亚洲激情专区-91九色丨porny丨老师-久久久久久久女国产乱让韩-国产精品午夜小视频观看

溫馨提示×

溫馨提示×

您好,登錄后才能下訂單哦!

密碼登錄×
登錄注冊×
其他方式登錄
點擊 登錄注冊 即表示同意《億速云用戶服務條款》

Python數據分析和機器學習實例代碼分析

發布時間:2022-03-29 16:10:08 來源:億速云 閱讀:145 作者:iii 欄目:移動開發

這篇文章主要講解了“Python數據分析和機器學習實例代碼分析”,文中的講解內容簡單清晰,易于學習與理解,下面請大家跟著小編的思路慢慢深入,一起來研究和學習“Python數據分析和機器學習實例代碼分析”吧!

為什么選擇Python進行數據分析?

Python是一門動態的、面向對象的腳本語言,同時也是一門簡約,通俗易懂的編程語言。Python入門簡單,代碼可讀性強,一段好的Python代碼,閱讀起來像是在讀一篇外語文章。Python這種特性稱為“偽代碼”,它可以使你只關心完成什么樣的工作任務,而不是糾結于Python的語法。

另外,Python是開源的,它擁有非常多優秀的庫,可以用于數據分析及其他領域。更重要的是,Python與最受歡迎的開源大數據平臺Hadoop具有很好的兼容性。因此,學習Python對于有志于向大數據分析崗位發展的數據分析師來說,是一件非常節省學習成本的事。

Python的眾多優點讓它成為最受歡迎的程序設計語言之一,國內外許多公司也已經在使用Python,例YouTube,Google,阿里云等等。

簡單且有用的Python數據分析和機器學習代碼

經過這個月的python數據分析和機器學習,總結了一些經驗,同時也收獲了一些大佬的優秀博客,感興趣的可以觀看我的收藏夾,廢話不多說,直接進入正題。

數據分析大致分為數據處理,模型建立,模型測試這3部,這篇文章主要是講解對數據進行處理

為了對數據進行分析,首先要了解學習python的熊貓庫pandas,下面是一些基礎簡單的操作方法,python調用方法如下

import pandas as pd

python通過pandas讀取csv文件的方法

df= pd.read_csv("xxx.csv")
#輸出文件內容前五列
print(df.head())
#輸出csv所有內容
print(df)

查看csv某列數據的方法

pandas.read_csv(‘file_name.csv", usecols = [0,1,2,3]) 
#簡單方法
df["屬性列名稱"]

pandas刪除csv數據某些列的方法

droplabels= ["x_cat4","x_cat5","x_cat8","x_cat9"]
data=df.drop(droplabels,axis=1)

pandas對NAN數據清洗的方法

#將表格中含有nan數值的列進行刪除,返回非空數據和索引值的Series
df.dropna()
"""
dropna(axis=0,how="any",thresh=None),how參數可選的值為any或者all.all僅在切片元素全為NA時才拋棄該行(列)。thresh為整數類型,eg:thresh=3,那么一行當中至少有三個NA值時才將其保留。
"""
data.fillna(0)                      #將nan替換為0
print(data.fillna(data.mean()))     ### 用每列特征的均值填充缺失數據
print(data.fillna(data.median()))    ### 用每列特征的中位數填充缺失數據
print(data.fillna(method="bfill"))   ### 用相鄰后面(back)特征填充前面空值
print(data.fillna(method="pad"))     ### 用相鄰前面特征填充后面空值
#參考博客:https://blog.csdn.net/qq_21840201/article/details/81008566

pandas對csv文件數據的更改的方法

#更改某列屬性數值和類型
df = df[df["漲跌幅"]!="None"]
df["漲跌幅"] = df["漲跌幅"].astype(np.float64)
df = pd.DataFrame(a, dtype="float") #數據類型轉化
#參考鏈接:http://www.45fan.com/article.php?aid=19070771581800099094144284
#對數據全部遍歷讀取并更改,參考如下
for i in df.index:
    df["id1"][i]=1

pandas的iloc的使用方法和作用

X = df.iloc[:, data.columns != "label"]  # 取出不包括 label其他的列

df.iloc[:3, :2]           #使用.iloc ,我們只選擇了.iloc的前3行和2列

計算某列元素數量的方法

sum= len(data[data.label == "BENIGN"]) #計算BENIGN的數量
len(df)

pandas對文件進行保存的方法

#df為要保存的數據,xxx.csv為保存的文件
df.to_csv("xxx.csv", index=False, sep=",")

感謝各位的閱讀,以上就是“Python數據分析和機器學習實例代碼分析”的內容了,經過本文的學習后,相信大家對Python數據分析和機器學習實例代碼分析這一問題有了更深刻的體會,具體使用情況還需要大家實踐驗證。這里是億速云,小編將為大家推送更多相關知識點的文章,歡迎關注!

向AI問一下細節

免責聲明:本站發布的內容(圖片、視頻和文字)以原創、轉載和分享為主,文章觀點不代表本網站立場,如果涉及侵權請聯系站長郵箱:is@yisu.com進行舉報,并提供相關證據,一經查實,將立刻刪除涉嫌侵權內容。

AI

疏附县| 钟祥市| 拜城县| 禹城市| 綦江县| 织金县| 广汉市| 江达县| 左贡县| 西吉县| 广安市| 合川市| 抚顺市| 洛南县| 都昌县| 左云县| 铜川市| 从化市| 洛浦县| 茌平县| 开远市| 襄汾县| 青川县| 永济市| 蒙阴县| 甘泉县| 台中县| 南通市| 平南县| 贺州市| 万安县| 平昌县| 罗江县| 莱芜市| 如皋市| 武夷山市| 休宁县| 瑞昌市| 辛集市| 迭部县| 修武县|