- [toc] Pandas 之时间序列 为什么要学习 pandas 中的时间序列 不管在什么行业, 时间序列都是一种非常重要的数据形式, 很多统计数据以及数据的规律也都和时间序列有着非常重要的联系, 而且在 pandas 中处理时间序列是非常简单的. 生成一段时间范围 start 和 end 以及 freq 配合能够生成 s... [toc] Pandas 之时间序列 为什么要学习 pandas 中的时间序列 不管在什么行业, 时间序列都是一种非常重要的数据形式, 很多统计数据以及数据的规律也都和时间序列有着非常重要的联系, 而且在 pandas 中处理时间序列是非常简单的. 生成一段时间范围 start 和 end 以及 freq 配合能够生成 s...
- [toc] Pandas 之 DataFrame 和一个 ndarray 一样, 我们通过 shape, ndim, dtype 了解这个 ndarray 的基本信息, 那么对于 DataFarme 我们有什么方法了解呢? DataFrame 的基础属性 df.shape # 行数 列数 df.dtypes # 列数据类型 ... [toc] Pandas 之 DataFrame 和一个 ndarray 一样, 我们通过 shape, ndim, dtype 了解这个 ndarray 的基本信息, 那么对于 DataFarme 我们有什么方法了解呢? DataFrame 的基础属性 df.shape # 行数 列数 df.dtypes # 列数据类型 ...
- 分类器性能评估 概述sklearn.metrics.classification_report 概述 在许多实际问题中, 衡量分类器任务的成功程度是通过固定的性能指标来获取. 一般常见使用... 分类器性能评估 概述sklearn.metrics.classification_report 概述 在许多实际问题中, 衡量分类器任务的成功程度是通过固定的性能指标来获取. 一般常见使用...
- [toc] Numpy 索引和切片 对于刚刚加载出来的数据, 我如果只想选择其中的某一列 ( 行 ) 我们应该怎么做呢? 其实操作很简单, 和 Python 中列表的操作一样 执行结果: 执行结果: 执行结果: 执行结果: [toc] Numpy 索引和切片 对于刚刚加载出来的数据, 我如果只想选择其中的某一列 ( 行 ) 我们应该怎么做呢? 其实操作很简单, 和 Python 中列表的操作一样 执行结果: 执行结果: 执行结果: 执行结果:
- [toc] 练习一 现在我们有一组关于全球星巴克店铺的统计数据, 如果我想知道美国的星巴克数量和中国的哪个多, 那么应该怎么办? 思路: 遍历一遍, 每次加 1? 执行结果: 分组和聚合 在 pandas 中类似的分组的操作我们有很简单的方式来完成. 调用 groupy 方法之后返回的是什么内容? ... [toc] 练习一 现在我们有一组关于全球星巴克店铺的统计数据, 如果我想知道美国的星巴克数量和中国的哪个多, 那么应该怎么办? 思路: 遍历一遍, 每次加 1? 执行结果: 分组和聚合 在 pandas 中类似的分组的操作我们有很简单的方式来完成. 调用 groupy 方法之后返回的是什么内容? ...
- 推荐系统 概述什么是推荐系统 工作原理个性化推荐系统的应用 概述 在研究图和涉及推荐系统之前, 了解上面是好的推荐系统至关重要. 什么是推荐系统 假设以下, 如果你想买牛肉干, 你... 推荐系统 概述什么是推荐系统 工作原理个性化推荐系统的应用 概述 在研究图和涉及推荐系统之前, 了解上面是好的推荐系统至关重要. 什么是推荐系统 假设以下, 如果你想买牛肉干, 你...
- 特征选择 概述主要方法VarianceThreshold 语法流程 噪点其他特征选择方法sklearn 主成分分析 APIPCA 是什么PCA 语法PCA 流程 (代码演示) ... 特征选择 概述主要方法VarianceThreshold 语法流程 噪点其他特征选择方法sklearn 主成分分析 APIPCA 是什么PCA 语法PCA 流程 (代码演示) ...
- [toc] 方向导数 如果函数 z=f(x,y) 在点 P(x,y) 是可微分的, 那么, 函数在该点沿任一方向 L 的方向导数都存在, 且有: 梯度 设函数 z=f(x,y) 在平面区域 D 内具有一阶连续偏导数, 则对于每一个点 P(x,y)∈D, 向量 为函数 z=f(x,y) 在点 P 的梯度, 记做 gran... [toc] 方向导数 如果函数 z=f(x,y) 在点 P(x,y) 是可微分的, 那么, 函数在该点沿任一方向 L 的方向导数都存在, 且有: 梯度 设函数 z=f(x,y) 在平面区域 D 内具有一阶连续偏导数, 则对于每一个点 P(x,y)∈D, 向量 为函数 z=f(x,y) 在点 P 的梯度, 记做 gran...
- [toc] 数组 数组的形状 查看数组的形状 执行结果: 修改数组的形状 执行结果: 数组的加减乘除 数组加法 执行结果: 数组减法 执行结果: 数组乘法 执行结果: 数组除法 执行结果: [toc] 数组 数组的形状 查看数组的形状 执行结果: 修改数组的形状 执行结果: 数组的加减乘除 数组加法 执行结果: 数组减法 执行结果: 数组乘法 执行结果: 数组除法 执行结果:
- [toc] 练习 在美国 2004 年人口普查发现有 124 million 的人在离家相对较远的地方工作. 根据他们从家到上班地点所需的时间, 通过抽样统计 ( 最后一列 ), 得到了下表的数据, 这些数据能够绘制从成直方图吗? interval = [ 0, 5, 10, 15, 20, 25, 30, 35, 40, 4... [toc] 练习 在美国 2004 年人口普查发现有 124 million 的人在离家相对较远的地方工作. 根据他们从家到上班地点所需的时间, 通过抽样统计 ( 最后一列 ), 得到了下表的数据, 这些数据能够绘制从成直方图吗? interval = [ 0, 5, 10, 15, 20, 25, 30, 35, 40, 4...
- [toc] 绘制直方图 假设你获取了 250 部电影的时长 ( 列表a 中 ), 希望统计出这些电影时长分布状态 ( 比如时长为 100 分钟到 120 分钟电影的数量, 出现的频率 ) 等信息, 你应该如何呈现这些数据? a=[131, 98, 125, 131, 124, 139, 131, 117, 128, ... [toc] 绘制直方图 假设你获取了 250 部电影的时长 ( 列表a 中 ), 希望统计出这些电影时长分布状态 ( 比如时长为 100 分钟到 120 分钟电影的数量, 出现的频率 ) 等信息, 你应该如何呈现这些数据? a=[131, 98, 125, 131, 124, 139, 131, 117, 128, ...
- 模型的选择 概述如何选择合适的算法模型监督学习中三类问题的解释分类问题回归问题标注问题 概述 算法是核心, 数据和计算是基础. 这句话很好的说明了机器学习中算法的重要性. 那么我们开看... 模型的选择 概述如何选择合适的算法模型监督学习中三类问题的解释分类问题回归问题标注问题 概述 算法是核心, 数据和计算是基础. 这句话很好的说明了机器学习中算法的重要性. 那么我们开看...
- [toc] Numpy 更多好用的方法 创建一个全 0 数组 执行结果: 创建一个全 1 数组 执行结果: 创建一个对角线为 1 的正方形数组 ( 方阵 ) 执行结果: 获得最大值最小值的位置 执行结果: 执行结果: [toc] Numpy 更多好用的方法 创建一个全 0 数组 执行结果: 创建一个全 1 数组 执行结果: 创建一个对角线为 1 的正方形数组 ( 方阵 ) 执行结果: 获得最大值最小值的位置 执行结果: 执行结果:
- [toc] 绘制条形图 假设你知道了列表 a 中的电影分别在 9月14号, 9月15号, 9月16号三天的票房, 为了展示列表中电影本身的票房以及同其他电影的数据对比情况, 应该如何更加直观的呈现该数据? a = [ "猩球崛起 3: 终极之战", "敦刻尔克", "蜘蛛侠: 英雄归来", "战狼 2"] b_16 = [ 15... [toc] 绘制条形图 假设你知道了列表 a 中的电影分别在 9月14号, 9月15号, 9月16号三天的票房, 为了展示列表中电影本身的票房以及同其他电影的数据对比情况, 应该如何更加直观的呈现该数据? a = [ "猩球崛起 3: 终极之战", "敦刻尔克", "蜘蛛侠: 英雄归来", "战狼 2"] b_16 = [ 15...
- [toc] Matplotlib 常见问题总结 1. 应该选择哪种图形来呈现数据 2. matplotlib.plot( x, y ) 3. matplotlib.bar( x, y ) 4. matplotlib.scatter( x, y ) 5. matplotlib.hist( ... [toc] Matplotlib 常见问题总结 1. 应该选择哪种图形来呈现数据 2. matplotlib.plot( x, y ) 3. matplotlib.bar( x, y ) 4. matplotlib.scatter( x, y ) 5. matplotlib.hist( ...
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