一个频率进行处理的过程, 将高频率数据数据转化为低频数据为降采样, 低频转化为高频率为升采样. pandas 提供了一个 resample 的方法来帮助我们实现频率转化. 执行结果: [toc] Pandas 重采样 重采样: 指的是将时间序列从一个频率转化为另一个频率进行处理的过程, 将高频率数据数据转化为低频数据为降采样, 低频转化为高频率为升采样. pandas 提供了一个 resample 的方法来帮助我们实现频率转化. 执行结果:
- [toc] CONDA 环境安装 conda: data science package & enviornment manager 创建环境: conda create--name python3 python=3 切换环境: windows: activat... [toc] CONDA 环境安装 conda: data science package & enviornment manager 创建环境: conda create--name python3 python=3 切换环境: windows: activat...
- 推荐系统评测 概述推荐系统的实验方法离线实验用户调查在线试验 评测指标用户满意度预测准确度评分预测TopN 推荐 概述 什么才是好的推荐系统? 这是推荐系统需要解决的首要问题... 推荐系统评测 概述推荐系统的实验方法离线实验用户调查在线试验 评测指标用户满意度预测准确度评分预测TopN 推荐 概述 什么才是好的推荐系统? 这是推荐系统需要解决的首要问题...
- [toc] Pandas 之 DataFrame DataFrame 对象既有行索引, 又有列索引 行索引, 表面不同行, 横向索引, 叫 index, 0 轴, axis= 0 列索引, 表名不同列, 纵向索引, 叫 columns, 1 轴, axis= 1 执行结果: 执行结果: 执行结果: ... [toc] Pandas 之 DataFrame DataFrame 对象既有行索引, 又有列索引 行索引, 表面不同行, 横向索引, 叫 index, 0 轴, axis= 0 列索引, 表名不同列, 纵向索引, 叫 columns, 1 轴, axis= 1 执行结果: 执行结果: 执行结果: ...
- [toc] Pandas 为什么要学习 pandas numpy 已经能够帮助我们处理数据, 能够结合 matplotlib 解决我们数据分析的问题, 那么 pandas 学习的目的在什么地方呢? numpy 能够帮助我们处理数值型数据, 但是这还不够. 很多时候, 我们的数据除了数值之外, 还有字符串, 时间序列等. 比如... [toc] Pandas 为什么要学习 pandas numpy 已经能够帮助我们处理数据, 能够结合 matplotlib 解决我们数据分析的问题, 那么 pandas 学习的目的在什么地方呢? numpy 能够帮助我们处理数值型数据, 但是这还不够. 很多时候, 我们的数据除了数值之外, 还有字符串, 时间序列等. 比如...
- [toc] 总结 在第一节的内容中, 我们都做了些什么 1. 绘制了折线图 ( plt.plot ) 2. 设置了图片的大小和分辨率 ( plt.figure ) 3. 实现了图片的保存 ( plt.savefig ) 4. 设置了 xy 轴上的刻度和字符串 ( xticks ) 5. 解决了刻度稀疏和密集... [toc] 总结 在第一节的内容中, 我们都做了些什么 1. 绘制了折线图 ( plt.plot ) 2. 设置了图片的大小和分辨率 ( plt.figure ) 3. 实现了图片的保存 ( plt.savefig ) 4. 设置了 xy 轴上的刻度和字符串 ( xticks ) 5. 解决了刻度稀疏和密集...
- [toc] Numpy 生成随机数 代码实现 执行结果: 分布的补充 均匀分布 在相同的大小范围内的出现概率是等可能的 正态分布 呈种型, 两头低,中间高, 左右对称 [toc] Numpy 生成随机数 代码实现 执行结果: 分布的补充 均匀分布 在相同的大小范围内的出现概率是等可能的 正态分布 呈种型, 两头低,中间高, 左右对称
- [toc] 练习一 假设大家在 30 岁的时候, 根据自己的实际情况, 统计出来了从 11 岁到 30 岁每年交的男 ( 女 ) 朋友数量如列表 a, 请绘制出该数据的折线图. 一遍分析自己每年交男 ( 女 ) 朋友的数量走势 a = [ 1, 0, 1, 1, 2, 4, 3, 2, 3, 4, 4, 5, 6, 5, 4, 3... [toc] 练习一 假设大家在 30 岁的时候, 根据自己的实际情况, 统计出来了从 11 岁到 30 岁每年交的男 ( 女 ) 朋友数量如列表 a, 请绘制出该数据的折线图. 一遍分析自己每年交男 ( 女 ) 朋友的数量走势 a = [ 1, 0, 1, 1, 2, 4, 3, 2, 3, 4, 4, 5, 6, 5, 4, 3...
- [toc] 思考 对于这一组电影数据, 如果我们希望统计电影分类 ( genre ) 的情况, 应该如何处理数据? 思路: 重新构造一个全为 0 的数组, 类名为分类, 如果某一条数据中分类出现过, 就让 0 变为 1. 执行结果: [toc] 思考 对于这一组电影数据, 如果我们希望统计电影分类 ( genre ) 的情况, 应该如何处理数据? 思路: 重新构造一个全为 0 的数组, 类名为分类, 如果某一条数据中分类出现过, 就让 0 变为 1. 执行结果:
- 回归算法之回归 概述sklearn.linear_model.Ridge方法属性 概述 具有 L2 正则化的线性最小二乘法. 岭回归是一种专用于共线数据分析的有便估计回归方法, 实质上是一... 回归算法之回归 概述sklearn.linear_model.Ridge方法属性 概述 具有 L2 正则化的线性最小二乘法. 岭回归是一种专用于共线数据分析的有便估计回归方法, 实质上是一...
上滑加载中
推荐直播
-
码道新技能，AI 新生产力——从自动视频生成到开源项目解析2026/04/08 周三 19:00-21:00
童得力-华为云开发者生态运营总监/何文强-无人机企业AI提效负责人
本次华为云码道 Skill 实战活动，聚焦两大 AI 开发场景：通过实战教学，带你打造 AI 编程自动生成视频 Skill，并实现对 GitHub 热门开源项目的智能知识抽取，手把手掌握 Skill 开发全流程，用 AI 提升研发效率与内容生产力。
回顾中 -
华为云码道：零代码股票智能决策平台全功能实战2026/04/18 周六 10:00-12:00
秦拳德-中软国际教育卓越研究院研究员、华为云金牌讲师、云原生技术专家
利用Tushare接口获取实时行情数据，采用Transformer算法进行时序预测与涨跌分析，并集成DeepSeek API提供智能解读。同时，项目深度结合华为云CodeArts（码道）的代码智能体能力，实现代码一键推送至云端代码仓库，建立起高效、可协作的团队开发新范式。开发者可快速上手，从零打造功能完整的个股筛选、智能分析与风险管控产品。
回顾中 -
华为云码道全新升级，多会话并行与多智能体协作2026/05/08 周五 19:00-21:00
王一男-华为云码道产品专家；张嘉冉-华为云码道工程师；胡琦-华为云HCDE；程诗杰-华为云HCDG
华为云码道4月份版本全新升级，此次直播深度解读4月份产品特性，通过“特性解读+实操演示+实战案例+设计创新”的组合，全方位展现码道在多会话并行与多智能体协作方面的能力，赋能开发者提升效率
正在直播
热门标签